5 分钟把 DeepSeek Harness 打造成顶配工作台：完整配置文档

配好以后长这样

做完以后，你的 DeepSeek Harness 能看图、能出图、能出视频、能听视频，还能自己打开浏览器帮你干活。

第 1 步：安装 DeepSeek Harness 官方桌面端

全程不用写代码。除了第 1 步要你自己装软件，后面每一步都是把文档里的那句话复制给 DeepSeek Harness，它会自己去装、去配、去测试。

1. 下载并安装 DeepSeek Harness 官方桌面端，装完直接启动。
2. 接上 DeepSeek，二选一：
   • 登录 DeepSeek 账号：打开「设置 → 账号与余额」登录，就能直接用，余额也在这一页看。
   • 填 API Key：去 DeepSeek 开放平台（platform.deepseek.com）登录 → API keys → 新建一个 Key，复制。回到 Harness：设置 → 模型 → DeepSeek → 编辑 → 粘贴到「API 密钥」→ 保存，红点变绿就好了。
3. 新建一个对话，发一句「你好」，它回复了就说明配好了。

第 2 步：装插件市场 + 上下文洞察

插件市场 dshmarket 不是官方自带的，需要单独装。装好以后，社区里几千个插件都能在一个页面里搜、一键安装。我最推荐先装的是上下文洞察（dsh-context）：每次对话花了多少钱、调用了哪些工具、哪天用得最多，全在一页里。

复制给它：

帮我安装 dshmarket 插件市场，再从市场里安装 dsh-context（上下文洞察），装好后把上下文洞察的面板打开。

第 3 步：看图

这个不用装。DeepSeek 已经原生支持看图，模型选 DeepSeek V4.1 Flash，把图片直接拖进对话框就行。

例子：让它帮你检查视频封面。 拖一张封面进去，然后发：

从短视频封面的角度，用文字列出 3 处最该改的地方，每一处告诉我怎么改。不用画图，也不用写代码。

它会先把封面缩到手机信息流里的大小去看，再给出很细的修改意见：哪里的字缩小后看不清、人物位置对不对、标题有没有说清楚观众能得到什么。

小提示：如果你让它「直接在图上标出来」，它会自己写代码画标注、画完再检查好几遍，要等五分钟以上。只要文字结论的话，几十秒就出来。

第 4 步：出图（Agnes，免费）

1. 打开 Agnes 中国站控制台：platform.agnes-ai.cn，注册登录。
2. 在左边点 「API 密钥」，再点 「创建新的密钥」，起个名字，复制生成的 Key。



3. 把 Key 存进你电脑上的一个文本文件里，比如 ~/agnes_key.txt（这样 Key 不会出现在对话和代码里）。
4. 回到 DeepSeek Harness，复制给它：

参考这个文档 https://www.agnes-ai.com/zh-Hans/docs/agnes-image-25-flash ，帮我接入 Agnes 出图能力。接口地址用中国站 https://api.agnes-ai.cn/v1 ，模型用 agnes-image-2.5-flash。我的 Key 存在 ~/agnes_key.txt，从文件里读，不要写进代码。接好以后生成一只坐在窗台上的橘猫测试一下。

它会自己写好接口、跑一次测试，十几秒就出一张 2K 的图。之后想出图，直接跟它说「用 Agnes 生成……」就行。

注意：一定用中国站的接口地址；平台上的「订阅」不用点，flash 模型直接就能用。

第 5 步：出视频（Agnes，免费）

在同一个对话里接着发：

用同样的方式接入 Agnes 视频生成，文档是 https://www.agnes-ai.com/zh-Hans/docs/agnes-video-25-flash ，模型用 agnes-video-2.5-flash，720P，时长 5 秒。如果提示排队已满，就每隔 20 秒重试一次。测试：生成一段雨夜的城市街道，镜头慢慢推近。

