企业官网建设流程全解析

2026年8月25号注定是一个会载入史册的神奇日子，因为 DeepSeek 一口气放出了两大惊喜！

DeepSeek 发布了官方的 DeepSeek V4 Pro 模型，以及 DeepSeek Harness 的 developer preview，在 AI 社区引发热潮，赞誉、评测和讨论纷至沓来。

仅开源几天的 DeepSeek Harness 已经收获了近 113,000 个 stars 和 11,800 个 forks，而且这些数字还在持续上涨。

没错，DeepSeek Harness 非常火。而它火爆的一个重要原因，来自一个很多人甚至都没有注意到的名字：Cordis。

先从 Harness 本身说起。它是一个本地编程 agent，简称 dsh，可以读取文件、运行命令、修改代码、搜索信息——类似 Claude Code。

真正让它区别于竞争对手的，是它的设计思路：everything is a plug-in。

模型接入、工具注册表、会话日志、审批策略，甚至驱动智能体的主循环，全部都是插件。

如果你想切换搜索引擎，或者接入公司的模型服务，只需要改配置，不用碰框架代码；给系统增加功能就像挂上一个新插件一样简单，而且所有已注册内容在卸载时都会自动撤销，不留任何残余。

我认为，这里有值得我们借鉴的地方，尤其是面向 2026 年的 AI agent 设计。下一轮竞争不再只是比谁选的模型更强，而是比谁有一套系统，能够保证即使模型更换，工作状态、权限、记录和评估也不会丢失。

1. 什么是 DeepSeek Harness？

Harness 这个词可以理解为“控制”或“管理”。如果把 AI 模型比作一匹马，那么 Harness 就是你用来控制它所需要的全部工程工作。

所谓 Harness Project，就是研究如何让 AI 模型像马一样跑得更快、更稳，并完成任务。

你为 AI 编写的项目规则文件、配置的各种工具、安排的任务拆解和执行顺序，以及设计的测试和检查流程——这些都属于 Harness。

LangChain 在讨论 Agent Harness 时提出了这个公式。一个好的 Agent 必须由 Harness 和模型共同组成。如果你不熟悉 Harness，可以看我之前的热门文章：一篇文章帮你搞懂什么是热门的 Harness Engineering。

以前，DeepSeek 只开源了模型的一半，而 Harness 一直保持沉默，直到现在才终于把项目补完整。

你可以把 DeepSeek Harness 看作一款高度可定制的 AI 编程工具，可与 Claude Code 和 Codex 相比。

但它的野心不止于这些工具；它不只是一个可编程 agent，而是一个可配置、可重配置的 agent runtime environment，官方口号是 “Everything is a plugin.”

DeepSeek Harness 有什么独特之处？

如果非要我只说一个 DeepSeek Harness 的特点，那不是模型外围功能有多丰富，而是它能够重构 runtime configuration 本身。

在官方架构中，从连接模型、注册工具、会话日志，到 agent 思考该调用哪些工具并进入下一个流程的执行 loop，全部都被当作插件处理。最容易理解插件的方式，就是把它们看作可以按需增删的组件。

它的核心是一个名为 Cordis 的 plugin architecture，它彻底遵循这样一种理念：不是把功能塞进一个拥有特权的庞大核心里，而是在现有连接面上按需添加必要能力。

因此，模型、文件操作、shell、sandbox、authorisation、search、child agents、web UI 等，都可以进行配置，而不会被嵌入到同一个固定实体中。

这里重要的不是插件很多。

而是可以在不破坏上层工作设计的前提下，修改模型；把本地文件操作迁移到不同的执行环境；去掉 web UI 以 headless 方式运行；把 child agent 替换成另一个 AI。

换句话说，DeepSeek Harness 关注的不是某一个特定 AI，而是执行平台的契约——如何组合所需的能力。

现在来安装 DeepSeek Harness

现在你应该明白了，为什么 DeepSeek 叫 Harness，而不是 Code 或 Build，也明白了为什么这个版本会被称为 Developer Preview。

因为人们要构建的不是 agent 产品，而是基础设施，也就是 Harness system。

它需要来自世界各地的开发者进来，即插即用，一起为它打造各种插件，丰富整个 DeepSeek Harness 生态，从而形成一个新时代的平台，完成 Agent 的自我进化。

