国金金融工程高智威｜从模型走向智能化框架：DeepSeek Harness部署教程与投研全方位评测_财富号

作者：高智威、赵妍、聂博洋

摘要

投资逻辑

DeepSeek Harness：Agent能力从模型走向智能体框架

2026年8月13日，DeepSeek在发布DeepSeek-V4-Pro-0813正式版的同时，以MIT协议开源了智能体运行框架DeepSeek Harness，并将两者关系概括为Agent=Model+Harness。在定位上，Harness指模型之外的运行控制层，负责组织上下文、配置可调用工具、协调模型请求与工具执行，并管理会话记录、权限控制与任务终止。DeepSeek Harness基于Cordis插件系统构建，模型接入、工具调用、会话管理、智能体循环乃至Web界面均以插件形式提供，可在配置层替换或扩展；其轨迹视图按输入、模型、工具三段展开每一轮请求，工具调用的参数、返回与耗时逐条可查。产品提供标准、PTC、极简与创造四种运行模式，当前仍为开发者预览版本。

如何快速上手 DeepSeek Harness？

在部署与配置层面，DeepSeek Harness同时提供桌面端应用与本地Web界面，网页端服务默认运行于127.0.0.1:3080，使用前需自行准备环境；模型接入只需填写服务地址、密钥与模型名三项参数，会话内可随时切换模型与思考强度。在技能体系上，其原生兼容Skills规范，技能以目录加SKILL.md说明文件为单元，按五级优先级自动发现、复制到位即生效。

DeepSeek Harness会话内另提供compact、export、goal、permission、plan、model六条常用命令，其中goal面向一次交办的长时任务：在财联社新闻获取任务中，智能体自行判断数据库通路较网页抓取更稳定、且带有可核对的时间戳，遂改由该通路取数并在交付说明中披露这一调整。在生态上，DeepSeek Harness可通过MCP接入外部数据服务，但没有独立的官方技能市场，社区插件需通过GitHub标签检索，也暂未提供微信等即时通讯工具的原生接入。

DeepSeek Harness的投研案例实测

综合五类案例测试，DeepSeek Harness能够通过Skills调用绘图、信息检索、个股分析和基金评价等专业能力，并支持多智能体协同完成复杂投研任务。在流程图生成、arXiv论文整理、个股基本面分析、基金产品评价及医药行业研究等场景中，系统均可根据自然语言需求匹配相应Skill，并输出结构化数据、分析报告、图表或网页看板等成果。

其核心特点在于运行轨迹可完整记录任务拆解、模型响应、工具调用和结果生成过程，便于对分析路径、数据来源及异常处理进行复核与追溯。与WorkBuddy相比，DeepSeek Harness在任务执行过程的透明度、技能复用和系统定制化方面更具优势，适合具备一定开发能力的团队构建专业投研工作流；WorkBuddy则在图形化交互、连接器生态和开箱即用体验方面更为友好，适合希望快速开展日常投研任务的用户。

风险提示

1、以上结果通过历史数据统计、建模和测算完成，历史规律不代表未来；

2、在市场环境发生变化时，模型存在失效的风险；

3、大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化；

4、部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果；5、AI Agent产品本身存在信息泄露、误操作等可能，需管控权限谨慎使用，相关风险需使用者自行承担，AI生成的结果不构成任何投资建议。

一、DeepSeek Harness：Agent能力从模型走向智能体框架

1.1 DeepSeek Harness 发布：从模型能力升级迈向智能体运行框架

1.2 DeepSeek Harness运行机制、界面与架构

1.3 主流 Harness 的产品定位与运行表现对比

二、如何快速上手 DeepSeek Harness？

2.1 DeepSeek Harness部署指南

2.2 DeepSeek Harness模型接入方式

2.3 DeepSeek Harness运行模式

2.4 DeepSeek Harness 常用命令整理

2.5 DeepSeek Harness的Skill的安装

2.6 DeepSeek Harness的插件市场与MCP

2.7 基于Obsidian的DeepSeek Harness知识库问答

三、DeepSeek Harness的投研案例实测

3.1 案例一：流程图自动化生成

3.2 案例二：arXiv 论文数据获取

3.3 案例三：基于海外投资大师Skill的个股分析

3.4 案例四：基金产品评价报告撰写

3.5 案例五：基于医药个股深度分析

3.6 DeepSeek Harness 与 WorkBuddy 的差异综合对比

四、总结与展望

五、风险提示

正文

一、DeepSeek Harness：Agent能力从模型走向智能体框架

1.1DeepSeek Harness 发布：从模型能力升级迈向智能体运行框架

2026年8月13日，DeepSeek发布DeepSeek-V4-Pro-0813正式版，并同步开源智能体运行框架DeepSeek Harness（简称DeepSeek Harness）。其中，DeepSeek-V4-Pro正式版已在App、网页端及API上线；DeepSeek Harness则面向开发者，以MIT协议发布，定位为支撑智能体运行与扩展的开源基础设施。

