DeepSeek Harness 上手记：架构、插件市场与留下来的 20 个插件

装满 30 个插件的那天很兴奋，一周后删到 20 个才是真实体验：架构观察、市场配置，和留下的理由。

为什么又装了一个 Agent 工具

2026 年的 Agent 工具并不稀缺，终端里已经有好几个编码助手常驻。DeepSeek Harness（下面简称 DSH）吸引我的点不是模型，而是定位：它不是又一个聊天 App，而是一个 Agent 运行时。模型、工具、技能、界面，全部可以拆开换掉。

我这一周的玩法比较激进：装上官方桌面版之后，又配置了第三方插件市场，一口气装了 30 个插件。然后是最有价值的部分：逐个试用、删掉、停用。一周下来，3 个被删除、7 个被停用，常驻运行的剩下 20 个。模型端我没有用官方 API，而是配置了智谱（Z.ai）的 GLM 编程套餐作为第三方 API，模型选择器里跑的是 GLM-5.3。这篇文章记录架构观察、插件市场配置流程，以及这场从 30 到 20 的筛选。

架构：分层叠加的插件运行时

先说结论：DSH 的核心非常克制，能力全部长在插件层上。

安装后你会得到一个桌面 App，底层是本机 Web 服务（默认监听 127.0.0.1，启动时用一次性 token 换取登录态，凭据不落盘），界面是承载在这个本地服务上的 Web GUI。命令行的 dsh CLI 与桌面 App 共享同一套 profile 体系，帮助文档里对 profile 的定义是“ordered stack of plugin-bundle patch layers”（有序的插件补丁层叠栈）。也就是说，你的每一个 profile 都是一层一层插件叠出来的，核心只负责调度。

下图是这套运行时的分层全景。

日常使用的组织方式是 workspace 加 session：每个 git 仓库是一个 workspace，workspace 下开多个 session，每个 session 有独立的上下文、待办计划和审批记录。插件可以向这个运行时贡献五样东西：

• 工具：agent 可调用的函数，比如浏览器插件带来的几十个 ego_* 工具
• 技能：按需加载的操作手册，比如本站的博客写作规范
• 界面：侧边栏按钮、标签页、面板，比如任务看板和上下文仪表盘
• 子代理：把任务分派给另一个模型或另一个 Agent
• MCP 连接：接入外部资源服务

正因为能力都长在插件上，删插件、停插件才是安全的：核心不动，堆叠的层随时可以增减。这是我敢一口气装 30 个再慢慢做减法的底气。

初体验：像 IDE 一样的对话界面

首次启动的引导很顺畅，中文界面开箱即用。几个让我印象深的细节：

• 会话标题自动生成，不用自己起名
• 工具调用以卡片形式折叠展示，点开能看到完整输入输出
• 待办计划以独立条幅显示在输入框上方，进度一目了然
• 审批模式可选，我平时直接开 Full access；试过审批门控插件来兜底，后来觉得日常用不上，也停了
• 支持追问队列：我可以在 agent 干活时连续追加问题，它会排队处理，没回答的最后一条不会混进已保存的会话
• 轨迹视图把整个工作过程录成时间线，模型思考、工具调用、等待时长都能回放，事后复盘一个任务是怎么做完的特别方便

下面这张轨迹截图来自一条真实任务：让 agent 修复 HAMI 2.11 发布视频里字幕换行的 bug。能看到它自己抽帧验证、起后台渲染任务、更新记忆、最后交付成品，中间那段推理过程把它如何定位到“估宽和实际渲染宽度不一致”这件事完整记了下来。

多智能体的协作也有专门的可视化。切到编队视图，主 Agent 与子 Agent 的关系变成一张实时网络图，每个节点挂着运行状态、工作项和消息数，后台任务一屏可见。

