DeepSeek Harness 外掛：7 個值得安裝的，以及一個沒人列入清單的層級

一位開發者在明亮的居家工作站使用雙螢幕，左側終端機顯示外掛安裝記錄，右側則刷新外掛卡片的網格畫面

七個外掛、一個提供者區塊，以及一個你真正理解的設定檔。這就是完整配置。

2026年8月13日，DeepSeek 開源了其代理框架。大約十二小時內獲得約 50,000 個 GitHub 星號，28 小時達到約 92,000 個（Justin3go，2026年8月）。四天後，該儲存庫擁有 144.4k 星號和 14.7k 分支（GitHub，2026年8月）。

你的時間軸現在全是 dsh-* 儲存庫。主題、語音輸入、番茄鐘計時器、一個鯨魚街機遊戲（當代理正在思考時使用）。社群策劃清單已超過 1,100 個項目。

然後你查看自己的 API 使用頁面。

這不是另一個外掛目錄。這是讓 dsh 能夠運行整個下午的七個關鍵元件，加上一個幾乎沒有人會加到外掛清單中的配置層，即使它決定了其他六個是否還能負擔得起。

重點摘要

• dsh 採用 MIT 授權，明確標示為開發者預覽版。README 中的原話：「THERE WILL BE COMPATIBILITY-BREAKING CHANGES。」
• 「一切都是外掛」包括模型層本身。這是架構中最被低估的後果。
• 外掛數量不等於外掛品質。一位評測者發現 41 個相容整合，而 219 個被標記為需注意，他們嘗試的所有 5 個第三方工具全部失敗。
• 在安裝任何東西之前先了解設定檔是什麼，否則你會在一個設定檔中安裝，運行另一個，然後疑惑為什麼什麼都沒出現。
• dsh 設計上是一個重度上下文消耗者，而 DeepSeek 自己的 API 現在按時段計費。你的提供者配置是整個設定中的承重部分。

兩個成本計量面板並排顯示：一個是 47.6K 輸入的單次回合，使用第一方 API 的尖峰費率，另一個是固定費率端點，各顯示輸入、輸出和該回合總計

這個完整配置的成果：一次代理工作回合，以兩種方式定價，顯示在一個你真能讀懂的面板中。數據根據各路由截至 2026 年 8 月 17 日公布的費率卡計算，而非來自實際測量運行。

為什麼 DeepSeek Harness 外掛爆紅，但大多數卻會壞掉

成長是真實的，脆弱性也是真實的。兩天內有超過 2,000 個外掛提交（Justin3go，2026年8月），社群清單現在包含超過 1,100 個可安裝的外掛，涵蓋十四個類別。

這與一般擴充 API 的不同之處在於接合深度。DeepSeek 的設計原則涵蓋「模型、工具、技能、對話、沙箱、檔案系統、循環、編排和 UI 元件」，這些都可以「混搭、取代和擴充」（The Register，2026年8月）。框架建立在 Cordis 核心上，外掛透過 apply(ctx) 函數註冊其功能，卸載時會清理，代理循環本身是可替換的。模型提供者也是如此。

Armin Ronacher 在同一篇文章中引用道：「我不認為 DeepSeek Harness 是完美的，但這絕對是我第一次看到這個領域的新東西時，感到非常受啟發，想重新審視我們的一些選擇。」

現在說說冷水。官方相容性清單顯示 41 個相容整合，對比 219 個標記為需要關注，而在實際測試中，「所有嘗試的 5 個第三方工具都徹底失敗了」（Justin3go，2026年8月）。框架的 README 也沒有隱瞞這一點。它是一個開發者預覽版，「快速迭代中」，並以大寫字母承諾會有破壞性變更。

