DeepSeek 更新 Harness 框架？14 项新变化全解析

DeepSeek 更新 Harness 框架？DeepSeek Harness v0.1.0-rc.8 版本的发布带来了 14 项重大更新，涵盖多模态输入、子代理、工具链和运行时性能，构建了一个解耦的、以插件为先的调度层，不仅原生支持图像请求，还能将 Claude Code 和 Codex 等外部工具作为模块化子代理进行管理。随着人工智能架构从单一的聊天机器人封装转向分布式代理运行时，开发人员需要具备扩展性的框架来管理任务拆分、工具编排和内存持久化。过去，部署自主编码助手往往会将工程工作流绑定到单一的闭源供应商技术栈。如今，由于开源运行时框架允许开发人员动态切换模型、工具和子代理，技术团队正在重新评估其代理编排与下游上下文交接的架构方式。

架构概览：DeepSeek 如何更新 Harness 框架以实现代理编排

核心要点

• DeepSeek Harness v0.1.0-rc.8 引入了原生图像请求支持，允许 /goal 和 /plan 等命令直接接收文本与图像的混合输入。
• Claude Code 和 Codex 等子代理被打包为按需配置的 Profile Bundles，具备非交互式执行模式和父任务唤醒机制。
• 得益于 Cordis 插件框架，该运行时将模型、工具、内存和主代理循环视为在 MIT 协议下完全可替换的插件。

将基础语言模型与自主代理隔离开来的工程边界正变得日益清晰。尽管基础模型提供了原始的推理和生成能力，但实际的任务执行仍需要一个外部工程外壳来解析文件系统、调用 shell 命令、管理对话历史并处理执行重试。DeepSeek 通过一个清晰的公式定义了这种关系：模型 + Harness = 代理。

继 2026 年 8 月首次开源发布 Harness v0.1 以来，该项目迅速获得了开发者的广泛采用。v0.1.0-rc.8 版本的发布直接在此基础之上进行构建，增加了可配置的图像请求支持并扩展了子代理调度能力。

rc.8 的核心意义在于其“一切皆插件”的设计哲学。得益于为 Harness 提供可组合插件上下文的 Cordis，没有任何组件是被永久硬编码的。开发人员可以自由更换底层模型适配器、替换本地存储引擎、挂载独立的沙箱环境或自定义主代理执行循环。

底层机制：多模态工具链、子代理与运行时管道

在协议层面，DeepSeek Harness v0.1.0-rc.8 将其更新组织在几个核心功能领域：原生多模态处理、子代理编排以及工具链性能。

1. 可配置的多模态输入

更新后的适配器支持原生图像请求，在请求体中将图像输入序列化为 base64 数据 URL，而模型响应则继续通过 Server-Sent Events (SSE) 进行流式传输。包括 /goal 和 /plan 在内的核心命令现在可以接受混合文本和图像的有效负载，同时编辑器中的 @ 菜单也进行了扩展，支持引用活动会话和图像文件。系统将 base64 图像有效负载限制在 20 MiB（maxRequestImageBytes），在标准的 30 MiB 请求限制之下留出了余量。

在原生适配器架构下，配置了图像功能的模型可直接接收 base64 数据负载，而纯文本模型则会在网络传输之前拒绝图像输入。社区开发者曾探索过通过第三方视觉插件为纯文本后端提供外部 OCR 和排版解析，但 rc.8 的原生管道专注于为具备视觉功能的模型配置提供直接的图像透传。

2. 子代理调度与 Profile Bundles

Claude Code 和 Codex 没有将外部助手分发到主代码库中，而是被打包为按需配置的 Profile Bundles。Codex 引入了支持无人值守或 headless 执行场景的非交互式权限模式，并支持通过命名实例来维护多个不同的 Codex 配置。reportDelivery 机制能够在子代理完成任务时自动通知并唤醒父任务，从而减少了对持续轮询循环的依赖。

下图阐明了任务和子代理在框架中的路由方式：

[用户多模态目标/计划输入]
                │
                ▼
     [Cordis 插件上下文]
                │
  ┌─────────────┼─────────────┐
  ▼             ▼             ▼
[配置的 LLM 适配器] [Claude Code] [Codex Bundle]
(文本或视觉模型)   (子代理)   (子代理)
  │             │             │
  └─────────────┼─────────────┘
                ▼
  [工具/插件调度层]
(并发 WebSearch / PTY 终端)

