一、前言

下载: DSH desktop

DeepSeek Harness（简称 dsh）是 DeepSeek AI 于 2026 年 8 月开源的一个智能体运行框架，采用 Cordis 内核实现“一切皆插件”架构。模型、工具、技能、会话、沙箱、存储、Agent 循环、调度和 UI 全部是可插拔能力。它的定位不是聊天机器人，而是一个可组装的运行时底座，让 AI 能够真正执行文件操作、终端命令、网页搜索等任务。

官方提供了 npx @deepseek-ai/dsh web 的命令行启动方式。但每次启动都要敲命令、管理端口、排查 Node.js 环境问题，对不熟悉终端的开发者并不友好。社区维护的 DeepSeek Harness Desktop 把完整的 Harness Web UI、内置 Node 运行时、插件市场、任务看板等能力打包成桌面应用，双击即可使用。

本文基于自编译安装的桌面版，从首次启动开始，逐步介绍配置流程、核心功能、权限机制和实战案例。

二、自编译环境与关键注意事项

桌面版基于 Tauri 2 + Vue 3 构建，对系统环境有明确要求。

2.1 环境要求

项目	要求
Node.js	24（项目要求 Node 24，不需要从源码编译 Node 本身）
Rust	1.77.2+（Tauri 后端依赖）
pnpm	9+
Windows	MSVC 构建工具 + WebView2
macOS	Xcode Command Line Tools
Linux	WebKit2GTK

2.2 编译命令

pnpm install
pnpm tauri:build

tauri:build 会自动执行 runtime staging（使用 pnpm deploy 生成固定版本的 @deepseek-ai/dsh 生产依赖）、布局校验，以及真实的 dsh web 启动冒烟测试。全部通过后才会生成安装包。

2.3 容易忽略的坑

端口冲突：调试模式运行在 3081 端口，正式构建运行在 3080 端口。两者可以同时运行互不冲突，但如果 Harness 无法监听 loopback 端口，构建会直接失败。确保 3080/3081 没有被其他程序占用。

首次启动的数据位置选择：首次启动时，应用会让你选择数据存储位置（默认是用户目录下的 DeepSeek Harness 文件夹）。这个目录存放了会话记录、设置和 API Key。之后可以通过 File → Change Data Location 随时更换。

三、首次启动与模型配置

3.1 配置 DeepSeek API Key

启动后进入主界面，第一件事是配置模型。点击 设置 → 模型（Settings → Models），在 DeepSeek 卡片中粘贴 API Key 并保存即可。

API Key 从 platform.deepseek.com 申请，形如 sk- 开头。密钥仅在创建时显示一次，关闭页面后无法再查看完整内容，务必妥善保存。Key 仅存储在本地数据文件夹中，不会上传到任何服务器，模型路由保存后立即生效，无需重启服务。

3.2 接入第三方模型（可选）

Harness 对模型提供商完全开放。进入 设置 → 模型 → 编辑自定义提供方，填入 Base URL 和 Key，即可接入 OpenAI 兼容端点或其他受支持的提供商。在输入栏的模型菜单中可以随时切换。

四、工作区与沙箱权限：Agent 的安全边界

4.1 创建工作区

工作区是 Harness 权限管控的核心边界。点击 Add workspace 或 Choose workspace，选择一个本地文件夹作为 AI 可以操作的目录。

安全建议：首次使用时，建议创建一个专门的测试目录作为工作区，不要直接选择项目根目录或 C 盘。

4.2 三档权限模式详解

Harness 的权限预设层把两个独立的强制控制——沙箱模式与审批策略——捆绑成具名预设，供客户端作为单个选择器提供。默认预设表自带两种组合：workspace-write（workspace-write + ask）和 danger-full-access（danger-full-access + never）。

权限模式	沙箱 + 审批组合	说明	适用场景
read-only	只读 + 审批	只能读取，所有写入操作被沙箱拒绝	代码审查、纯问答
workspace-write（默认）	工作区可写 + 审批询问	仅限工作区内读写 + 会话临时目录	日常开发
danger-full-access	全权限 + 不询问	全电脑读写，关闭审批提示	仅在确有必要时使用

最佳实践：能用 read-only 就不给写权限；日常工作用 workspace-write；full-access 只在确有必要时开启，用完即关。对不熟悉的项目先用只读模式试水，确认 Agent 行为可控后再逐步放宽。

需要注意的已知问题：在会话已经处于 danger-full-access 且审批提示已禁用的情况下，调用 bash、edit 或 write 工具仍可能重复触发 sandbox escalation 提示，报错信息为 sandbox escalation to "danger-full-access" is not strictly wider than this call's current "danger-full-access" mode。这是权限关系判断逻辑的已知缺陷，遇到时重启会话即可恢复。

五、核心功能详解

5.1 Trajectory 轨迹视图

Trajectory 是 Harness 最值得关注的功能之一。在对话中点击 Trajectory 标签，可以看到 Agent 执行任务的完整轨迹：每一步的模型响应、调用了哪个工具、传入的参数、返回的结果、消耗的 Token 和时间，按 turn → step 组织。

模型看到的所有信息都会写入仅追加设计的会话日志，包括系统提示词、思维链、工具调用与结果、子 Agent 调度及每次上下文注入。恢复、分叉、检索与回放共享同一份事件流。对于调试 Agent 行为、理解 AI 决策过程非常有帮助。

如果内置的 Trajectory 视图不够直观，还可以安装社区插件 trajectory-graph，它会添加一个 Graph 标签页，以交互式图谱的形式展示每轮的执行流程，提供 Turn navigator 来隔离单个用户请求，也可以选择 Session Overview 检查整个会话。