因此，明智的策略不是「安裝三十個外掛」。而是安裝少數幾個能解決實際操作問題的，並按順序安裝，讓每個外掛都使下一個更安全。

DeepSeek Harness 外掛如何協同運作：設定檔、套件和模型層

三個概念幾乎可以解釋你會讀到的所有「它安裝了但什麼都沒發生」的貼文。

設定檔（Profiles）。 設定檔是一個具名、自包含的外掛和配置組合。dsh 附帶了一些範本，會在首次使用時自動初始化，包括 web（dsh web 啟動的）和 headless，並提供 dsh-base、dsh-web-app 和 dsh-headless 作為套件來源。外掛會安裝到 某個設定檔中。安裝到錯誤的設定檔，外掛確實存在，只是不在你正在運行的東西裡。

套件（Bundles）。 每個可安裝的外掛都會宣告一個 dsh.bundle 清單。這個清單讓外掛可被外掛命令和社群清單發現，社群清單只接受可透過 dsh plugin add 安裝的項目。

模型層。 在 llm-pi-ai 下，提供者只是配置。以下是官方文件中的結構：

yamlCopy
1llm-pi-ai:
2  providers:
3    my-gateway:
4      apiKeyEnv: GATEWAY_API_KEY
5      api: openai-completions
6      baseURL: https://gateway.example/v1
7      models:
8        - id: legacy-chat
9        - id: vision-preview
10          input: [text, image]
11

這就是整個機制。設定 api: openai-completions 加上 baseURL，你就指向任何使用 OpenAI Chat Completions 協定的端點。金鑰單獨存放在 $DSH_HOME/.credentials.yaml 中，並保持唯寫，因此 settings.yaml 只持有引用，從不包含實際的秘密。

沒有人放在清單上的 DeepSeek Harness 外掛層

滾動任何外掛目錄，你會找到主題、面板、記憶系統、通知橋接。你不太會在頂部附近看到提供者區塊，因為它不是一個需要安裝的外掛。它是你只需要寫一次、共九行的 YAML。

它之所以重要，是因為算術。dsh 會記錄模型所見的一切，寫入僅追加的對話日誌，積極注入上下文，並排程子代理。這種設計有代價。在一次針對相同模型的初步比較中，Pi 的未快取輸入約為 4.5K 個 token，而 dsh 約為 47.6K，「差距一個數量級」。評測者指出了混淆因素，並說明 dsh 處於預覽階段，同時還確認了一個真實的錯誤：dsh 會同時讀取 CLAUDE.md 和 AGENTS.md，並在內容相同時使系統提示詞加倍（Justin3go，2026年8月）。請將此視為一個人的早期測量，而非既定事實。不過，趨勢方向是沒有爭議的。

與此同時，DeepSeek 的第一方 API 現在按時段計費。尖峰時段為 UTC 01:00-04:00 和 06:00-10:00，離峰費率為尖峰的一半（DeepSeek API 文件，2026年8月）。deepseek-v4-flash 和 deepseek-v4-pro 都支援 1M 上下文和 384K 最大輸出。

因此，模型層決定了外掛堆疊能否持續維持。作為參考，以下是相同 DeepSeek 模型 ID 在固定費率託管端點上的費用。Atlas Cloud 是其中一個，在此列出是因為它提供 DeepSeek 自己的模型 ID 且採用固定費率，這使其與第一方數據可以直接比較，而非蘋果與橘子的交換。

表 1：DeepSeek 模型 ID 及其每 1M tokens 的公布費率，驗證於 2026 年 8 月 17 日

請誠實地閱讀這張表，因為它不只說一件事。Flash 在固定費率下比任何官方層級都便宜。Pro 的固定費率輸入價格 高於 官方尖峰快取未命中率。而官方快取命中輸入幾乎免費，因此快取命中率高的負載在第一方 API 上可能最便宜。固定費率端點真正帶來的是可預測性：無論是 UTC 03:00 還是 15:00，價格都相同，沒有第一方帳戶的節流限制，且模型 ID 相同，因此切換回去只需一行設定。