DeepSeek Harness由DeepSeek AI开发，基于Cordis框架构建，并采用“万物皆插件”的设计理念。模型接入、工具调用、会话管理、智能体运行循环、沙箱与权限控制，以及Web界面等功能，均以独立插件的形式提供。开发者可通过调整配置，对相关组件进行替换或扩展，从而适配不同模型、工具环境和应用场景。

DeepSeek官方将二者简单概括为：Agent=Model+ Harness。这一关系表明，模型是智能体进行理解、推理和生成的能力核心，而Harness则负责将这些能力组织为能够完成实际任务的运行系统。具体而言，Harness负责管理模型的上下文与提示词，向模型提供可调用的工具及其使用规则，并协调模型请求、工具执行和结果反馈之间的流程；同时，它还承担会话记录、权限控制、异常处理和任务终止等运行管理职责。因此，智能体的实际效果并非仅由模型参数或单次回答质量决定，也受到运行框架的设计影响。不同的上下文组织方式、工具配置、执行策略与安全约束，均可能改变模型完成任务的效率、稳定性和最终结果。

整体来看，DeepSeek的迭代路径由通用模型向强化推理、混合思考和长上下文效率逐步演进，并持续提升工具调用与智能体能力；V4阶段进一步推出Harness，将能力建设延伸至智能体运行框架。

1.2 DeepSeek Harness运行机制、界面与架构

在智能体工程中，Harness是模型之外的运行与控制系统，而非模型权重本身。可以将模型理解为负责理解、推理和生成的“大脑”，Harness则负责把这一能力接入真实任务：向模型提供必要的上下文，配置其可使用的工具，并管理模型、工具和用户之间的交互流程。

OpenAI将Codex Harness的核心概括为协调用户、模型与工具的智能体循环及执行逻辑，并通过App Server以双向JSON-RPC向CLI、云端、IDE和桌面端等不同客户端提供统一能力。Anthropic则将长程智能体拆分为三个可独立替换的部分：Session用于保存全部历史事件，Harness负责调用模型并分派工具任务，Sandbox则提供代码执行和文件编辑环境。

因此，Harness的主要作用并非提升模型本身的知识或推理能力，而是决定模型如何完成任务：模型能够获取哪些信息、可以调用哪些工具、工具失败后如何处理，以及在何种条件下继续、暂停或结束任务。随着前沿模型能力逐步接近，工具配置、上下文管理、权限控制和记忆机制等Harness设计，正成为影响智能体效率、稳定性与任务成功率的重要因素。

DeepSeek Harness是基于Cordis插件系统构建的开源智能体运行框架。Cordis负责管理插件的加载、卸载与依赖关系，模型适配、工具调用、会话管理和智能体循环等能力则以插件形式接入，开发者可通过配置对相关组件进行替换或扩展。该设计将智能体运行中的各项功能拆分为相对独立的模块，使模型、工具、执行环境和交互界面能够灵活组合，从而适配不同任务需求与开发环境。

下图展示了DeepSeek Harness的轨迹视图。该视图以时间线汇总会话中的输入、模型响应与工具调用，并在左侧按事件类型列出系统提示词、用户消息、上下文注入及工具执行记录。选中某一工具调用后，右侧面板可查看其执行状态、调用参数、返回结果、工具定义和耗时等信息。该设计将模型决策与工具执行置于同一视图中，便于开发者追溯任务路径，并定位问题发生在上下文组织、模型判断还是工具执行环节。

DeepSeek Harness采用分层、插件化的架构。系统启动时，先根据不同使用场景加载相应配置，例如提供网页交互界面的Web模式，或用于单次任务执行的Headless模式；随后叠加基础能力与用户自定义配置，形成最终的运行环境。

底层框架主要负责插件的装载和组合，不直接限定智能体必须具备哪些功能。模型接入、工具与Skills、会话日志、任务循环、调度和界面等能力均以独立模块提供，并可按需替换或扩展。与此同时，系统会将模型接收到的信息、工具调用及其结果持续记录在会话日志中，使任务能够恢复、分叉和回放，也便于开发者追踪智能体的执行过程。

