该从 Claude Code 切换到 DeepSeek Harness 吗？我看了发布代码

编者按：本文根据 Andrus 于 2026 年 8 月 17 日在 AI Advances 发表的 《Should You Switch From Claude Code to DeepSeek Harness? I Read the Shipped Code Instead of the README》改编整理。原作者检查的是 2026 年 8 月 13 日发布的 @deepseek-ai/dsh 0.1.0-rc.6；截至 8 月 19 日，npm 的 latest 已为 rc.7，next 为 rc.8。DeepSeek 官方仍将项目标记为 Developer Preview，并明确提醒会有破坏兼容性的变更。下文涉及安装体积、插件数量和代码行为的数字，均应理解为该次测试的版本快照。

当 DeepSeek 把自己的 Agent Harness 开源后，GitHub 星标迅速突破十万。最自然的问题是：它能不能替代 Claude Code？

原作者没有从 README 的宣传语开始，而是安装 npm 包、检查构建产物、读取适配器代码并运行 Web 界面。得到的答案并不是简单的“能”或“不能”：DeepSeek Harness 的架构比 Claude Code 更开放，也更重；它甚至可以运行 Claude 模型，但对本地模型的支持反而需要手工配置。现在切换是否值得，取决于你要的是一件成熟工具，还是一个可以被重组的 Agent 运行时。

先说结论：这不是单纯的模型之争

Claude Code 是以完成编码任务为目标的成熟产品。DeepSeek Harness 则更像一个可组合的 Agent 操作系统：模型适配器、工具注册表、会话存储、沙箱、Agent Loop 和界面都被设计成插件。

因此，“是否从 Claude Code 切到 DeepSeek Harness”这个问题有一点问错了。DeepSeek Harness 可以通过内置的多模型适配层调用 Anthropic，也就是说，你完全可以把 Claude 模型放进 DeepSeek 的 Harness 中运行。真正需要比较的是：

• 你更看重现成的编码体验，还是运行时的可组合性？
• 你是否需要完整、可重放的 Agent 会话记录？
• 你愿不愿意承担预览版的配置、体积、Token 开销和接口变化？
• 你是否依赖 Ollama、LM Studio 或 llama.cpp 等本地模型？

安装后先出现的不是提示符，而是 359MB

作者把 @deepseek-ai/dsh 0.1.0-rc.6 安装到一个空目录。最终的 node_modules 占用约 359MB，其中有 555 个 package manifest、255 个顶层依赖目录，196 个包使用 @deepseek-ai 命名空间。

这并不等于 npm 主包本身有 359MB，而是一次完整安装后的依赖树体积。它说明 DeepSeek Harness 不是轻量 CLI 外壳，而是一整套由大量模块组合起来的运行环境。

作者统计到：headless 配置组合出 81 个插件项，Web 配置为 129 个，实际运行的设置页显示加载了 133 个插件。重量换来的最重要能力是可审计性：会话日志采用只追加方式，运行时要求模型看到的内容都能从日志中重建。对于需要复盘 Agent 为什么采取某个动作的生产系统，这不是装饰，而是非常有价值的设计。

它不只运行 DeepSeek，也能运行 Claude

rc.6 中主要有两个模型适配器：

• dsh-llm-deepseek：直接连接 DeepSeek；
• dsh-llm-pi-ai：基于 Pi 的模型层提供多供应商支持；
• dsh-llm-retry：它是重试包装器，不是独立模型供应商。

作者直接调用底层供应商目录，得到 38 个供应商；Web 界面的 Add provider 下拉框显示 36 个。列表包含 Anthropic、OpenAI、Google、Azure、Amazon Bedrock、Groq、Mistral、xAI、OpenRouter、Cerebras、Fireworks、GitHub Copilot、Moonshot、MiniMax、Together、NVIDIA 以及多种地区方案。

适配器 README 还给出了 Anthropic 配置示例，通过 ANTHROPIC_API_KEY 调用 Claude。因此，DeepSeek Harness 并没有把用户锁在 DeepSeek 模型里。它更接近一个可替换模型层的 Agent Harness。

最奇怪的缺口：本地模型没有现成入口

供应商列表里没有 Ollama、LM Studio 或 llama.cpp。并不是完全不能用，而是没有一键可选的内置条目。

用户可以添加 Custom provider，把 API 类型设为 OpenAI-compatible，并把 baseURL 指向本地端点。Ollama 支持 OpenAI 兼容接口，因此理论上可行。但这意味着“支持本地模型”的门没有锁，门框却需要用户自己装。