这些细节叠在一起，感受接近“IDE 的对话化”而不是“网页版聊天”。

第三方 API：智谱 GLM 编程套餐

DSH 不绑定官方模型，配置第三方 OpenAI 兼容 API 即可接入其他厂商。我配置的是智谱的 GLM 编程套餐：订阅制包量，对编码和写作这种高频场景很划算，不用按 token 心疼钱。API 凭据保存在本机凭据文件里，界面上有自动脱敏，正常使用不会泄露。

实际体验里 GLM-5.3 的中文写作质量让我愿意把这篇博客初稿也交给它：长文结构稳、术语准，工具调用的指令跟随也没出过大问题。一个额外的好处是写中文内容时不用来回翻译思维，模型直接以中文思考和组织材料。

三分钟配好插件市场

DSH 官方自带一批可选插件，其中 plugin-market-bundle 提供自定义插件索引能力，启用后在设置里就能添加第三方市场源。我另外装了 dshmarket，它提供完整的可视化市场：浏览、搜索、查看详情、一键安装，体验接近手机的应用商店。

一键安装背后就是往 profile 里装一个 npm 包，装完需要重启生效。集中装插件的阶段，搭配 dsh-autorestart 很省心：它会等所有会话空闲后再安全重启，不会打断正在干活的 agent。不过它更多是“装修期”的工具，插件集稳定下来之后我就把它停了，重启不再是日常。

从 30 到 20：一周的筛选

装插件的那一刻都很兴奋，但插件的价值只有真实工作流能检验。我的标准很简单：一周内没有再次主动用到的，就是没用上的；和别的插件功能重叠的，留用得顺手的那个；收益配不上代价的，停。

先看结果：留下来的 20 个，按家族分布如下。上下文与记忆是最大的一族，这也符合 Agent 工具的本质：上下文怎么花、记忆怎么留，决定了 agent 的上限。

当前 profile 里还装着 27 个包：20 个启用，7 个停用；另有 3 个直接删除。要说清楚的是，这 20 个不等于“精选 20 强”：里面有几个只是先留着观察，我并不一定每个都会用。做减法也不是一次性的动作，以后还会继续减，数字大概率继续往下走。下面先说留下的 20 个，再说淘汰的 10 个。

留下来的 20 个

两个小注脚。记忆方向我最终留下了 Hindsight、MemSearch、OpenViking 的组合：Hindsight 管“为什么这么决定”，MemSearch 管“跨会话共享片段”，OpenViking 升级到 0.5.36 之后跑得很稳，就转正了。子代理方向有个小反转：两个官方插件在 rc.2 的时候和运行时版本不匹配，报错躺了一周，官方把版本对齐到 0.2.2-rc.3 之后恢复正常，所以“插件报版本错误”这种事，有时候等一等就好了。

几个真香场景

挑几个实际用过的说说效果。

上下文仪表盘（dsh-context）：每个会话上方多一个 Context 标签页，点开是上下文占用的可视化图表，哪些消息占了多少 token、哪些已经被压缩折叠，清清楚楚。排查“上下文为什么又爆了”时是刚需。下面是同一条视频任务的仪表盘实测：16 轮对话、516 个步骤，token 构成里工具调用占了近六成，缓存命中率 96.63%，耗时分布里模型等回复只占两成出头，大头其实是工具执行。这些数字以前只能靠感觉，现在一眼可见。

任务看板（task-board）：看板卡片不是便签，每张卡对应一次真实的会话执行，还支持定时任务。我把周期性社区周报的草稿生成挂在了看板上，到点自动跑。

技能中心（skill-center）：装了二十多个技能之后，集中管理变成刚需。技能中心把所有技能列成面板，开关、新建、删除都在一处，比翻配置文件舒服得多。

draw.io 侧栏画布（@next-ai-drawio/dsh）：我对着需求描述让 agent 画架构图，画布就开在侧栏里实时刷新，不满意直接用自然语言让它改，改完导出 SVG。画图这件事从“打开绘图软件”变成“多说了两句话”。