配置好后它会自己提交、等待、把视频下载到本地。免费的视频要排队，快的话几分钟，高峰期可能十几分钟。

下面是它生成的视频（5 秒、720P，带环境声），截了 4 帧：

第 6 步：听视频（本地转文字，不花钱）

把一整段视频转成逐字稿，全程在你电脑上跑，不上传、不花钱。拿来拆对标视频特别好用。

电脑上还没有转写模型： 复制给它

帮我在本机装一个免费的本地语音转文字模型（Mac 用 mlx-whisper，Windows 用 faster-whisper），装好后把 @你的视频 转成逐字稿。全程本地运行，不调用任何在线接口。转完帮我把重复的句子合并、明显的错别字改掉，原文另外保留一份。

第一次要装环境、下载模型，会多等几分钟；第二次就快了。

电脑上已经有本地模型： 直接告诉它模型在哪：

我本地有一个语音转文字的模型，入口是 <你的模型路径>，请用它把 @你的视频 转成逐字稿，别装别的环境，也别调在线接口。

它运行本地程序之前会先弹窗问你同不同意，点同意就行。10 分钟的视频，几分钟就转完。转完它还会自己读一遍，把重复的句子合并、把同音错字改掉，原文另外保留。

第 7 步：让它帮你操作浏览器

1. 先安装 ego lite 浏览器：官网 lite.ego.app，下载后打开，按引导完成首次设置。
2. 需要登录的网站（比如京东），先在 ego lite 里登录好。
3. 复制给它：

用 ego lite 浏览器帮我做这件事：先运行 ego-browser skill 读一下用法。然后打开京东，搜「机械键盘 300 元以内」，按销量排序，点进前 3 个不同的商品，看价格、轴体和差评里最多的问题，最后给我做一张对比表，告诉我买哪个。中途要登录或验证的话，停下来等我处理。

它会自己打开京东、搜索、一个个点进商品页翻差评。遇到登录或验证码，它会停下来等你处理。它是直接读网页里的文字，差评能一条条统计出来；它还发现销量前几名里有两款其实是同一把键盘换了个轴，自己去了重。

第 8 步（可选）：操作电脑上的其他软件

它也能操作备忘录、日历、访达这些软件（用 agent-desktop），但目前还不太稳定、比较慢，建议先只让它做一两步的小事，并且不要把审批权限全部放开：它是真的能删除文件的。

帮我安装 agent-desktop（npm install -g agent-desktop），运行 agent-desktop status 和 agent-desktop permissions --guide 检查权限，缺什么权限告诉我，我自己去系统设置里开。然后用它打开「备忘录」，新建一条笔记，标题是「测试」。

macOS 会要求在「系统设置 → 隐私与安全性 → 辅助功能」里给权限，这一步要你自己点。

做完以后回到上下文洞察，就能看到这一整套一共花了多少钱。

最省事的用法：把这整份文档复制给 DeepSeek Harness，跟它说「按这份文档，帮我一步一步配好，需要我操作的地方停下来告诉我」。

费用说明：DeepSeek 对话按用量收费；出图、出视频用的 Agnes flash 模型在本文写成时（2026-11）是免费的，以 Agnes 平台公告为准；听视频用的是本地模型，不花钱。

JOTO 企业落地观察

• 企业若希望将DeepSeek Harness用于业务场景，需重点关注插件市场（如dshmarket）带来的能力扩展性。这类系统降低了智能体工程中工具链集成门槛，但企业仍需自行评估各插件的稳定性、安全审计覆盖及长期维护支持能力。
• Agnes flash模型在中国站免费开放，为企业提供了可即插即用的AIGC能力。这对需要快速搭建营销素材生成、培训视频制作等轻量级内容产线的企业而言，意味着可跳过模型训练与部署环节，但需注意其服务SLA与平台策略变更风险。
• 本地whisper模型配合视频转文字，使企业能将外部动态内容（如竞品发布会、客户访谈录像）实时转化为结构化文本。这类系统的关键取舍在于：是否接受本地算力消耗换取数据不出域，以及如何将生成稿自动注入现有RAG知识工程流水线。
• ego lite浏览器自动化能力虽强，但其直接操作真实生产环境（如京东下单、登录后台）的特性，对企业AI安全治理构成挑战。团队必须建立明确的动作白名单、人工确认节点与操作回溯机制，不能仅依赖自然语言指令的表面意图判断。