跳到主要內容

DeepSeek Harness評測：一週衝21萬星的外掛式代理框架 | DeepSeek Harness Review: 210K Stars, Plugin-Based AI Agent

By Kit 小克 | AI Tool Observer | 2026-09-06

🇹🇼 DeepSeek Harness評測：一週衝21萬星的外掛式代理框架

DeepSeek Harness 是 DeepSeek 在 2026 年 8 月中釋出的開源代理框架（agent harness），主打「萬物皆外掛」（Everything is a Plugin）架構，上線一週就衝上超過 21 萬顆 GitHub 星星、2.5 萬次 Fork，是近期開發者工具圈討論度最高的話題。這篇文章帶你看懂 DeepSeek Harness 解決了什麼問題、跟 Claude Code、Codex 差在哪，以及實測後該注意的地雷。

DeepSeek Harness 是什麼？

DeepSeek Harness（簡稱 dsh）是一套 MIT 授權的開源 AI 編碼代理執行環境，把工具、技能、對話 session，甚至整套代理框架本身都設計成可拆換的外掛模組，開發者能自由組合、替換。

它建立在 DeepSeek 自研的 Cordis 架構上，所有設定都寫在可編輯的 YAML 檔案裡，不藏在隱藏選單中，預設會開一個本機網頁介面（127.0.0.1:3080）方便操作。官方目前定位是「開發者預覽版」，代表功能和行為之後還會有大改動。

DeepSeek Harness 跟 Claude Code、Codex 差在哪？

最大差別在於「誰決定工作流程」。Claude Code 和 Codex 都是廠商鎖定好的固定流程，DeepSeek Harness 反過來把主導權交給開發者，甚至能把 Claude Code、Codex 當成「子代理」塞進 DeepSeek 的外層編排裡跑。

  • 模型彈性：預設接 DeepSeek V4 Flash / Pro，因為是開源 MIT 授權，也能接其他家 API 或自架模型
  • 設定透明：全部走 YAML 檔案，方便版本控管與客製化
  • 定位不同：與其說是 Claude Code 的競品，更像是包在各家代理工具外層的「編排層」

實測缺點：真的比較省嗎？

不一定。早期實測案例顯示，光是做一個簡單的 ISS 追蹤網頁，兩輪對話就燒掉約 2000 萬 tokens，成本並不便宜；目前仍得從原始碼安裝，介面也還很粗糙，隨時可能大改版。想控制成本的話，V4 Flash 目前的性價比評價優於 Pro。

好不好用，試了才知道。

🇺🇸 DeepSeek Harness Review: 210K Stars, Plugin-Based AI Agent

DeepSeek Harness is DeepSeek's open-source agent harness, released mid-August 2026 under an "Everything is a Plugin" architecture. It shot past 210,000 GitHub stars and 25,000 forks within a week, making it one of the hottest developer-tool stories right now. Here's what DeepSeek Harness actually does, how it differs from Claude Code and Codex, and what to watch out for before you try it.

What is DeepSeek Harness?

DeepSeek Harness (dsh) is an MIT-licensed, open-source runtime for AI coding agents that treats tools, skills, sessions, and even entire agent harnesses as swappable plugins developers can mix and match.

It's built on DeepSeek's own Cordis architecture. Every setting lives in editable YAML files instead of hidden menus, and it ships with a local web UI at 127.0.0.1:3080 by default. It's officially a "developer preview," so expect breaking changes ahead.

How does DeepSeek Harness compare to Claude Code and Codex?

The core difference is who controls the workflow. Claude Code and Codex ship fixed, vendor-defined pipelines. DeepSeek Harness flips that — it hands control to the developer, and can even run Claude Code or Codex as sub-agents inside its own orchestration layer.

  • Model flexibility: defaults to DeepSeek V4 Flash/Pro, but being MIT-licensed, it can plug into other providers or self-hosted models
  • Transparent config: everything lives in YAML, making it easy to version and customize
  • Different positioning: less a Claude Code competitor, more an orchestration layer that sits above other coding agents

The catch: does it actually save money?

Not necessarily. Early testers reported burning roughly 20 million tokens across two turns just to build a simple ISS tracker app — not cheap. It still requires installing from source, the interface is rough, and breaking changes are likely. If cost matters, V4 Flash currently gets better cost-to-value reviews than Pro.

好不好用，試了才知道。You won't know until you try it.

Sources / 資料來源

常見問題 FAQ

DeepSeek Harness 是免費的嗎？

是的，DeepSeek Harness 採 MIT 授權完全開源免費，但呼叫模型 API（如 DeepSeek V4）仍需依用量付費。

DeepSeek Harness 可以取代 Claude Code 嗎？

不完全是。它定位比較像「編排層」，甚至可以把 Claude Code 當子代理呼叫，適合想自訂工作流程的進階開發者，而非直接替代品。

DeepSeek Harness 現在能穩定用在正式專案嗎？

目前官方定位是開發者預覽版，介面與 API 都可能大改，建議先在側專案或測試環境試用，暫不建議直接上正式產線。

DeepSeek Harness 支援哪些模型？

預設支援 DeepSeek V4 Flash / Pro，但因為是開源 MIT 授權架構，理論上可以串接其他家 API 或自架的本地模型。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容