DeepSeek Harness 外掛堆疊，逐步說明

八個步驟，按此順序是有原因的。每個步驟要麼使下一步成為可能，要麼使其更安全。

表 2：七件式自包含堆疊

開始前請注意安裝規格。dsh plugin --profile <name> <args> 會將參數轉發給該設定檔目錄內的 pnpm，因此任何 pnpm 能解析的都可以：npm 套件名稱、github:owner/repo 規格，或 link:/absolute/path 用於正在開發的外掛。這在實際中很重要。我檢查了註冊中心，發現 dsh-cost-meter 和 dsh-tier-router 並未發布到 npm，因此這兩個只能用 GitHub 規格。

步驟 1：安裝 dsh 並啟動 web 設定檔。

bashCopy
1npx @deepseek-ai/dsh web
2

該指令會印出伺服器 URL。如果你想從原始碼建置：

bashCopy
1git clone https://github.com/deepseek-ai/deepseek-harness.git
2cd deepseek-harness
3pnpm install
4pnpm run build
5pnpm dsh web
6

然後在瀏覽器中：設定、模型、貼上你的 API 金鑰、儲存。選擇一個工作區，指向一個專案目錄，然後開始對話。

DeepSeek Harness 網頁 UI 首次啟動，顯示新對話畫面並附工作區選擇器

步驟 1 完成：dsh web 在本地運行，並已選取工作區。

步驟 2：在安裝任何東西之前先了解你的設定檔。

這是人們跳過的步驟，也是造成大部分「外掛已安裝但未顯示」困惑的原因。在不啟動的情況下檢查組合後的配置樹：

bashCopy
1dsh --profile web --dump-config
2

還有 --dump-default-config 如果你想獲得一個基準線來比對。你要查看的是你安裝的套件是否出現在你啟動的設定檔的組合樹中。如果沒有，你就是安裝到了不同的設定檔。

dsh --dump-config 的終端機輸出，顯示 web 設定檔的組合外掛套件清單

--dump-config 是解答幾乎所有「我的外掛不見了」問題的答案。

步驟 3：在外掛之前先安裝市場。

bashCopy
1dsh plugin --profile web add dshmarket
2

這會在設定中放入一個可搜尋的外掛瀏覽器，支援一鍵安裝和升級，還有一個主題分頁。之後，你大部分安裝都會在 UI 中進行，而非終端機。如果你想完全委託搜尋：

bashCopy
1dsh plugin --profile web add dsh-find-plugin
2

這個外掛讓你的代理去幫你尋找外掛，這是一個有點荒謬但非常有用的事。

DeepSeek Harness 設定中的 dsh-market 外掛瀏覽器，顯示可搜尋的外掛卡片，附有安裝按鈕和類別篩選器

設定中的市場面板，你之後的安裝將會在這裡進行。

步驟 4：在第三方程式碼之前先安裝掃描器。

社群清單在最上方以框線標示警告，值得引用：「安裝外掛會在你的機器上以你的權限執行第三方程式碼，它可以讀取你的檔案、使用你的憑證並連線網路。工具核准不會沙箱化外掛程式碼」（awesome-dsh-plugin，2026年8月）。

因此，先掃描：

bashCopy
1npm install -g dsh-poison-guard
2dsh-poison-guard scan ./some-plugin
3dsh-poison-guard scan ./some-plugin --json
4

它運行三層分析：透過 NodeSecure JS-X-Ray 進行 AST 分析，檢查動態匯入、混淆、eval / Function / vm 使用、資料外洩和不安全的 shell 命令；一個反混淆解碼器，會解開 atob()、Buffer.from() base64 和 hex、String.fromCharCode() 和跳脫序列，然後重新掃描；以及針對字面字串和安裝時腳本（如 postinstall 和 prepare）的正則啟發式掃描。退出碼為 0 表示乾淨，1 表示有發現，因此可以直接整合到 CI。它也可以放在設定檔內：

