昨晚 DeepSeek 把 Harness 开源了。GitHub 一天 5 万 star，评论区全在喊"Claude Code 杀手"。

我第一时间装上跑了一遍。结论先放这：它不是 Claude Code 的替代品，它是一个完全不同的东西。差距不是"谁更强"，而是"压根不在同一个赛道"。

30 秒装完，但有坑

装它只需要一行命令：

npx @deepseek-ai/dsh web

等一两分钟下载完，终端会输出一个地址：http://127.0.0.1:3080/。打开浏览器就能用。

但第一个坑来了——Web 版默认把 Skills 功能关了，不报错，你根本不知道它没生效。 需要手动 patch 才能开启：

cat > ~/enable-skills.yml <<'EOF'
- id: skill-filesystem
  disabled: false
- id: tool-skill
  disabled: false
- id: skill-badge
  disabled: false
EOF

npx @deepseek-ai/dsh web --patch ~/enable-skills.yml

启动前还要确认 3080 端口没被占用：

lsof -nP -iTCP:3080 -sTCP:LISTEN

有输出说明上一个 dsh 实例还在跑，kill 掉再启动。

对比 Claude Code 的安装：npm install -g @anthropic-ai/claude-code，然后直接在终端里敲claude就能用。不需要浏览器，不需要 patch 配置文件，不需要检查端口。

第一个差距：Claude Code 是终端原生的，DSH 是 BS 架构的 Web UI。 这不是技术优劣的问题，是设计哲学的根本分歧。

四种模式，其实是四套插件组合

DSH 内置四种预设模式：

模式	定位	加载的插件集
标准模式	完整编程助手	Shell + 文件编辑 + 搜索 + UI 全家桶
PTC 模式	程序化工具调用	TypeScript 组合多步操作
极简模式	仅 Shell+ 文件编辑	适合模型基准测试
创造模式	动态加载插件	可创作全新模式

PTC 模式是最有意思的一个。它让你用 TypeScript 来编排工具调用：

// PTC模式下的多步操作编排
const result = await dsh.compose([
  tools.file.read('src/components/Dashboard.tsx'),
  tools.analyze.dependencies(),
  tools.refactor.extract({
    target: 'useChartData',
    type: 'custom-hook'
  }),
  tools.file.write('src/hooks/useChartData.ts')
]);

这段代码及其子调用会经过完整的安全流水线——Hook、审批、权限检查、沙箱、超时控制，不能绕过任何一层。

Claude Code 没有这个概念。它的工具调用是模型自主决定的，开发者无法用代码预编排一条确定性的执行路径。

这是第二个差距：DSH 给了开发者"确定性编排"的能力，Claude Code 给了模型"自主决策"的自由。

核心架构：一切皆插件

DSH 的设计哲学用一句话总结：Model + Harness = Agent。

什么是 Harness？它决定了：

• 模型能看到什么（上下文管理）
• 可以调用哪些工具（工具注册）
• 如何组织上下文（会话策略）
• 遇到错误怎么重试（容错逻辑）
• 什么时候判断任务完成（终止条件）

同一个模型放进不同的 Harness，最终表现可能天差地别。

DSH 把这个理念推到了极致——连 Agent Loop 本身都是插件，可以替换。

┌─────────────────────────────────────────┐ │ DeepSeek Harness │ ├─────────────────────────────────────────┤ │ Cordis 微内核（只管插件加载/卸载/依赖） │ ├─────────────────────────────────────────┤ │ 插件层（全部可替换）： │ │ ┌────────┐ ┌────────┐ ┌────────┐ │ │ │ Model │ │ Tools │ │ Skills │ │ │ └────────┘ └────────┘ └────────┘ │ │ ┌────────┐ ┌────────┐ ┌────────┐ │ │ │Session │ │Sandbox │ │Storage │ │ │ └────────┘ └────────┘ └────────┘ │ │ ┌────────┐ ┌────────┐ ┌────────┐ │ │ │ Loop │ │Schedule│ │ UI │ │ │ └────────┘ └────────┘ └────────┘ │ └─────────────────────────────────────────┘

对比 Claude Code：模型固定 (Claude)、工具固定 (Bash/Read/Write/Edit 等)、Loop 不可替换、UI 就是终端。你能扩展的只有 MCP Server 和 Skills。

第三个差距：DSH 的可替换边界从"工具层"下沉到了"整个运行时"，Claude Code 的可替换边界止步于"工具和技能"。

工具调用流水线：这个设计确实精妙

DSH 的工具调用不是简单的"模型说调就调"。每次调用会经过一条完整的流水线：

请求 → Hook → 审批 → 权限检查 → 沙箱 → 超时控制 ↓ UI 渲染 ← 记录 ← 结果改写 ← 执行 ←──────────┘

开发者可以在任何环节插入自己的插件，不需要修改工具本身，也不需要改 Agent Loop。

举个前端场景：你想让所有文件写入操作都先经过 ESLint 检查：

// 注册一个文件写入的前置Hook插件
export default class EslintGuardPlugin {
  static inject = ['tools'];

  constructor(ctx) {
    ctx.before('tool/file-write', async (event) => {
      const { path, content } = event.params;
      if (path.endsWith('.ts') || path.endsWith('.tsx')) {
        const result = await eslint.lintText(content, { filePath: path });
        if (result[0].errorCount > 0) {
          event.prevent();
          return { blocked: true, errors: result[0].messages };
        }
      }
    });
  }
}

