# DeepSeek Harness悄悄上新桌面端，连上星图 AstraFlow实测体验 > 作者/来源: UCloud 运营管理员 > 发布时间: 2026-10-14T09:14:56.695Z > 分类: AI专区 > 原文链接: http://117.50.162.249:3000/yun/articles/2830 --- ## DeepSeek Harness 桌面端突然发布，Agent 上桌后，星图接住模型这一层 9 月 29 日晚间，DeepSeek 突然放出 Harness 桌面端。 macOS 和 Windows 双平台安装包直接上官网，登录 DeepSeek 账号还能限时领 6 元体验赠金。按照 DeepSeek V4.1 Flash 的计费标准，这笔钱大约能覆盖 1.2 亿缓存命中输入 Token，或者 52 万输出 Token。 从 8 月 13 日开发者预览版 v0.1，到这次桌面端 v0.2，只过了一个半月。DeepSeek Harness 从一个需要 Node.js、命令行和本地环境的极客工具，变成了双击就能启动的桌面工作台。 版本口径有一点差异。新到的实测文章下载到的是 0.1.7-rc.2 预览版，另一篇公众号文章写的是 v0.2 预览版。两篇文章发布时间很近，正式发布前建议以客户端实际版本为准。 Agent 的最后一公里，正在被一点点抹平。 ## 双击启动，对话继承，Agent 开始像普通软件 过去想用 Harness，先装 Node.js，再拉命令行，或者把整套开源代码克隆到本地。终端报错、环境变量冲突、依赖版本不对，任何一个问题都能把普通用户挡在门外。 桌面端把这些步骤收了起来。官网下载安装包，双击启动，命令行里跑过的自动化任务和本地环境里沉淀的交互配置，都能平滑迁移过来。侧边栏集中显示工作区、运行中的自动化任务和扩展插件。 更重要的是文件处理。扔进去一份财务表格、产品文档或者 PDF，Harness 可以自己完成数据清洗、报表提炼，甚至直接做 PPT。生成的文件和修改前后的代码差异，都在侧栏集中预览。你可以对照修改点，也可以顺手拉起本地软件继续编辑。 这一步看起来只是交互变轻了，实际影响很大。Agent 正在从程序员手里的命令，变成普通人桌面上的工作入口。 ## 一切皆插件，六成用户已经在装扩展 Harness 桌面端更值得看的，是插件架构。 原文披露了一组数据。在使用 DeepSeek 官方模型 API 的用户里，目前大约有 60% 的 Harness 用户已经在实际调用第三方插件。这说明插件生态不是演示功能，已经有真实的生产力用量。 桌面端新增了插件安装与管理面板。输入 npm 插件包名就能一键安装，停用、卸载、查看调用来源，都可以在图形界面里完成。 更有意思的是创造模式。你可以直接和 Harness 对话，让它现场写一个插件。写完立刻在本地生效并持久化保存。比如一个专属番茄钟，或者面向特定业务的数据校验工具。 自动化任务也被接进了桌面端。每周五下午五点整理本周项目代码变更并生成周报，任务在后台静默执行，你只需要去看执行轨迹和调用记录。 长期记忆、周期执行、插件扩展，这三个能力叠在一起，Harness 开始从聊天窗口走向数字员工。 ## CLI 和开源没有被砍掉 桌面端降低了门槛，DeepSeek 没有因此削弱专业开发者路径。 官网和开源仓库里，命令行启动和源码克隆仍然保留。你可以继续用一行命令启动 Web UI，也可以把整个开源项目拉到本地，顺着 Cordis 架构改造自己的工作流。 原文提到，Harness 的 GitHub Star 数已经逼近 24 万，基于 MIT 协议，release 推进到 0.2.0。DeepSeek 还表示，后续模型训练会和 Harness 的真实任务表现做协同优化。 这句话背后的方向很清楚。模型训练不再只盯着跑分，而是把 Agent 在真实环境里的工具调用、上下文管理和错误自愈能力，反哺回基础模型。模型和 Harness 不再只是上下游关系，它们会互相影响。 ## 星图接住模型这一层 Harness 把桌面入口和插件生态做轻之后，下一步要面对的是模型层。 一个 Agent 工作流里，模型调用往往比想象中碎。不同任务需要不同模型，成本预算不同，数据边界不同，团队里每个人的权限也不同。今天用 V4.1 Flash 做批量任务，明天换成多模态模型处理图片，后天又要给某个业务单独限制模型范围。如果每个客户端都自己配 API Key、自己记模型 ID、自己管额度，插件一多，工作流就会乱。 这时候，优刻得星图 AstraFlow 可以放在模型接入层。 星图是 UCloud 优刻得的一站式 AI 开发平台，一个 API Key 就能调用 Kimi K3、DeepSeek V4、Qwen 3、GLM5.2 等主流大模型，官方口径是聚合了 200 多个。模型广场里可以按厂商和类别筛选，支持 OpenAI 兼容和 Anthropic 两种协议。