1.概述1.1背景介绍AI Agent越来越智能化，甚至可以帮助用户处理一些复杂的工作，比如编程以及自行对模块进行测试; 为了学习使用AI agent，这次使用 deepharness模型层 + deepseek免费版来搭建 agent环境，以及使用它来执行一些任务；1.2关键术语（1）DeepSeek Harness（DSH)Agent框架，负责调度模型，读写文件/执行命令等；比如常用的 deepseek对话框，就是在该框架下执行的；上层：大脑+手脚（2）DeepHarness一个桥接服务，把网页版 DeepSeek 包装成 OpenAI 兼容 API中间：翻译官/适配器（3）Rust一门系统编程语言；用来编写deep seek harness的工具;DeepHarness 站在中间：对下：连接网页版 DeepSeek，处理登录态、加密挑战、流式响应；对上：暴露标准 API，让 Harness 像调用普通模型一样调用它。1.3 知识补充Q: 为什么 DeepHarness 用 Rust，而不用 Python/Node？A: 如果用 Python 写，PoW 可能从 15ms 变成几百毫秒；如果用 Node 写，长期运行可能遇到内存泄漏和 GC 暂停。Rust 让 DeepHarness 能同时满足低延迟、高并发、高可靠三个要求。2.安装Harness1.1环境准备Harness 基于 Node.js 运行，对版本有明确要求。Node.js>= 22.19.0或>= 24.0.0（仓库package.json的engines硬性要求）npm/npx随 Node.js 自带即可操作系统Windows 10+、macOS 10.15+ 或主流 Linux（x64/arm64）（1）查看node版本： node -vnode -v(2)版本不满足时，使用安装新版本node； nvm install 24 && nvm use 241.2安装Harness1.2.1安装安装方式选择，全局安装（长期使用)；Step1-安装 命令：npm install -g @deepseek-ai/dsh安装结果如下图所示:1.2.2启动Harness框架命令窗口输入如下命令dsh web启动结果如下1.2.3启动后配置启动成功后会弹出浏览器，选择API Key,这里先选择稍后配置（因为要使用免费版的deepseek)1.2.4创建工作区需要先选择一个工作区才可以开始工作，工作区可以自己选择一个路径新建一个文件夹即可;1.2.5选择大模型版本当前默认版本：DeepSeek-V41-Flash（当前选中，推荐）定位：最新一代的快速模型（V4.1 Flash）。它在响应速度和智能程度之间取得了最好的平衡。场景：日常开发、Agent 自动执行任务的首选。它足够聪明来理解复杂指令，同时速度够快，不会让你等太久。DeepSeek-V4-Flash定位：标准的 V4 快速版。场景：V41 的上一代或基础版本。如果 V41 偶尔出现异常，可以回退到这个版本作为备选。DeepSeek-V4-Pro定位：专业版/满血版模型。场景：复杂的架构设计、深度代码重构、极难的 Bug 排查。它通常比 Flash 慢很多，消耗 Token 也更多，但逻辑推理能力最强。适合在遇到 Flash 模型搞不定的复杂任务时切换。DeepSeek-V4-Flash-Vision-Exp定位：带视觉能力的实验版（Vision-Exp = Vision Experimental）。场景：多模态任务。如果你的 Agent 需要“看”图片、网页截图、解析 UI 设计稿，就必须切换到它。纯写代码用不到。这些模型版本都是收费的，所以为了使用免费版，需要进行后面的操作;3.安装dsh-deepseek-web-login插件先退掉当前的Harness框架,控制台输入 Ctrl+C3.1安装 pnpm控制台输入下面命令npm install -g pnpm安装后验证pnpm -v3.2安装deepseek插件控制台输入下面的命令并执行；dsh plugin --profile web add dsh-deepseek-vision安装后结果3.3 重启Harness服务dsh web重启后结果3.4 使用下载后本地安装的方式安装 deepseek-web-login插件下载地址：cv-superding/dsh-deepseek-web-login: Unofficial DSH (DeepSeek Harness) plugin: use chat.deepseek.com web models as an LLM provider - browser-login capture, PoW solving, SSE streaming, prompting-based tool calls.