对于一个强调开源和自有运行时的项目，这个缺口格外显眼。云端模型供应商已经预置了几十个，本地优先用户却要手写配置。若你的日常工作依赖 Mac 上的 Ollama 或 LM Studio，这一点足以让你暂时不切换。

“一切皆插件”，但界面还没有追上架构

从结构上看，DeepSeek 的口号成立：Agent Loop、模型、工具、会话存储和沙箱都通过组合挂载，没有一个必须修改的特权核心。这使研究者和平台工程团队能够替换几乎任何部分。

但作者在设置页的 Plugin configuration 中只看到三个可配置条目：Shell、Agent Loop 和 Web Search。旁边可以看到全部 133 个插件及开关，但热模块重载默认关闭。

这正是预览版的典型矛盾：每个用户今天都要支付复杂组合的成本，但真正受益于自定义插件和热替换的人，暂时只是少数会写插件的开发者。

它会同时读取 AGENTS.md 和 CLAUDE.md

作者在 dsh-agent-instructions 中看到两个候选指令文件：AGENTS.md 与 CLAUDE.md，并且它们按独立键分别加载。

如果一个仓库为了兼容多种编码 Agent 而同时保留这两个文件，并且内容相同，那么在 rc.6 中，同一套指令可能被注入两次。作者引用的一次初步测试中，Pi 的未缓存输入约为 4,500 Token，而 dsh 在同一任务上约为 47,600 Token。由于测试者自己也指出存在混杂因素，这个倍数不能当作正式基准；但两个指令文件被分别加载，是作者在发布代码中观察到的具体行为。

另一方面，作者也发现了值得肯定的细节：文件搜索工具把内联 glob 结果限制为 100 条、grep 匹配限制为 250 条，文档明确说明这些数字是按照 Claude Code 的行为校准，而不是随意拍脑袋设定。

不要把计划中的能力当成已经发布

一些介绍文章声称 dsh 的子 Agent 可以把 Claude Code 或 Codex CLI 当作后端。作者在 rc.6 npm 发布包中没有找到这个实现。当时随包提供的是 fork-in-process 和 spawn-in-process 两种后端，它们都在同一运行时内启动子 Agent。

这不代表相关能力永远不会出现，只代表在作者检查的版本里不能把路线图、分支代码或社区猜测写成现成功能。对于更新频繁的预览项目，安装包永远比二手文章更可靠。

为什么作者没有切换

作者并不否定 DeepSeek Harness。相反，他认为它拥有这一领域最有意思的架构之一，可审计会话尤其值得借鉴。但切换成本从来不只是重新安装：

• 已有的 Claude Code 配置、Hooks、MCP 与项目习惯不会自动迁移；
• 你已经知道哪些任务可以完全交给 Claude，哪些必须随时打断；
• dsh 官方明确提醒接口还会破坏兼容性；
• 本地模型仍需要手工供应商配置；
• 插件化带来的 Token 和运行时底噪，尚未证明只是临时问题。

你现在应该怎么选？

继续使用 Claude Code，如果你：

• 需要成熟、低摩擦的日常编码体验；
• 已经积累了稳定的 CLAUDE.md、Hooks、Skills 和 MCP 工作流；
• 不想为预览版接口变化持续维护配置；
• 更在乎完成工作，而不是改造 Agent 运行时。

现在就试用 DeepSeek Harness，如果你：

• 在研究 Agent 架构、插件系统、会话投影或审计能力；
• 希望在同一个 Harness 内切换 DeepSeek、Claude、OpenAI 等多家模型；
• 愿意阅读源码、写配置，甚至开发自己的插件；
• 可以把它放在实验项目中，而不是立刻替换生产工作流。

先等等，如果你：

• 主要需求是 Ollama、LM Studio 或 llama.cpp 的本地优先体验；
• 对 Token 成本和上下文效率非常敏感；
• 需要稳定接口、清晰迁移路径和经过验证的第三方生态。

GitHub 星标能说明注意力，不能说明产品已经适合你的工作流。DeepSeek Harness 最值得关注的地方，不是“又一个 Claude Code 杀手”，而是它把 Agent 的每一层都变成了可替换部件，并用可重建日志认真对待审计问题。

但在 2026 年 8 月的开发者预览阶段，架构的优雅和运行成本可能正是同一件事的两面。最稳妥的选择不是立即迁移，而是把它安装在一个非关键仓库中，用你自己的任务、Token 账单、本地模型和维护时间做一次真实比较。

来源与版权说明：本文为基于原文代码审阅、DeepSeek Harness 官方仓库与 npm 发布信息撰写的中文改编与评论，并非逐字翻译。原文及图片版权归原作者所有。