5.2 文件操作与附件机制

桌面版支持将 Windows 资源管理器中的文件直接拖入对话窗口，也可以点击 Add files 选择文件。文件会先保存到当前工作区，然后以附件卡片的形式加入草稿，发送后模型根据需要使用工具读取。

注意：附件卡片表示“文件已交付”，但不代表模型已经读取了全部内容。模型会自主决定是否需要打开文件、读取哪一部分。

5.3 内置终端与 Git 集成

桌面版内置了终端面板，可以直接在工作区中运行 PowerShell 或 Bash 命令并查看输出。同时支持 Git 工作流，可以查看代码差异、暂存更改等操作。

5.4 多 Agent 能力

Harness 内置了 subagent、subagent_fork、workflow、ralph 四个多 Agent 编排工具，以及 list_agents、send_message、interrupt_agent 三个管理工具，全部开箱即用无需额外安装。

工具	核心机制	适合场景
subagent	完全独立上下文，不继承父会话历史	任务之间相互独立、不需要知道彼此的情况
subagent_fork	将父会话已完成的对话内容一并传给子 Agent	子任务需要基于主会话前期的分析结论继续推进
workflow	脚本层面定义多个任务并行执行，全部完成后统一汇总	批量处理、多维度评测等结构固定的场景
ralph	每轮换新 Agent + 结构化交接报告	防止单 Agent 在同一思路上钻牛角尖

六、插件市场

桌面版最显著的体验优势是内置插件市场。进入 设置 → 插件市场（Settings → Plugin Market），可以直接在应用内浏览、搜索、安装、更新、停用和卸载社区插件，无需手动敲 dsh plugin add 命令。

市场由 dsh-market 和 awesome-dsh-plugin 目录提供，内置了 pnpm@10.34.5，即使系统没有包管理器也能正常管理插件。插件变更保存在官方本地 web profile 中，与 CLI 安装的插件完全兼容。

安装插件后如遇到提示，请重启 DeepSeek Harness Desktop 使插件生效。社区插件属于第三方代码，以当前用户权限运行，安装前请检查插件源码与权限声明。

七、实战案例

案例一：生成交互式网页并验证沙箱权限

这是最直观的入门案例，适合验证整个工作流是否配置正确，同时观察沙箱权限的运作方式。

操作步骤：

1. 创建一个空文件夹（例如 D:\dsh-demo），添加为工作区，确认权限模式为 workspace-write（默认）
2. 在输入框中输入以下指令：

请在这个工作区中创建一个名为 index.html 的单文件网页。
要求：
- 一个简洁的个人技术博客首页
- 深色主题，卡片式布局
- 包含导航栏、3 篇示例文章摘要、页脚
- 纯 HTML + CSS，不依赖任何外部库

3. 发送后，在 Trajectory 面板观察 AI 的完整执行过程：规划 → 读取工作区状态 → 写入 index.html → 验证文件
4. 生成完成后，在对话中直接预览网页，或在浏览器中打开 D:\dsh-demo\index.html

沙箱权限验证：在对话中追加一条指令：

尝试在 D:\ 根目录创建一个名为 test.txt 的文件。

你会看到工具调用被沙箱直接拒绝，Trajectory 中记录拒绝原因。这正是 workspace-write 模式的安全边界在起作用。

案例二：使用 subagent 并行处理多任务

这个案例展示 Harness 多 Agent 编排的实际效果。

准备工作：在工作区中放入 3 个不同的代码文件或文档。

指令：

请使用 subagent 并行启动三个子任务：
1. 子任务A：分析工作区中 file_a.py 的代码质量，列出 3 个改进建议
2. 子任务B：阅读 file_b.md，提取核心观点并整理成 5 条要点
3. 子任务C：检查 file_c.json 的结构，指出是否存在格式问题

等三个子任务都完成后，把结果合并成一份报告，写入 分析报告.md。

关键设计：指令包含三个要素——任务拆分规则 + 等待机制（等都完成后）+ 输出要求。缺少任何一个都容易出现任务遗漏或结果格式混乱。

在 Trajectory 视图中，你可以清晰地看到三个子 Agent 各自独立运行、返回结构化结果、主 Agent 汇总后写入报告文件的完整过程。

案例三：基于已有分析结果使用 subagent_fork

前置操作：先在对话中让主 Agent 分析工作区中的代码仓库结构。

指令：

基于我们刚才分析的这份代码仓库结构，用 subagent_fork 启动两个子 Agent：
- 一个针对认证模块写单元测试
- 一个针对 API 层写集成测试
两个都完成后给我合并结果。

与 subagent 的区别在于：subagent_fork 会把父会话中已经完成的对话内容一并传给子 Agent，子 Agent 知道“之前发生了什么”，适合需要基于前期分析结论继续推进的场景。

八、总结

DeepSeek Harness Desktop 的核心价值在于降低了 Agent 工作台的使用门槛。你不再需要记忆 CLI 命令、管理 Node.js 版本、排查端口冲突，而是像使用正常的桌面应用一样双击启动、配置 Key、选择文件夹，然后专注于让 AI 完成任务本身。

对于已经完成自编译安装的你来说，接下来可以重点探索三个方向：Trajectory 轨迹分析（理解 Agent 决策过程）、插件市场（扩展工作流能力）、以及多 Agent 编排（用 subagent 和 workflow 管理复杂任务）。这三者组合起来，就是一个完整的本地 AI 工作台。

参考资源：

• 官方 Harness 仓库：github.com/deepseek-ai/deepseek-harness
• 权限预设文档：permission-presets.zh.md
• 插件市场目录：awesome-dsh-plugin
• 桌面版发行版（社区维护）：在 GitHub 搜索 deepseek-harness-desktop 可找到多个社区版本
• 多 Agent 实战参考：DSH 多 Agent 实战
• Trajectory 视图源码：ui-trajectory

下载: DSH desktop