1.概述1.1背景介绍AI Agent越来越智能化，甚至可以帮助用户处理一些复杂的工作，比如编程以及自行对模块进行测试; 为了学习使用AI agent，这次使用 deepharness模型层 + deepseek免费版来搭建 agent环境，以及使用它来执行一些任务；1.2关键术语（1）DeepSeek Harness（DSH)Agent框架，负责调度模型，读写文件/执行命令等；比如常用的 deepseek对话框，就是在该框架下执行的；上层：大脑+手脚（2）DeepHarness一个桥接服务，把网页版 DeepSeek 包装成 OpenAI 兼容 API中间：翻译官/适配器（3）Rust一门系统编程语言；用来编写deep seek harness的工具;DeepHarness 站在中间：对下：连接网页版 DeepSeek，处理登录态、加密挑战、流式响应；对上：暴露标准 API，让 Harness 像调用普通模型一样调用它。1.3 知识补充Q: 为什么 DeepHarness 用 Rust，而不用 Python/Node？A: 如果用 Python 写，PoW 可能从 15ms 变成几百毫秒；如果用 Node 写，长期运行可能遇到内存泄漏和 GC 暂停。Rust 让 DeepHarness 能同时满足低延迟、高并发、高可靠三个要求。2.安装Harness1.1环境准备Harness 基于 Node.js 运行，对版本有明确要求。Node.js>= 22.19.0或>= 24.0.0（仓库package.json的engines硬性要求）npm/npx随 Node.js 自带即可操作系统Windows 10+、macOS 10.15+ 或主流 Linux（x64/arm64）（1）查看node版本： node -vnode -v(2)版本不满足时，使用安装新版本node； nvm install 24 && nvm use 241.2安装Harness1.2.1安装安装方式选择，全局安装（长期使用)；Step1-安装 命令：npm install -g @deepseek-ai/dsh安装结果如下图所示:1.2.2启动Harness框架命令窗口输入如下命令dsh web启动结果如下1.2.3启动后配置启动成功后会弹出浏览器，选择API Key,这里先选择稍后配置（因为要使用免费版的deepseek)1.2.4创建工作区需要先选择一个工作区才可以开始工作，工作区可以自己选择一个路径新建一个文件夹即可;1.2.5选择大模型版本当前默认版本：DeepSeek-V41-Flash（当前选中，推荐）定位：最新一代的快速模型（V4.1 Flash）。它在响应速度和智能程度之间取得了最好的平衡。场景：日常开发、Agent 自动执行任务的首选。它足够聪明来理解复杂指令，同时速度够快，不会让你等太久。DeepSeek-V4-Flash定位：标准的 V4 快速版。场景：V41 的上一代或基础版本。如果 V41 偶尔出现异常，可以回退到这个版本作为备选。DeepSeek-V4-Pro定位：专业版/满血版模型。场景：复杂的架构设计、深度代码重构、极难的 Bug 排查。它通常比 Flash 慢很多，消耗 Token 也更多，但逻辑推理能力最强。适合在遇到 Flash 模型搞不定的复杂任务时切换。DeepSeek-V4-Flash-Vision-Exp定位：带视觉能力的实验版（Vision-Exp = Vision Experimental）。场景：多模态任务。如果你的 Agent 需要“看”图片、网页截图、解析 UI 设计稿，就必须切换到它。纯写代码用不到。这些模型版本都是收费的，所以为了使用免费版，需要进行后面的操作;3.安装dsh-deepseek-web-login插件先退掉当前的Harness框架,控制台输入 Ctrl+C3.1安装 pnpm控制台输入下面命令npm install -g pnpm安装后验证pnpm -v3.2安装deepseek插件控制台输入下面的命令并执行；dsh plugin --profile web add dsh-deepseek-vision安装后结果3.3 重启Harness服务dsh web重启后结果3.4 使用下载后本地安装的方式安装 deepseek-web-login插件下载地址：cv-superding/dsh-deepseek-web-login: Unofficial DSH (DeepSeek Harness) plugin: use chat.deepseek.com web models as an LLM provider - browser-login capture, PoW solving, SSE streaming, prompting-based tool calls.