Agent 浏览器（dsh-ego-browser）：34 个 ego_* 工具覆盖导航、快照、点击、填表、截图、网络监听，右侧还有实时观察窗。我让它去查资料、核对页面结构，全程不需要我自己碰浏览器。

被我淘汰的 10 个

淘汰名单比精选名单更有信息量，逐个交代。

删除的 3 个：两个浏览器插件（dsh-native-browser、browser-skill）和 dsh-ego-browser 功能重叠，留一个就够，直接卸了；dsh-media-desk（灵感转口播稿、封面、分镜）装的时候觉得很酷，一周里我只打开过两次，不是我工作流的一部分，删。

停用的 7 个：

• billion-context：上下文压缩，省 token 但拖速度，下面单说
• dsh-vision-router：和 modlens 重叠，视觉链留一条就够
• @restregular/dsh-memory：四个记忆插件留三个，它是用得最少的那个
• @xmanrui/dsh-im：把微信、飞书等十几个 IM 接进 DSH，能力很酷，但我暂时不想让 IM 消息变成 agent 任务源
• dsh-approval-gate：自动审批门控，Full access 用顺手之后它是多余的
• dsh-autorestart：装修期的好帮手，插件集稳定后没了用武之地
• dsh-pocket：手机扫码同步访问电脑，演示很惊艳，日常我还是坐在电脑前

这 7 个都还装着、只是停用，因为 DSH 的插件启停除重启外零成本，哪天需要随时点开。这也是我敢频繁做减法的原因：停用不是告别，是收纳。

百万上下文的效率税

淘汰名单里最值得展开的是 billion-context，社区里把它叫做“百万上下文”插件：它把已消费的对话历史折叠成摘要块，需要时再解压还原，从而在小上下文窗口里跑超长任务。省 token 是真的：写这篇文章初稿的会话本身就跑在它上面，一次压缩就报告省下约 5.9 万 token，整个会话累计省下的更多。它的账本面板把这笔账算得很直白：下面这张截图里，378 次请求累计压缩节省约 116.7M token，折合 35 美元上下，实际上下文用量 145K，压在 1M 窗口的 14%。

它的机制和代价可以画成一张图。

但代价同样真实：压缩不是免费的，每次折叠都要额外跑一次模型调用来生成摘要，任务越重、历史越长，压缩触发越频繁，agent 的执行速度就越慢。我的体感是重任务明显变拖：省下了 token，牺牲了效率。权衡到最后，我把它整个停用了：日常写作和编码里，响应速度比省 token 更金贵；等要跑数周级的超长研究任务，再单独打开它。停用之后，顶部那个重名的 Context 标签也随之消失了。

顺带一个趣事：装了 dsh-context 之后，会话顶部出现了两个都叫 Context 的标签页，一度以为是界面 bug。查了源码才确认是两个插件各自注册了同名标签：dsh-context 的设置项可以把 billion-context 那个标签改名或直接隐藏（环境变量 BILI_DSH_CONTEXT_TAB=0），撞名问题解决。

总结

一周用下来，DSH 给我的感觉是“Agent 界的 Kubernetes”时刻：核心只做调度，能力全部插件化，界面本身也是插件可以改的。第三方 API 完全解耦，配智谱 GLM 编程套餐跑中文任务体验很好，成本可控。

比架构更想分享的是这条曲线：30 个装满的兴奋，一周后 20 个留下的克制，而且我知道这个数字还不是终点，不用的还会继续停、继续删。插件生态的繁荣是红利也是噪音，真正的功力在做减法：功能重叠的只留顺手的，用不到的宁可停用，收益配不上代价的果断关。我的建议很简单：市场先配上，从五六个插件开始，记忆类的别贪多，上下文压缩留给真正需要的长任务。

如果你也在折腾 Agent 运行时，推荐看看我之前写的 2026 AI 基础设施展望，DSH 正是这个思路落地的一个样本。