1.3 主流 Harness 的产品定位与运行表现对比

Claude Code、Codex与DeepSeek Harness均属于编码智能体的运行框架，但产品定位和性能上存在差异。Claude Code更接近垂直整合的编码智能体产品，开发者可通过Skills、Hooks、MCP和插件扩展其能力；Codex则以共享内核为基础，通过App Server将同一套智能体循环接入CLI、云端、应用和IDE等多个客户端。相比之下，DeepSeek Harness将模型、工具、任务循环和界面均纳入插件体系，开发者可在配置层进行替换和组合，定位更接近可自托管的智能体基础设施。

Composio以同一DeepSeekV4-Flash模型测试多套Harness的结果表明，封装方式会显著影响智能体的实际表现。在该测试中，Claude Code与Codex的任务通过率均为53.3%，但前者执行速度更快、单位成功成本相对更高；后者则具有较高的缓存命中率和更低的单位成功成本。DeepSeek Harness尚未纳入该测试，因此不能直接比较其表现，但这一结果说明：在模型能力相同的情况下，Harness对任务成功率、执行效率和使用成本均具有重要影响。

二、如何快速上手 DeepSeek Harness？

2.1 DeepSeek Harness部署指南

DeepSeek Harness提供桌面端应用，用户可在官方网站按电脑系统类型下载对应安装包。macOS用户需根据Apple Silicon或Intel芯片选择版本，Windows用户可直接下载x64安装程序。安装完成后，用户可在桌面端选择本地工作目录、配置模型服务，并直接发起任务。桌面界面集中展示会话、任务输入和执行过程，便于用户体验。

此外，DeepSeek Harness可通过本地启动的Web UI提供图形化操作界面。服务默认运行于本机地址127.0.0.1:3080，用户可在浏览器中创建和管理工作区、发起任务、查看历史会话，并完成模型、技能及权限等基础配置。首次使用时可通过GitHub账号完成授权，以支持与GitHub项目的关联及相关操作。

2.2 DeepSeek Harness模型接入方式

在DeepSeek Harness桌面端的“设置—模型”中，可选择DeepSeek作为模型提供方并填写API密钥，保存后即可完成接入；如需接入其他模型服务商，可在“自定义设置”中配置提供方ID、显示名称、API地址、API协议及API密钥。密钥应避免写入脚本，建议通过环境变量或统一配置文件管理。

此外，DeepSeek Harness桌面端提供三种权限模式：Read Only模式仅允许读取文件和获取信息，适用于代码查看与方案分析；Workspace Write模式可在当前工作区内创建、修改文件，适用于日常开发与文档编辑；Full Access模式与前两者沙盒环境不同，拥有更高的系统访问权限，可执行范围更广的操作，应在明确任务需求和风险可控的情况下使用。

2.3 DeepSeek Harness运行模式

DeepSeek Harness提供标准、PTC、极简和创造四种运行模式，标准模式适用于完整编码和通用智能体任务；PTC模式由模型生成程序以组合多步工具调用；极简模式仅保留常驻Bash会话与文件编辑能力；创造模式面向插件开发，可检查运行时并在内存中测试插件。

DeepSeek Harness的Trajectory（运行轨迹）视图可完整记录智能体的任务执行链路，包括模型响应、工具调用、文件访问及子代理协同等环节。该视图支持按时间顺序追溯各项操作，为异常定位、执行过程复核及问题修复提供依据。前述案例中的信息识别偏差和文件输出异常，均可通过运行轨迹查询其处理过程。

2.4 DeepSeek Harness 常用命令整理

除自然语言对话外，DeepSeek Harness在会话框内提供一组斜杠命令，覆盖上下文管理、任务设定与权限控制等高频操作，常用命令如下表所示：

其中，/goal命令适用于目标明确、执行周期较长的任务。设置完成目标后，智能体可围绕既定目标进行任务拆解和连续执行，并在达到预设条件后标记任务完成，无需逐步人工干预。

以财联社电报新闻信息整理为例，设定目标为“获取财联社电报网页最新内容，整理为一份包含发布时间和标题的Excel文件”。系统自动书写相关程序，任务共完成17个执行步骤，在运行约3分钟后，最终生成当日191条电报的Markdown、CSV文件。

2.5 DeepSeek Harness的Skill的安装

Skill是面向特定任务的结构化能力单元，将操作指引、执行脚本和参考资料等内容进行模块化封装，使智能体能够按既定流程调用相应资源完成任务。DeepSeek Harness与Claude Code、OpenClaw等CoWork工具采用兼容的Skills架构：每项Skill由技能目录及SKILL.md说明文件构成，并可配置脚本、参考资料等配套资源。该设计有助于统一技能的描述、调用与维护方式，并支持在不同工具间复用。

