DeepSeek Harness 開發者預覽版拆解：跟 Claude Code 差在哪，中小企業該不該導入
工程師值得試裝，中小企業現在不該當生產工具。DeepSeek 推出的自家 Agent 終端機 DeepSeek Harness，開發者預覽版附原始碼，主打全插件架構。
以下依 DeepSeek Harness 官方頁 與社群目錄的公開資訊拆解，發稿日為 2026-08-15，官方頁當日仍標示 developer preview（開發者預覽版，功能可能持續變動、不保證穩定）。官方沒公布的部分，本文一律標註「官方未公布」，不補猜測。
DeepSeek Harness 是什麼？DeepSeek 為什麼要自己做 Agent 終端機？
DeepSeek Harness（簡稱 DSH）是 DeepSeek 官方推出的 agent harness，也就是讓 AI 模型能在真實環境裡讀檔、改檔、跑指令、持續工作的那層外殼。官方頁把它總結成一條公式：Agent = Model + Harness，模型是靈魂，harness 負責讓 agent 理解環境、使用工具。
過去兩年 DeepSeek 的公開動作集中在模型本身。這次它把手伸進工具層，等於承認一件事：光有好模型，使用者還是得在別人做的終端機裡跑它。官方頁明講這個預覽版是「for agent harness developers worldwide — source code included」，開放對象是要自己做 harness 的開發者，附上原始碼。
技術底座是 Cordis 插件系統。官方描述 Cordis kernel 負責插件的掛載、卸載與相依管理，agent 的能力全部住在插件裡——模型、工具、技能、工作階段、沙箱、儲存、迴圈、排程、UI，全部是可抽換的插件。開發者只要改設定檔就能替換或擴充能力，不必動 DSH 原始碼。
另一半設計主張是「每一次執行都可追溯」。模型看到的每一樣東西都寫進 append-only（只增不改）的 session log：系統提示、推理、工具呼叫與結果、子代理排程、每一次 context 注入。官方頁說 Trajectory 檢視可以依來源逐條檢查，而 resume、fork、search、replay 全部跑在同一條事件流上。
這條可追溯設計是整包東西裡最值得注意的部分。多數團隊導入 AI 編程助手最後卡住的地方，是出事之後沒人說得清楚模型當時看到什麼、憑什麼那樣改。把 context 注入紀錄成可回放的事件流，是把這個問題當一級功能在處理。
DeepSeek Harness 有哪四種執行模式？各自適合誰？
官方頁載明四種 runtime（執行期）模式：Standard、Code、Minimal、Creator。差別在給模型多少工具、以及工具怎麼被呼叫。一般人用 Standard，做批次任務用 Code，做模型評測用 Minimal，自己組工具組態用 Creator。
| 模式 | 工具範圍（官方頁載明） | 適合誰 |
|---|---|---|
| Standard | 完整編程 agent：檔案編輯、shell、檔案與網頁搜尋、skills、規劃、目標、子代理、工作流 | 想直接拿來寫程式的人，功能最齊 |
| Code | Standard 全部能力，工具透過 Code Mode SDK 曝露，模型可以把多步驟操作寫成一支 TypeScript 程式 | 重複性高、步驟長的批次任務 |
| Minimal | 只有兩個工具：常駐 bash 與 str_replace_editor | 做模型評測，要排除工具設計的干擾 |
| Creator | Standard 全部能力，外加 runtime 檢視、插件實驗、preset 撰寫指引 | 要自己組一套 agent 預設組態的開發者 |
Code 模式是這四種裡最有想法的一個。一般 agent 是一輪一輪呼叫工具、每輪都把結果塞回 context；Code 模式讓模型直接寫一支 TypeScript 程式把多輪操作串起來，省下的是往返次數與 token。
Minimal 模式只留 bash 加編輯器兩個工具，明講用途是「在最小環境裡做模型評測」。這個模式暴露了 DeepSeek 做這套東西的另一個動機：它需要一個自己控制的環境來量模型能力。
安裝入口很短。官方頁給的是裝好 Node.js 後跑 npx @deepseek-ai/dsh web 啟動 Web UI，或從 GitHub 原始碼自行 clone 安裝。
DeepSeek Harness 的插件生態現在長什麼樣？
已經有一份社群整理的插件清單在跑，規模看得出熱度、但還在早期。截至發稿日 2026-08-15，awesome-deepseek-harness 清單有 408 顆星、128 個 fork、173 次 commit，資料來源是 dsh-external/hub 目錄與 GitHub 上公開的 dsh-plugin 主題。