一方面，人们说这个概念太棒了；另一方面，人们又说这东西没人会用，我为什么要不停地插拔它？

新事物的诞生注定会有争议，但这不重要。我认为对每个人来说，最好的方式就是亲自试试。

安装

安装 DeepSeek Harness 其实非常简单，只要去 DeepSeek Harness 网站即可。

你会看到一条安装命令：

在执行这条命令之前，先确保你的电脑已经安装了 Node.js。如果没有，就去 Node.js 网站下载安装包，然后用简单、友好的方式完成安装。

当你准备好必要环境后，复制这条命令行，然后打开电脑上的 terminal，输入并执行：

npx @deepseek-ai/dsh web

稍等片刻后，你会在 terminal 中看到一个 URL。打开它，就会进入 DeepSeek Harness 的 web interface。

第一次使用时，你需要输入 DeepSeek API Key：

在 DeepSeek Open Platform 上创建一个 API Key。注意不要泄露，直接复制粘贴获取到的 Key 即可。

就这样！DeepSeek Harness 已经成功安装。是不是很简单？

读到这里，你已经超过了 60% 的同学。接下来，我将带你实际体验一下它的能力。

Harness 实战

进入 web interface 后，选择你希望 AI 操作的项目文件夹，就可以正式开始工作了。

在对话框里，你可以选择模型及其 inference level，也可以设置 Agent 对文件系统和 terminal 的权限。按需调整即可。

默认模式是 “Standard Mode”，它具备 AI 编程工具应有的全部能力。大多数情况下，这已经足够了。后面我会详细讲解不同模式之间的差异。

看吧，是不是和 Codex 这类 AI 编程工具很像？

没错，把它当作国产版 Codex 就行。AI 编程、自动化办公这类任务它都能处理。

我们来跑几个任务看看。

任务 1：分析代码仓库并绘制架构图

第一个任务，是让 DeepSeek Harness 分析它自己的源代码仓库，并画出一张连完全不懂代码的人都能看懂的架构图。

DeepSeek Harness 的代码仓库相当大，模块很多，非常适合测试 AI 的代码理解能力。

向 AI 发送如下提示词：

Analyze the code repository structure of the current project and create a clear architecture diagram. The output must use Mermaid syntax, ensuring that the relationships between modules are immediately understandable even to someone with no coding knowledge.

你可以看到，AI 开始自动读取文件并分析项目结构。执行速度非常快，而且每一步它在做什么，界面上都显示得很清楚。

任务很快就完成了，我们可以看到 AI 输出了 Mermaid 文本绘图语法，但 DeepSeek Harness 默认不会把它渲染成图形。

我需要把这段代码复制到 Mermaid 渲染工具里，才能看到完整的架构图。虽然效果一般，但内容还是相当完整的。

复制

flowchart TB subgraph PAGE["🌐 THE PAGE"] HTML["📄 index.html<br/>One long scrolling story<br/>(all the text + the canvases)"] end subgraph LOOK["🎨 THE LOOK"] CSS["styles.css<br/>colors · layout · fonts"] end subgraph CODE["🧠 THE CODE"] MAIN["🚦 js/main.js<br/>the 'conductor'<br/>switches everything on"] subgraph DIAGRAMS["🖼 ️ The four animated diagrams"] HERO["hero.js<br/>floating particles<br/>behind the title"] BLOCK["block.js<br/>the block:<br/>x + f(x)"] STREAM["stream.js<br/>the shared<br/>residual stream"] GRAD["gradient.js<br/>why the signal<br/>survives"] end UTIL["🧰 js/util.js<br/>the shared toolbox<br/>(helpers reused by every diagram)"] end HTML -->|"tells it how to look"| CSS HTML -->|"loads the code"| MAIN MAIN -->|"imports the helpers"| UTIL MAIN -->|"starts"| HERO MAIN -->|"starts"| BLOCK MAIN -->|"starts"| STREAM MAIN -->|"starts"| GRAD HERO -->|"uses helpers"| UTIL BLOCK -->|"uses helpers"| UTIL STREAM -->|"uses helpers"| UTIL GRAD -->|"uses helpers"| UTIL

下面你可以看到该任务消耗的 tokens、当前上下文使用情况，以及整个对话过程中消耗的 tokens。

你也可以到上方的 “Trajectory” 面板，清楚查看整个对话过程中每一次会话和工具调用的历史。

这是 DeepSeek Harness 的一项关键特性，让每一次运行都可追踪。

任务 2：开发一个知识讲解网站

最后一个任务，是从零开始开发一个利用交互式动画来讲解知识的网站。

我要讲解的核心概念是 “attention residual”，使用的提示词和我评测 Codex + DeepSeek V4 Pro 时一样。

大约 20 分钟后，AI 完成了任务。这个速度不算快，因为大部分时间都花在了 AI 的自检上。

值得注意的是，这个任务的 cache hit rate 达到了 99%，也就是说，绝大部分成本都是基于 cache 计算的，实际成本极低。相当惊人！

看看结果吧，做得不错，而且动画也很生动：

而且，点和线之间的连接非常准确：

更让我惊讶的是，和前一版由 Claude Opus 5 开发的版本一样，这一版 DeepSeek 也提供了 summary 和 quiz 功能，让知识讲解更加完整。

单看这个例子，我真的觉得 DeepSeek V4 Pro 完全可以和 Claude 一较高下；看来 Harness 确实很重要。

也许不久之后，每个人手里都会有不同的 AI 编程工具，因为每个人都可以按照自己的需求自由组装它们。我觉得这是一件非常酷的事！

最后：资料展示

下面是我整理的AI大模型学习资料和工具包预览，适合收藏后按主题逐步学习