Claude Code 要实现同样的效果？写一条 Hook 规则在settings.json里，能做到"拦截"，但粒度远不如这个——你没法拿到工具调用的参数做条件判断，更没法改写结果。

Model Agnostic：不锁模型

DSH 默认支持 DeepSeek 自家模型，但可以切换到近 40 家模型商的接口。配置方式：

# $DSH_HOME/settings.yaml
providers:
  - name: anthropic
    kind: openai-compatible
    base_url: https://api.anthropic.com/v1
    model: claude-sonnet-4-20250514
    api_key_env: ANTHROPIC_API_KEY
  - name: openai
    kind: openai
    base_url: https://api.openai.com/v1
    model: gpt-4o
    api_key_env: OPENAI_API_KEY

也就是说，你可以用 Claude 的模型跑在 DSH 的 Harness 里。这个组合有没有比原生 Claude Code 更好？理论上不会——因为 Claude Code 的 Harness 是为 Claude 模型专门优化的（比如 system prompt、context 管理策略）。但它给了你一个"对照实验"的环境。

Claude Code 则完全锁定 Claude 模型，没有切换选项。这不是缺点——专用系统的上限永远高于通用系统的上限。 Claude Code 针对 Claude 模型做了大量 Harness 层的优化，这些优化在通用框架里做不到。

实际体验：写一个 React 组件

我让 DSH 的标准模式（默认 DeepSeek V4-Pro）写一个带虚拟滚动的表格组件：

DSH 的执行过程：

1. 读取项目结构 → 分析依赖
2. 生成组件代码
3. 写入文件
4. （没有自动运行类型检查）
5. （没有自动验证渲染结果）

同样的任务用 Claude Code：

1. 读取项目结构 → 分析依赖 → 读取现有组件风格
2. 生成组件代码
3. 写入文件
4. 自动运行tsc --noEmit检查类型
5. 发现类型错误 → 自动修复 → 再次检查
6. 启动 dev server → 验证渲染

差距在哪？Claude Code 有一个成熟的"自我纠错循环"——写完代码会自动验证，出错会自动修。 DSH 目前的 Agent Loop 还没有这么深度的自我验证机制，更多是"你让我做什么我就做什么"。

这是 v0.1 developer preview 的现实。DSH 团队自己也说了：当前仍有大量细节需要打磨。

真正的对比维度

不是"谁代码写得好"，而是定位完全不同：

维度	DeepSeek Harness	Claude Code
定位	可组装的 Agent 运行时底座	成熟的 AI 编程助手
目标用户	Harness 开发者/框架作者	想用 AI 写代码的程序员
模型	40+ 家可切换	锁定 Claude
可替换范围	整个运行时（含 Loop/UI/Session）	工具层（MCP/Skills）
Agent Loop	插件，可替换	内置，深度优化
安装门槛	Node.js + npx + 端口配置	npm install + 一个命令
UI 形态	Web UI(3080 端口)	终端原生
成熟度	v0.1 developer preview	生产级，日活百万 +
自我纠错	基础	深度（类型检查 + 运行验证）
开源协议	MIT	闭源

我的判断

短期（6 个月内）：Claude Code 仍然是日常编程的最优解。 没有哪个 v0.1 的框架能在开箱体验上打过一个打磨了一年多的成熟产品。如果你明天要交项目，用 Claude Code。

中长期（1-2 年）：DSH 的架构设计可能改变游戏规则。 "一切皆插件"的底座一旦生态成型（Cordis 已有 4000+ 社区插件的积累），会出现 Claude Code 做不到的玩法——比如针对你们团队的代码规范训练一个专属的 Agent Loop 插件，比如把代码审查、部署、监控串成一条完全自定义的流水线。

最值得关注的信号： DSH 发布的同时，DeepSeek 把 V4-Pro 模型的价格从 8/17 开始上调（输出峰值 27 元/百万 tokens）。这意味着 DeepSeek 要用 Harness 的免费开源生态来反哺模型的付费收入——和 OpenAI 用 ChatGPT 免费版拉用户、Codex 收钱的逻辑一模一样。

如果你是普通前端开发者： 今天不用急着换。但装一个玩一下，理解"Harness"这个概念——Model + Harness = Agent。这个公式比任何具体工具都重要，因为它决定了未来你会怎么选择和组合 AI 编程工具。

快速上手速查表

步骤	命令/操作
前置要求	Node.js v18+
快速启动	npx @deepseek-ai/dsh web
全局安装	npm install -g @deepseek-ai/dsh
源码安装	git clone → pnpm install → pnpm run build → pnpm dsh web
访问地址	http://127.0.0.1:3080/
首次配置	填入 DeepSeek API Key
开启 Skills	创建 patch yaml → --patch参数启动
切换模型	设置页面 或 $DSH_HOME/settings.yaml
切换模式	Web UI 顶部下拉选择
查看插件	设置 → 插件管理 → 启用/禁用
Python SDK	pip install deepseek-harness-sdk（内置运行时，无需 Node.js）

你装了吗？你觉得 DSH 的"一切皆插件"是真正的架构创新，还是过度设计？评论区说说你的判断。