目錄涵蓋的範圍從 Install、Core 開始，往外排到 Context Search、Input Editing、UI Experience、IDE Clients、Browser Remote、Models Inference、Git Engineering、Output Deliverables、Notifications Channels、Fun Lifestyle、Infrastructure Development、Science Research。這個分佈說明社群把 harness 當成可以往上長東西的平台在押，不只當它是「多一個編程工具」。
光看 Core 這一區就看得出社群在試什麼：
- dsh-deepresearch：建在 cordis 上的 DeepResearch 插件。
- dsh-deep-research：自適應的深度研究協調器，走工作流引擎。
- dsh-plan-execute：雙模型分工路由，planner 模型負責想、executor 模型負責動手。
- dsh-toolkit：零相依的工具組，含計算機、CSV、diff、編碼、JSON、Markdown、regex、時間。
- dsh-101：DSH 的文件閱讀模式。
兩套深度研究插件、一套把「想」跟「做」拆給不同模型的路由，方向都指向同一件事：社群關心的不是多塞幾個小工具，而是把 agent 的思考流程拆開重組。
安裝插件的流程要先看清楚。官方形式是 dsh plugin --profile web add "github:owner/repo#ref"，這個指令把套件操作轉給 pnpm，所以 npm、Git/GitHub、本機路徑、file:、link: 這些規格都支援。關鍵限制是：只有宣告 dsh.bundle.patch 的套件才會成為生效的 profile layer，一般相依套件裝了也不會啟用，而且裝完或更新後必須重啟 dsh --profile web。清單自己也註明，dsh-external 底下有些倉庫連結仍需要組織權限才能存取。
生態長得快是事實，成熟不是。一份社群自願維護的清單，跟一套能讓公司押上交付流程的工具鏈，中間差著版本穩定性、維護承諾與資安審查——這三件事沒有一件是靠 star 數解決的。
DeepSeek Harness 跟 Claude Code、Cursor 差在哪？
差別最大的是架構開放程度與商業模式。下表只填有依據的內容——DSH 欄位全部出自官方頁，他家欄位只寫廣為確立的定位事實，價格一律不引數字，請以各家官方定價頁為準。
| 比較項 | DeepSeek Harness | Claude Code | Cursor |
|---|---|---|---|
| 形態 | 終端機／Web UI 的 agent harness | 終端機為主的編程 agent | 編輯器（IDE）內建 AI |
| 原始碼 | 開發者預覽版附原始碼，可自行 clone 安裝 | 商用產品，核心不開源 | 商用產品，核心不開源 |
| 擴充架構 | 全插件：模型、工具、技能、沙箱、儲存、排程、UI 皆可抽換 | 官方定義的擴充機制（skills／MCP 等） | 官方定義的擴充機制 |
| 執行模式 | 四種（Standard／Code／Minimal／Creator） | 單一主要模式 | 單一主要模式 |
| 可追溯性 | append-only session log，可 resume／fork／search／replay | 有 session 紀錄，機制依官方文件 | 依官方文件 |
| 底層模型 | 可抽換（模型是插件） | Claude 系列 | 可選多家 |
| 定價 | 官方未公布 | 依官方定價頁 | 依官方定價頁 |
| 成熟度 | 開發者預覽版 | 一般可用 | 一般可用 |
真正的分水嶺在「模型是插件」這一條。DSH 把模型當可抽換元件，理論上你可以用它跑非 DeepSeek 的模型；Claude Code 與 Cursor 的商業模型綁定程度高得多。對想自架、想控制成本結構的技術團隊，這是實質差異。
代價是成熟度。Claude Code 與 Cursor 是已經被大量團隊用在生產工作的產品，DSH 官方頁自己標的是 developer preview，開放對象寫明是 harness 開發者。這兩件事不在同一個階段，比較時要放在對的軸上。
導入 DeepSeek Harness 前，資安與資料落地該問哪些問題？
官方頁沒有回答任何一個資安問題：沒有定價、沒有授權條款、沒說模型呼叫走哪個端點、沒說 session log 存在哪。預覽版這樣很正常，但它直接決定了你現在能不能拿它碰公司資料。
必須在導入前查證的幾件事：
- 模型呼叫的實際去向。DSH 把模型當插件，所以你的程式碼與提示會送到哪一台伺服器，取決於你配哪個模型插件。用官方雲端模型，資料就出境；接自架模型，才談得上留在境內。這件事必須用實際流量驗證，不能只看設定檔。
- 能不能完全自架。官方頁載明原始碼隨預覽版一起釋出，這是它相對閉源商用工具的唯一一項結構性優勢。要用到這項優勢，你得有人能讀原始碼、能自己部署、能長期維護。
- 授權條款。官方頁只寫 source code included，沒有寫授權型態。商用前必須到 GitHub 倉庫確認 LICENSE，這決定你能不能拿它做客戶交付。
