开源模型

DeepSeek Harness 0.1.2-rc.1 实测:首个候选版,离 1.0 还有多远

2026 年 9 月 7 日

DeepSeek 开源 Agent 运行时 DeepSeek Harness 于 9 月 3 日发布 0.1.2-rc.1 候选版本，标志功能冻结、进入质量攻坚阶段。实测显示其具备完整‘写-跑-验’闭环、自我纠错能力及接口兜底逻辑；rc.1 版本强化透明度、多 Agent 编排与跨平台支持，但破坏性变更仍存、插件生态尚处早期。

rc.1 的定位：功能冻结，冲刺正式版

9 月 3 日，DeepSeek 官方开源 Agent 运行时 DeepSeek Harness（简称 dsh）发布了 0.1.2-rc.1——0.1.2 系列的第一个候选版本（Release Candidate）。rc 的意思很明确：功能基本冻结，接下来的重点从加新功能转向修 bug、稳质量，为正式版铺路。

这套迭代节奏值得单独说一下。看 release 记录：9 月 1 日 0.1.2-alpha.4、2 日 alpha.5、3 日就推到 rc.1，连续三天一天一版。对一个开源 Agent 运行时来说，这种速度背后是明确的信号：项目在冲刺。我拿 headless 模式真跑了两轮，结论放在下面。

任务一：写脚本 + 跑 + 验，一次通过并主动加验

任务：写一个生成 100 个 1-1000 随机整数的 Python 脚本，统计平均值、中位数、最大最小值并运行。dsh 一次通过：生成脚本、实际运行，输出平均值 508.97、中位数 521.0、最大 995、最小 4，全部落在合理范围。

它没停在"写完了"。连跑 5 次做自动化校验，确认每次都恰好 100 个数、均值都稳定在 500 附近——这一步是模型自发加的，任务里没要求。

亮点："写-跑-验"闭环完整，验证环节主动加码。局限：任务本身简单，看不出长链条能力。

模型：deepseek-v4-flash · headless 模式 · macOS

任务二：带网络的真实任务，自我纠错与接口兜底

任务：写脚本抓今日头条热榜前 5 条并打印热度值，跑不通就自动换百度热搜。这个任务含真实网络请求，最能看出 Agent 的临场能力。两个细节值得讲。

第一个：它中途用编辑工具改文件时，把自己写的函数改坏了——旧函数体和新的定义混在一起。它没有继续往下跑，自己重读文件发现问题，选择整文件重写，恢复干净状态再继续。写坏→自查→修复→继续，这套自我纠错发生在一次任务内部。

第二个：任务要求头条失败就换百度，它照做且做得更细。它发现百度 wise 接口返回的数据里没有热度字段（hotScore），试了加 cookie、加请求头都不行，自动改用同接口的 platform=pc 重试，成功拿到热度值，还把发现写进了脚本注释。最终头条热榜 Top 5 正常抓出：林肯号航母消费 1 亿泰铢以 1958 万 热度排第一。

亮点：自我纠错 + 接口字段探测是真实的临场能力。局限：中途改坏文件说明编辑工具的原子性还有提升空间。

两个任务全程不到三分钟，期间无人工干预

DeepSeek Harness 实测过程截图 — ▲ 实测实录：两个任务一次跑通，含自动校验、自我纠错与接口兜底

rc.1 关键变更：透明度、编排与开放性

官方 changelog 有几十项，挑几个跟普通用户关系大的：

透明度和审计在加强。会话流默认折叠过程内容，回答末尾直接显示 token 用量和耗时，点开看精确统计——上一版想看清一次任务花了多少 token 没那么容易。回合导航支持预览和跳转任意历史轮次。

多 Agent 和模型编排是变化最密的地方。子代理可以在授权范围内自己选模型，调用方也能指定提供方、模型、推理力度，甚至能为 Claude Code、Codex 单独配置模型；父子 Agent 之间从单向 report 升级成 send_message 双向对话。

开放性和跨平台同步补齐。Python SDK 新增 Windows x64 运行时（之前只有 macOS/Linux），ACP 协议补齐会话控制、模型设置、MCP、权限和取消能力，Web 界面开始支持第三方语言，实验性的 Inspector 和 Web Preview 也上线了。

社区还有个信号：oh-my-dsh 开源社区推出帮插件作者跟着版本升级插件代码的专用 skill。开始有人专门维护"升级"这件事，说明外面已经有不少人基于 dsh 写插件了。

变更来源：官方 GitHub Releases · dsh-v0.1.2-rc.1

离 1.0 还有多远？两个悬而未决的变量

说回标题的问题：rc.1 离 1.0 还有多远？从这次实测看，核心 Agent 能力（写代码、跑命令、调网络、自我纠错）已经相当能打，UI 和多 Agent 编排在快速补齐。两个变量还悬着：0.1.x 的破坏性变更还时有发生（官方自己都提醒过），插件生态刚起步，离"装了就能用"还有距离。候选版的意义正在于此——功能不砍了，剩下的交给 bug 修复和社区反馈去磨。

dsh 是目前开源 Agent 运行时里迭代最快、最值得盯的一个。它和 Hermes 的定位差异没变——dsh 赌"一切皆插件"的极简内核，Hermes 赌开箱即用的完整生态。rc.1 把前者的完成度又推高了一截，两边真正分胜负，要等 1.0 之后。等正式版出来，我再跑一轮给你看。

JOTO 企业落地观察

企业若评估将 DeepSeek Harness 引入智能体工程，需注意其当前版本尚未内置企业级 RAG 知识注入通道与权限沙箱机制；'写-跑-验'闭环虽可验证逻辑正确性，但无法替代生产环境所需的结构化知识绑定与操作审计留痕。
rc.1 对 ACP 协议的增强使多模型协同成为可能，但企业需自主设计模型路由策略与上下文传递规范；运行时本身不提供跨模型状态一致性保障，团队须在应用层补全会话状态同步与错误传播拦截逻辑。
插件生态处于早期阶段，企业若计划基于 dsh 构建行业 Agent，将承担大量基础工具链开发成本；缺乏经验证的通用插件市场，意味着 FDE 驻场共创需从零构建调试、部署与版本兼容体系，无法复用成熟社区组件。
自我纠错能力在真实网络任务中体现价值，但其触发完全依赖模型内部判断；企业若要求确定性故障恢复，必须在运行时之外叠加可观测性探针与人工干预熔断点，不可将自治能力视为生产就绪的充分条件。