3. 工具链并发与传输元数据

运行时引入了对 web_search 的并发查询支持、Windows PTY 终端内的持久化 PowerShell 会话，以及优化的 SQLite 读写和会话分叉性能。在传输层，DeepSeek 适配器在提供商请求中发送传输级身份和会话元数据，包括来自 @deepseek-ai/dsh-anonymous-user-id 的 x-deepseek-harness-user-id，同时将该标识符保留在模型可见的请求内容和 Token 计费之外。

开发人员可以使用标准配置架构动态配置适配器设置：

- id: llm-deepseek
  name: '@deepseek-ai/dsh-llm-deepseek'
  config:
    apiKeyEnv: DEEPSEEK_API_KEY
    baseURL: https://api.deepseek.com
    thinking: enabled
    reasoningEffort: high
    maxTokens: 256000
    streamIdleTimeoutMs: 300000
    maxRequestImageBytes: 20971520
    defaultContextWindow: 1000000
    models:
      - id: deepseek-v4-flash
        name: DeepSeek-V4-Flash
      - id: private-vision
        name: Private Vision
        inputModalities: [text, image]

有状态的工作流编排与移动端分发上下文连贯性

DeepSeek Harness 的模块化架构展示了软件执行正如何向分布式多代理工作流演进。当主代理将子任务分发给多个工具和模型时，harness 能够维护执行上下文、跟踪子代理状态，并将输出聚合为连贯的最终结果。

尽管桌面端和服务器端代理运行时能够在活动插件和本地进程之间保持状态，但当自动化旅程跨越移动应用程序分发边界时，就会出现相邻的架构挑战。

跨生命周期边界弥合上下文连贯性

在 Harness 中，会话连贯性是通过运行时会话状态和持久化层来维护的。然而在移动 App 分发中，当营销活动、网页推荐或共享推荐将用户引导至尚未安装的应用程序时，预安装活动或目标上下文并不会自动在“应用商店安装-首次启动”这一转换过程中存续。

诸如 OpoInstall 等专业的移动链接架构通过 deferred deep linking 和参数透传功能解决了这种上下文断层。这些框架能够在安装前捕获营销活动或目标元数据，并在应用程序首次启动时恢复这些参数，从而实现即时上下文路由。这两种机制在不同的生命周期阶段解决了不同的技术问题，但它们共同凸显了跨越碎片化应用边界对可靠上下文连贯性的日益增长的需求。

工程检查清单：在生产环境中部署模块化代理 Harness

在生产环境中部署具扩展性的代理运行时需要结构化的治理，以平衡执行灵活性与运行稳定性。

开发者实现检查清单

• 管理 SQLite 架构迁移：在跨小版本升级时，确保数据库存储格式得到干净更新，以防止不兼容的表结构导致数据错误。
• 配置子代理执行模式：在运行无人值守进程时，在自动化 Codex 实例上启用非交互式权限标志。
• 设置图像有效负载限制：将传入的 base64 图像有效负载限制在 20 MiB（maxRequestImageBytes）以内，以防止在多轮对话期间超出提供商的主体大小上限。

架构与增长策略检查清单

• 审核传输标识符：验证匿名标识符（x-deepseek-harness-user-id）和会话标头是否符合当地隐私政策。
• 优化多代理 Token 预算：实施模型仲裁，将子任务路由至性价比高的模型，同时为复杂规划保留前沿模型。
• 确保跨平台上下文持久化：在网页入口与原生移动应用程序之间桥接用户工作流时，部署服务端参数恢复框架。

工程团队的核心要点

像 DeepSeek Harness 这样的开源代理运行时的快速演进，标志着行业竞争正从以模型为中心转向工作流和编排层的主导地位。随着模型后端在模块化代理架构中变得越来越可互换，负责协调子代理、管理工具以及维护执行状态的软件层成为了开发者掌控力的核心所在。

构建下一代代理系统的工程团队必须优先考虑模块化、明确的权限边界以及稳健的状态管理。通过将代理编排解耦为可扩展插件，并在网页与移动端接触点之间实施弹性的上下文交接机制，组织能够构建出适应性强且不绑定特定供应商的自动化管道。

参考资料

• DeepSeek AI. DeepSeek Harness 发行说明 (v0.1.0-rc.8). https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.1.0-rc.8

• DeepSeek AI. DeepSeek LLM 适配器文档. https://github.com/deepseek-ai/deepseek-harness/blob/dsh-v0.1.0-rc.8/packages/llm/llm-deepseek/README.md

• DeepSeek AI. DeepSeek Harness 官方仓库. https://github.com/deepseek-ai/deepseek-harness

• OpoInstall. 如何通过 deferred deep linking 与安装归因实现推荐追踪 SDK. https://www.opoinstall.com/blog/referral-tracking-sdk-deferred-deep-linking