DeepSeek Harness按预设优先级扫描五类技能根目录。技能文件部署至相应目录后，系统可自动发现并即时加载，无需重启服务。其调用流程为：用户以自然语言提出任务需求，系统向模型提供已加载的技能清单；模型根据任务语义选择适配的Skill，读取其说明文件与相关脚本，并执行相应流程以生成结果。

具体Skill安装上，通常采用以下三种模式：（1）将技能文件夹（含SKILL.md与脚本）复制至.DeepSeek Harness/skills目录路径；（2）对话安装：将技能压缩包放入工作区后，直接以自然语言让DeepSeek Harness智能体解压并安装；（3）用户级安装：将Skill文件夹复制至用户目录下的.agents/skills，使其可被该用户环境中支持该目录规范的智能体工具调用。

下图展示了DeepSeek Harness调用Skill技能获取龙虎榜上榜的个股信息与交易明细情况。用户以自然语言提出查询需求后，系统自动识别并调用相应Skill，完成数据查询、计算与结果展示，最终输出统计结论。

2.6 DeepSeek Harness的插件市场与MCP

除Skills外，DeepSeek Harness还可通过MCP实现功能扩展。MCP（模型上下文协议）是一项连接外部数据源与工具的通用标准，可用于接入行情、资讯等第三方服务。与WorkBuddy提供连接器市场和扫码授权的方式不同，DeepSeek Harness的MCP接入以配置文件为主，更适合具备开发能力的用户进行具体定制。

在插件方面，DeepSeek Harness暂未设立独立的官方插件市场。Skills主要以文件目录形式进行分发和安装，社区插件可通过GitHub的dsh-plugin标签查找。系统将模型、工具及界面等功能拆分为独立插件，支持按需启用、停用或替换；下图展示的是Deep Harness自带的插件和三方插件市场的情况。目前，DeepSeek Harness尚未提供微信等即时通讯工具的原生接入能力。

Wind AI FinMarket提供面向AI Agent的金融数据MCP服务，可通过相应的接入配置或Skill集成至DeepSeek Harness，使智能体具备调用专业金融数据的能力。接入后，用户可直接以自然语言发起个股基本面分析任务。图中以两只个股为例，对比展示其盈利能力、营收增长及估值水平等核心指标，并基于Wind数据生成结构化分析结论。

2.7 基于Obsidian的DeepSeek Harness知识库问答

Obsidian是一款以本地Markdown文件为基础的知识管理工具，支持将笔记、研报、会议纪要等资料按目录和双向链接进行沉淀与组织，便于形成可持续维护的个人或团队知识库。在此基础上，可将Obsidian知识库接入DeepSeek Harness，用于开展基于本地资料的检索与问答。

在Obsidian设置中启用“核心插件—网页浏览器”，并允许打开外部链接；随后将DeepSeek Harness的主页地址复制至网页浏览器。在Obsidian界面打开该浏览器后，将DSH的项目目录设置为本地知识库所在目录，即可基于知识库内容开展对话分析。

我们将大模型赋能投研相关报告统一写入Obsidian本地知识库后，DeepSeek Harness可基于报告内容进行自动检索、归类和梳理，提炼各篇报告的核心观点、应用场景与关键技术路径等。

三、DeepSeek Harness的投研案例实测

3.1 案例一：流程图自动化生成

输入“用Excalidraw绘制一张DeepSeek Harness技能调用机制流程图”后，系统自动匹配并调用社区提供的Excalidraw绘图Skill。该Skill能够依据自然语言描述完成流程图绘制，并将结果导出为图片文件。下图展示了从任务输入、技能调用到图表生成的完整过程。

3.2 案例二：arXiv 论文数据获取

DeepSeek Harness可通过调用爬虫等外部工具完成信息检索与整理任务。输入“帮我爬取过去一个月大模型相关的arXiv论文，生成一份速览清单”后，系统自动调用arXiv论文爬虫，对近30天论文进行检索与去重，最终获得113篇相关论文，并输出结构化清单、速览表及技能生态安全、智能体长期记忆、推理可信度等五项趋势要点。

3.3 案例三：基于海外投资大师Skill的个股分析

我们调用overseas-investment-mastersSkill，在对话框同时输入“用海外投资大师的视角分析贵州茅台（600519.SH）”，并使用DeepSeekV4-Pro模型进行分析。此Skill自动获取行情、财务、估值、研报及新闻五类数据，生成结构化分析底稿；随后依据预设评分规则，按十位海外投资大师的投资方法论逐项进行加权评分，输出分项得分、第一人称视角分析及关键追问。最终，系统从价值、成长、集中投资和宏观动量四类流派汇总评分，并形成共识与分歧结论。