bashCopy
1dsh plugin --profile web add dsh-poison-guard
2

將其與 dsh-plugin-doctor 搭配使用，後者會檢查清單、修補、入口、建置、打包和安裝，偵測設定檔主機遮蔽，並運行自己的毒藥預檢。

dsh-poison-guard scan 報告在終端機中，按層級列出社群外掛的發現結果

對一個隨機社群外掛的安裝前掃描。重點不是它總是會發現東西，而是你已經檢查過了。

步驟 5：將模型層指向你想要的任何地方。

這是上一節提到的層，現在作為實際編輯。打開 $DSH_HOME/settings.yaml：

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      apiKeyEnv: ATLASCLOUD_API_KEY
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      models:
8        - id: deepseek-ai/deepseek-v4-flash-0731
9        - id: deepseek-ai/deepseek-v4-pro
10        - id: deepseek-ai/deepseek-v3.2
11

bashCopy
1export ATLASCLOUD_API_KEY=sk-...
2

提供者區塊接受任何 OpenAI 相容的端點：你自己的閘道、本機 vLLM 伺服器或託管服務。上述範例使用 一個託管的 DeepSeek 端點，因為其模型 ID 和請求架構與第一方 API 相符，因此切換回去只需一行 baseURL 變更，其餘配置保持不變。

如果你偏好點擊操作，網頁 UI 有自訂提供者表單。它需要提供者 ID（小寫、永久）、顯示名稱、基礎 URL、API 協定、API 金鑰憑證，以及至少一個模型。儲存後，你會得到一個經過遮蔽的描述符，永遠不會顯示實際秘密。

一個實務上的小陷阱：UI 的「提取可用模型」按鈕會呼叫端點的 GET /models，而沒有該路由的端點需要手動輸入模型 ID。我直接檢查了這個端點：它會回應 /v1/models 並返回上述三個 DeepSeek ID，但其 JSON 封裝與 OpenAI 的清單格式不完全相同。因此，如果提取結果為空，不要假設提供者壞了。直接按上述方式輸入三個 ID，這是一個完全支援的路徑。

DeepSeek Harness 模型選擇器，展開自訂提供者，顯示從 settings.yaml 提供者區塊載入的三個 DeepSeek 模型 ID

步驟 5 完成：自訂提供者的 DeepSeek 模型可與內建模型一起選取。

步驟 6：讓帳單可見。

bashCopy
1dsh plugin --profile web add github:Han-1413141/dsh-cost-meter
2

你會得到每次對話和每日成本、預算與使用百分比、官方餘額，以及歷史儀表板。任何目錄頁面都不會告訴你的關鍵細節：它有一鍵同步官方價格的功能，包括尖峰和離峰層級。如果你透過自己的提供者運行，請設定你的實際費率，否則面板會根據別人的價格表進行正確的計算。

如果你想要的是 token 結構而非金額，dsh-token-usage 變體提供熱圖和按模型細分，而 dsh-context 則顯示上下文視窗本身的組成：每次請求的歷史記錄、壓縮和注入事件，以及每則訊息的 token 統計。最後一個功能可以讓你找出你的 47K 輸入 token 是來自專案檔案、對話歷史，還是相同的指令載入了兩次。

步驟 7：將規劃與執行分開。

bashCopy
1dsh plugin --profile web add github:BruceLanLan/dsh-tier-router
2

兩層路由：強層負責規劃、建議和審查，便宜層負責執行。它支援計劃模式感知、對高影響動作有升級防護、失敗時自動升級，也會對子代理分層。具體來說，將規劃器綁定到 V4 Pro，執行器綁定到 V4 Flash。考慮到表 1 中的費率差距，這是對抗框架上下文消耗最有效的單一槓桿，比任何手動提示詞修剪都更有效。

步驟 8：執行真實任務並檢查收據。

將以下內容貼到指向一個 Express 專案的對話中：

textCopy
1為這個 Express 應用程式加入請求範圍的結構化日誌：建立一個中介軟體，為每個請求附加一個 UUID 請求 ID，將方法、路徑、狀態和持續時間以 JSON 格式記錄，將請求 ID 傳播到所有現有的日誌呼叫中，並為該中介軟體加入單元測試。不要變更任何路由處理器的簽名。在編輯前先顯示計劃。
2

