从 0 到 1，DeepSeek Harness 保姆级安装与使用教程！
从 0 到 1，DeepSeek Harness 保姆级安装与使用教程！
上周AI 圈像过年一样，太热闹了！
先是 DeepSeek 接连几番炸场。
8月13号，发布了DeepSeek V4 Pro正式版。
14号，DeepSeek自家的Agent产品也发出来了：DeepSeek Harness。
紧接着，智谱也官宣发布了 GLM-5.3。
再到17号，DeepSeek API 价格狠涨了几倍到十几倍不等。
不说测评了，这更新速度，看都看不完……
今天我们就来重点聊一聊大家最近都在谈的：DeepSeek Harness 。
可能有人要说：我丢，都出来一周了，热度都过了，你现在才来讲这个？
���里也统一回复下：我写文章，从来不为追热点而写，只写两类东西——我觉得真有价值的，和我认为是趋势的。热度会过去，价值不会。像 Harness 这种 Agent 运行框架，往后只会越来越重要。
再者是，从上周五开始，我一直在重构自己的网站，这几天是真没腾出时间来，这才拖到了现在。🥲
好了，废话不多说，码字不易，先帮忙点个收藏，我们开始进入正题。
先说 DeepSeek V4 Pro#
在聊 DeepSeek Harness 之前，先简单说一下DeepSeek V4 Pro和这次涨价这事。
这次 DeepSeek V4 Pro 正式版主要增强了 Agent 能力，之前发的预览版最大短板就是 Agent、工具链式执行、软件工程任务，正式版重点补齐这一块。
同时支持Responses API 和 Codex 接入，且在 App、网页、API 三端已全面上线。（当然这个不是此次的升级重点，毕竟这些特性，早支持了）
Responses API 是 OpenAI 推出面向 Agent 智能体的新一代接口标准，现在DeepSeek V4它原生支持了 Responses API，意味着可以直接接入 Codex，不需要任何协议转换，接入流程比以前简单多了。
DeepSeek 涨价意味着什么？#
8月17号，DeepSeek 官宣了一轮不小的涨价。
涨价前：
涨价后：
V4 Pro 的缓存命中价格，从 0.025 元涨到高峰时段的 0.30 元，直接涨了12倍。
输出价格从 6 元涨到高峰的 27 元，涨了 4.5 倍。
这个价格，配合 DeepSeek V4 Pro 的性能，我只能说：曾经那个"价格屠夫"，吸引力一下子少了一大截。
要知道，DeepSeek 之前的护城河，说白了就俩字——便宜。同样的活儿，别人收费它打折，别人打折它白送，无数个人开发者和小团队把它当成"最便宜的主力模型"来用，图的就是一个性价比拉满。
但这次涨价之后，情况变了。
性能上，V4 Pro 确实冲进了第一梯队，可国内的 GLM-5.3、Qwen 3.8 Max 也不是吃素的，几家本来就挤在同一条水平线上，谁也没法把谁甩开。以前 DeepSeek 是"性能差不多，但价格是零头"，闭眼选它就行；现在价格优势一缩水，这个"闭眼选"的理由就不成立了。
甚至从综合性价比来讲，单看 API 调用，GLM 可能已经反超了。
那，DeepSeek 8 月 17 日全面涨价意味着什么？
我觉得，这件事不只是一家公司调价，是国内大模型行业的一个拐点信号。
首先，是算力供需已经扛不住低价模式，其次是行业竞争逻辑变了，从原来拼低价，转向拼价值，过去一年国内大模型打法：谁便宜谁抢开发者。现在逻辑变成了：模型能力优先，价格其次。
重点聊聊 DeepSeek Harness#
DeepSeek Harness 这玩意到底是啥，如何理解？又该怎么使用呢？
接下来，就围绕这几个新手最关心的问题，展开聊聊。
可能很多新手会想，现在AI Coding类的Agent，不都是喜欢叫XXX Code吗，比如Claude Code、OpenCode、Kimi Code。那为啥DeepSeek自家的不叫DeepSeek Code，而是DeepSeek Harness。
这是因为，DeepSeek Harness的定位，本来就不是专门为AI Coding来打造的。
正如，LangChain之前在聊Agent Harness的时候提出来的，一条很重要的公式：
Agent = Model + Harness。
一个好的Agent，必然是由Harness和模型一起构成的。（这条公式，在DeepSeek官网也提到了）
可能很多新手到现在还搞不懂，到底什么是Harness，简单来说，咱们用的Claude Code、Codex、Workbuddy、ZCode这些，本质上都是Harness，要跟模型比如Claude Fable 5、GPT 5.6-Sol、GLM-5.3这些搭配起来用才行，要不然就是个空壳子。
而一个 Harness 的内部构成，其实相当复杂。
工具、Skill 系统、会话管理、沙箱隔离、存储、Agent 循环、子 Agent、调度、工作流……一整套东西，缺一不可。
它们之间的关系，画成图大概是这样：
subgraph LOOP[class="hljs-string">"🔁 Agent 循环（核心引擎）"]
direction LR
T1[class="hljs-string">"🧠 思考<br>模型决策下一步"] --> T2[class="hljs-string">"⚡ 行动<br>调用能力执行"] --> T3[class="hljs-string">"👁️ 观察<br>收集执行结果"] --> T1
end
LOOP -->|class="hljs-string">"需要干活"| TOOLS[class="hljs-string">"🛠️ 工具<br>文件 / Shell / 搜索"]
LOOP -->|class="hljs-string">"需要经验"| SKILLS[class="hljs-string">"🎯 Skill 系统"]
LOOP -->|class="hljs-string">"任务太大，拆出去"| SUB[class="hljs-string">"🤖 子 Agent"]
TOOLS --> SANDBOX[class="hljs-string">"📦 沙箱隔离<br>执行环境安全区"]
SUB --> SCHED[class="hljs-string">"📅 调度"]
SCHED --> WF[class="hljs-string">"🔗 工作流"]
SM --> ST[class="hljs-string">"💾 存储"]
SANDBOX --> ST
WF --> ST
classDef user fill:class=class="hljs-string">"hljs-comment">#e3f2fd,stroke:#1976d2,color:#0d47a1
classDef core fill:class=class="hljs-string">"hljs-comment">#fff3e0,stroke:#f57c00,color:#e65100
classDef cap fill:class=class="hljs-string">"hljs-comment">#f3e5f5,stroke:#7b1fa2,color:#4a148c
classDef infra fill:class=class="hljs-string">"hljs-comment">#e8f5e9,stroke:#388e3c,color:#1b5e20
class U,SM user
class T1,T2,T3 core
class TOOLS,SKILLS,SUB cap
class SANDBOX,SCHED,WF,ST infra评论