对比来看，WorkBuddy的运行过程以步骤清单形式简要呈现；DeepSeek Harness则在执行轨迹中逐项展示工具调用过程，过程透明度更高。经逐项核对，两平台对十位大师的评分方向完全一致，最高分和最低分对应人选相同；分值平均绝对差为2.1分，最大差异为5.0分，不同投资大师的均分及综合结论亦相互印证。DeepSeek Harness和WorkBuddy的差异主要体现在输出结果上：DeepSeek Harness输出报告文稿和结构化数据底稿，WorkBuddy则生成的是包含数据速览面板的网页看板；部分指标因取数口径略有不同而存在细微差异，例如上半年营收增速分别为1.30%和1.47%。运行耗时方面，DeepSeek Harness约为4分钟，WorkBuddy约为6分钟，DeepSeek Harness的速度更快。

3.4 案例四：基金产品评价报告撰写

通过调用基金评价相关的Skill,输入“为某基金生成一份完整的基金产品评价报告”后，系统调用基金研究编排Skill。该Skill先统一获取基金分析所需的基础数据，并解析基金合同中的文本信息，随后启动多个子代理，分别完成业绩评价、投资风格、行业配置、资产配置、业绩归因、交易行为、可投资性及基金经理观点等分析任务。在汇总各模块结果后，智能体生成综合报告，并输出Word和HTML文档。

DeepSeek Harness在耗时约30分钟后，经和底稿逐项核对，报告中的业绩归因、行业配置等主要结论与计算结果一致，并对港股持仓未纳入行业归因等分析口径进行了说明。运行过程中出现基金经理信息识别偏差、输出目录异常等问题时，系统能够定位原因、完成修复并重新执行，输出完整的报告。

下来，在同样的环境下我们对比了和WorkBuddy的差异，最终成品结构高度一致：DeepSeek Harness和Workbuddy均产出了Word报告、HTML看板与全套模块数据底稿。DeepSeek Harness会在执行轨迹中逐项展示任务分解、工具调用和子智能体协同过程，过程更为细致；WorkBuddy则以步骤清单方式呈现主要任务环节，界面更加简洁。两者的任务组织逻辑相近，但过程展示的详细程度不同。

3.5 案例五：基于医药个股深度分析

输入“使用med-analyst-agent分析特定股票药明康德，按Skill中七条投研逻辑链开展深度研究”后，系统自动调用医药个股分析Skill。该Skill围绕新产品研发与商业化、国际化拓展、政策与医保、成本与运营效率等七条逻辑链开展分析，并结合预设权重和触发信号形成评分。

最终报告对各条逻辑链分别列示触发依据和评分，综合得分为92分，并给出较高置信度的积极判断。报告结合公司经营表现、业绩指引等核心信息说明主要投资逻辑，同时列示地缘政治、利润率变化等风险因素；相关结论均附有研报和新闻等来源支撑。

3.6 DeepSeek Harness 与 WorkBuddy 的差异综合对比

综合前述对比案例与安装使用体验，两款工具的差异可归纳如下表。总体而言，WorkBuddy胜在开箱即用与生态齐全，适合非技术背景的投研人员快速上手；DeepSeek Harness胜在过程可溯源与高度可定制，适合有开发能力的团队或个人进行定制化配置。

四、总结与展望

2026年8月，DeepSeek开源智能体运行框架DeepSeek Harness，定位为模型之外的运行控制层，负责上下文、工具、权限、会话及任务管理。其基于Cordis插件系统构建，模型、工具和界面均可扩展；轨迹视图可记录并回溯任务执行过程。

DeepSeek Harness产品提供本地Web界面和多种运行模式，使用时需自行配置环境及模型参数。其兼容Skills规范，支持按目录自动发现和调用技能；也可通过MCP接入外部服务，但暂无独立官方技能市场及即时通信渠道。

通过金融投研案例测试表明，DeepSeek Harness结合Skill可完成流程图构建、信息检索、个股分析和基金评价等任务。相较WorkBuddy，其过程透明度和定制化能力更强，适合具备开发能力的团队构建投研工作流，WorkBuddy的插件生态更为丰富，连接器与常用功能集成度较高，更适合追求快速部署和便捷操作的投研用户。

风险提示

1、以上结果通过历史数据统计、建模和测算完成，历史规律不代表未来；

2、在市场环境发生变化时，模型存在失效的风险；

4、部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果；

5、AI Agent产品本身存在信息泄露、误操作等可能，需管控权限谨慎使用，相关风险需使用者自行承担，AI生成的结果不构成任何投资建议。

阅读全文

《从模型走向智能化框架：DeepSeek Harness部署教程与投研全方位评测》

＋

报告信息