- session log 存放位置。儲存本身也是插件，官方頁未載明預設寫在哪。日誌會完整記下系統提示、推理與工具結果，等於公司程式碼的完整副本，存放位置必須列入資安審查。
- 預覽版的變動風險。developer preview 沒有相容性承諾，插件生態又依賴
dsh.bundle.patch這種規格約定，上游一改，你裝的插件可能整批失效。
補充脈絡（一般個資法常識，非本次官方頁揭露）：台灣中小企業在跨境資料這件事上有法遵責任，《個人資料保護法》規範個資的國際傳輸。客戶資料、履約資料只要進了提示詞，就是在做資料傳輸，工具免不免費跟這件事無關。這段不屬於官方頁事實，實際適用請依主管機關規定與貴公司法務判斷。
這對台灣中小企業意味著什麼？
意味著你的選型清單多了一個選項，但今天還不該動生產環境。DeepSeek Harness 是預覽版、資安條件未明、插件生態剛起步，這三件事任何一件都足以擋下正式導入。
我們給的分工判斷是這樣：
技術團隊（有 1 位以上能讀原始碼的工程師）：值得花半天裝起來試。重點不在它好不好用，在於看懂「模型可抽換、執行可回放」這套架構——這是未來兩年所有 agent 工具都會走的方向，早半年理解，選型時就不會被行銷話術牽著走。用測試專案跑，不要碰客戶程式碼。
沒有專職工程師的公司：這一輪跳過。你要解的問題是「AI 有沒有幫我把工作做完」，harness 架構漂不漂亮跟你無關。繼續用團隊已經上手的工具，把流程接順、把驗收標準寫清楚，效益遠大於換工具。
已經在用 Claude Code 或 Cursor 的公司：別換，加測就好。真正該做的是把 DSH 那套「每一次執行都可追溯」的標準，套回你現在的工具——你能不能講清楚上週那次 AI 改壞的程式碼，模型當時看到什麼？答不出來，換哪套工具都一樣。
有一個判斷可以現在就下：模型與工具層正在分家。模型越來越像可替換的零件，護城河往上移到 harness、往下移到資料與流程。所以中小企業該做的動作很單純——把自己的作業流程寫成 AI 能執行、人能驗收的樣子，追工具版本排在這件事後面。流程沒寫清楚，換再新的終端機也只是把混亂加速。
結論：現在該怎麼辦
DeepSeek Harness 是一套值得讀、還不值得押的工具。它的架構主張——什麼都是插件、每一次執行都可追溯——說中了 agent 工具的下一個階段，但預覽版就是預覽版，官方連定價、授權、資料流向都還沒交代。
三句話收：工程師去裝，公司別換，流程先寫清楚。等它公布授權條款與定價、生態撐過第一輪汰換，再重新評估。到那時候，你已經想清楚自己要 harness 解什麼問題，選型只需要半天。
同一個邏輯在行銷端也成立：當客戶開始問 AI「這個服務找誰做」，決定你被不被推薦的是你網站上的內容結構，跟你用哪家 AI 寫稿無關。這條戰場我們寫在 /aeo。
常見問題
Q：DeepSeek Harness 是什麼？ A：DeepSeek 官方推出的 agent harness，也就是讓 AI 模型能在真實環境讀檔、改檔、執行指令的外殼層。官方頁把它總結為 Agent = Model + Harness。目前是開發者預覽版，附原始碼，全部能力（模型、工具、沙箱、儲存、UI）都以插件形式提供，可透過設定替換。
Q：DeepSeek Harness 免費嗎？要花多少錢？ A：官方頁未公布定價。原始碼隨開發者預覽版釋出，但授權條款官方頁未載明，需自行到 GitHub 倉庫確認 LICENSE。另外要注意，harness 本身的成本跟模型呼叫成本是兩回事，實際費用取決於你配哪個模型插件、走誰的 API。
Q：DeepSeek Harness 跟 Claude Code 最大的差別是什麼？ A：架構開放程度。DSH 把模型當可抽換插件、原始碼隨預覽版釋出，理論上可自架、可換模型；Claude Code 是商用產品，核心不開源。代價是成熟度，Claude Code 已被大量團隊用在生產工作，DSH 官方頁標示的階段是開發者預覽版，開放對象寫明為 harness 開發者。
Q：DeepSeek Harness 怎麼安裝？ A：官方頁給兩種方式。快速試用是裝好 Node.js 後執行 npx @deepseek-ai/dsh web 啟動 Web UI；另一種是從 GitHub clone 原始碼自行安裝。插件安裝用 dsh plugin --profile web add "github:owner/repo#ref"，指令會轉給 pnpm，且只有宣告 dsh.bundle.patch 的套件才會生效，裝完必須重啟。
Q：用 DeepSeek Harness 處理公司程式碼，資料會外流嗎？ A：取決於你配哪個模型插件，官方頁未載明預設資料流向。模型是可抽換元件，走官方雲端模型資料就出境，接自架模型才談得上留在境內。另外 session log 會完整記錄系統提示、推理與工具結果，儲存位置官方頁也未載明，導入前必須實測流量並列入資安審查。
Q：台灣中小企業現在該導入 DeepSeek Harness 嗎？ A：不該導入生產環境，可以評估。它是預覽版、無定價與授權說明、插件生態才起步，任何一項都足以擋下正式導入。有工程師的團隊值得用測試專案試裝，理解模型可抽換、執行可回放這套架構；沒有專職工程師的公司這一輪跳過，把現有工具的流程與驗收標準寫清楚，效益更高。