对 Harness 这类支持自定义服务商的 Agent 工作台来说，接上星图之后，模型切换和成本对比都省事。 ### 三分钟把星图接进 DSH 第一步，注册星图。用邮箱注册并完成实名认证后，新用户活动会送 50 元算力，活动规则以官方页面为准。注册完成后去邮箱查看，到账后账户的星力卡里会出现 50 元星力值，有效期一年。 第二步，创建 API Key。左侧栏进入密钥管理，点击创建 API Key，名字可以自己起，比如 DSH-API，有效期和预算按自己需求设置，生成后把 Key 复制保存好。 第三步，打开 DSH 的设置，进入模型，选择自定义模型 API，按下面的信息填写。 - Provider ID，填写 ucloud，使用小写字母开头的标识。 - API 地址，填写 https://api.modelverse.cn。 - API 协议，选择 Anthropic Messages，这里不要选错。 - API 密钥，填写刚才复制的星图 Key。 填完点击获取可用模型，DSH 会自动把平台上的模型拉下来。挑自己要用的加进去，回到对话框，模型下拉框里多出一个 ucloud 分组，就说明接通了。 原文作者先用一句 hi 试水，后台显示花费 0.02 元。 ### Auto Router 的坑，也顺手填了 星图还有一个功能叫 Auto Router，也就是智能路由。请求里把模型名填成 auto，平台会根据任务类型、提示词复杂度和上下文长度，自动挑一个合适的模型。简单任务派给便宜的小模型，难的活再上大模型。 但在 DSH 里用 Auto Router，会踩两个坑。 第一个坑，选了 auto，报 400「无节点」。原因是智能路由只在 OpenAI 兼容端点 /v1/chat/completions 生效，前面配置的 Anthropic 协议不认 auto。 第二个坑，换成 OpenAI 协议后全部 404。DSH 会把 baseURL 和请求路径拼起来，如果地址没带 /v1，拼出来就少一截。 原文作者最后在 DSH 的创造模式里把问题交给 AI，让 Agent 自己去翻本地配置文件、读模型目录、直连上游做对照实验，最后确认两件事。auto 只认 OpenAI 端点，地址要带 /v1。 解法是在 cordis.patch.yml 里新增一个服务商： ``` ucloud-auto: api: openai-completions baseURL: https://api.modelverse.cn/v1 models: [{ id: auto }] ``` 保存即生效，下拉框里立刻多出 ucloud-auto / auto。 ### 一次真实任务，花了 0.73 元 原文作者用 DSH 把一篇游戏行业 AI 研究文章变成汇报网页。 模型选 deepseek-v4-pro-0813，标准模式，提示词只有一句话。回来时，右边已经生成好一个可预览的网页。中间它用 PowerShell 校验文件时被沙盒拦了，又自己换成 read 工具读了一遍，确认 1169 行、标签闭合正常才交差，这些过程都能在轨迹里看到。 成品里，章节自动拆成顶部导航标签，关键数据做成大字卡片，还自己做了浅色和深色两套主题，右下角有回到顶部按钮。 跑任务前，后台累计花费 42.99 元。跑完之后，43.72 元。这次任务花了 0.73 元。 这就是星图在 Agent 工作流里的价值。Harness 负责桌面入口、插件和自动化，星图负责模型接入、路由、配额和治理。一个让 Agent 跑起来，一个让模型调得动、管得住。 ## 生产力爆发的背面，是沙盒和控制 桌面端把办公、代码调试、插件和自动化装进个人电脑之后，一个更现实的问题浮上来。 Agent 一旦获得读写本地磁盘、安装 npm 包、执行 Shell 命令的权限，它的安全边界在哪里。插件里如果藏了恶意提权指令，自动化脚本如果误删核心文件，单靠个人电脑上的弹窗，很难兜住系统级风险。 原文给出的对应关系很直接。网络出口需要按需放通，数据和密钥需要锁进安全边界，长时间运行的自动化需要审计轨迹，多模型并用时账目要分得清楚。 这也是星图这类模型层产品存在的意义。它不只是把模型聚合在一起，还要把权限、配额、路由和成本放进一个可管理的平面。Harness 让 Agent 更容易被普通人用起来，星图让 Agent 更容易被团队管起来。 ## Agent 上桌之后 DeepSeek Harness 桌面端的发布，标志着 Agent 工具正在从命令行走向桌面，从开发者专用走向普通工作流。 插件生态、创造模式、自动化任务、命令行和开源，这些能力一起把 Harness 推向了一个更完整的产品形态。接下来要看的，就是模型层能不能同步跟上。 星图在这里的位置很清楚。它不抢桌面入口，也不替代 Harness，它接住模型调用、路由、配额和治理。一个负责让 Agent 跑起来，一个负责让模型调得动、管得住。 Agent 已经上桌了。下一步，是让它真正留在工作流里。