多模型接入
原生 DeepSeek 适配器,同时通过 pi-ai 接入多种提供方及 OpenAI 兼容端点。
如果把大模型比作发动机,Harness 就是让它真正完成软件工程任务的底盘、传动、仪表和安全系统。
它不是一个 DeepSeek API 封装,也不只是聊天界面,而是面向编码与自动化任务的完整 Agent 执行环境。
同一套核心可以通过 Web UI、Headless CLI、ACP、JSON-RPC、TypeScript SDK 或 Python SDK 使用。项目提供文件操作、Shell、终端、LSP、Web 搜索、MCP、子 Agent、工作流、计划和会话持久化等能力。
功能覆盖从一次模型请求,到长任务的上下文管理、工具执行、恢复和人工协作。
原生 DeepSeek 适配器,同时通过 pi-ai 接入多种提供方及 OpenAI 兼容端点。
文件读写、搜索、Shell、持久终端、LSP 与代码模式,覆盖常见工程操作。
目标、计划、待办、后台作业、工作流和子 Agent,共同支撑复杂任务。
JSONL 或 SQLite 后端;支持恢复、分叉、投影、标题与全文检索。
插件、Skills 与 MCP 工具可加入运行时,工具列表可随配置动态更新。
内置 Web 应用,也可由 CLI、编辑器协议或外部程序驱动同一套 Agent 核心。
项目的核心原则是 “Everything is a plugin”。行为挂在公开扩展点上,模型适配器、工具和存储后端不必侵入 Agent Loop。
Profile 叠加 Bundle 与用户 patch,替换一项能力不必修改核心。
持久事件记录事实,实时事件允许插件观察、改写或拦截执行。
模型可见内容必须能够从会话日志重建,便于审计与恢复。
Service Definition、Provider 与 Consumer 分离,后端可以独立演进。
默认权限策略相对克制,沙箱不可用会失败关闭;但本地 Agent 执行永远需要正确的部署边界。
默认写入范围限制在工作区,超出当前策略的操作交给人工审批。
Linux 使用 bwrap / Landlock,macOS 使用 Seatbelt,Windows 使用受限 Token 与 ACL。
默认不构造上传管线。显式启用后会话内容可能被完整投递,应自行配置脱敏。
官方文档明确说明 ACL 方案不能覆盖所有外部对象与硬链接别名风险。
对高风险或不可信任务,独立容器、虚拟机或一次性环境仍然更合适。
MCP Server、自定义插件和 Shell 会扩大信任面,安装前仍需进行供应链审查。
这是一套基础扎实、野心很大的开发者预览。架构成熟度明显领先于版本成熟度。
不是官方评分。根据 2026-08-13 的公开仓库、文档、代码结构和发布状态做出的独立判断。
关键不是“它能不能跑”,而是你的使用阶段是否允许快速变化、复杂配置和必要的运维投入。
而是 DeepSeek 正在把竞争从“模型本身”推进到完整的 Agent 执行栈。DeepSeek Harness 还没有成熟,但它已经给出了一套相当有说服力的架构答案。