這是一個中等大小的任務：多檔案、有測試需求、有代理可能違反的約束條件，並要求先顯示計劃，這樣你可以觀察路由器如何在層級之間切換。當回合完成後，閱讀成本計量面板，記錄輸入、輸出和快取 token 以及耗時。然後在模型選擇器中切換提供者，並在相同的提交上再次執行。第二次執行就是你安裝步驟 5 到 7 的全部原因。

DeepSeek Harness 對話完成，顯示計劃、中介軟體編輯的工具呼叫軌跡，以及通過的單元測試

步驟 8 完成：計劃、編輯和測試都在一個僅追加的軌跡中，你可以向上滾動回顧。

不同角色的 DeepSeek Harness 外掛

七件式堆疊是基礎。你在上面加什麼取決於你實際做什麼，而社群清單的十四個類別大致對應到不同的角色。

• 研究與寫作。 xiehuan123/dsh-deepread 提供五種閱讀模式，附帶主張-證據-數據報告和 Mermaid 或 XMind 心智圖，還有預算預檢。搭配 bowenliang123/dsh-context 以獲得可見性，以及 flymysql/dsh-memory 用於跨對話的儲存庫。
• 前端與設計。 AKS1st/dsh-mermaid 將 Mermaid 圍欄渲染為遵循主題的經過消毒的 SVG。omdsh-dev/dsh-genui 在回覆中內嵌渲染互動式元件，包括圖表、表單和 3D 場景，並有事件循環回饋給模型。
• 團隊與稽核。 dfycaly98931680/dsh-trajectory-governance 將平面對話日誌重建為分支樹，並標記循環死結、無效重試和目標漂移，附帶成本歸屬。DamonKoy/dsh-secret-redactor 在工具結果被模型看到之前，遮罩 API 金鑰、token、JWT 和私鑰。JohnXu22786/secret-guard 直接封鎖對 .env 和金鑰材料的讀取和寫入。
• 終端機使用者。 kouyichi/dsh-tui-app 是一個完整的基於 Ink 的終端機聊天客戶端，附帶工具卡片、工作面板、軌跡重播和多對話分頁。s3yf1337/dsh-desktop 將網頁表面包裝在原生 Tauri 視窗中。
• 本地模型。 NOirBRight/dsh-llm-ollama 是一個原生 Ollama 聊天適配器，支援模型發現，因此步驟 5 的提供者技巧也適用於你自己機器上的模型。
• 韌性。 aokamoaki/dsh-startup-guard 預檢外掛組合、對主機 apply() 進行冒煙測試，並隔離導致崩潰的套件，這樣一個損壞的外掛就不會阻塞啟動。對於預覽階段的框架來說，這並不像聽起來那麼多疑。

運行 DeepSeek Harness 外掛堆疊的成本

讓我對接下來的內容保持精確。這些是根據公布的費率卡計算的，而非來自我實際測量的運行。Token 數量借用自前面引用的第三方測量，輸出數量則是我明確說明的假設。

取一次回合，有 47.6K 未快取輸入 token（來自該初步比較的 dsh 數據），並假設 8K 輸出 token。

表 3：一次 47.6K 輸入、8K 輸出的回合，根據公布費率計算

這張表中有三件事比總計更值得注意。

首先，Flash 固定費率比任何官方層級都便宜，而輸出方面與尖峰相比差距約 4.7 倍。其次，Pro 固定費率的輸入價格 高於 官方尖峰快取未命中，因此以 Pro 為主的負載並不一定更適合離開第一方 API。第三，也是最重要的：如果那 47.6K 輸入是快取命中而非未命中，官方定價將根據時間收費約 $0.0003 到 $0.0007。幾乎免費。快取命中率真正高的負載在 DeepSeek 自己的 API 上可能最便宜，毋庸置疑。任何告訴你託管端點普遍更便宜的貼文，都沒有讀過自己的費率卡。

還有一個沒人提到的時區問題。尖峰時段是 UTC 01:00-04:00 和 06:00-10:00，也就是北京時間 09:00-12:00 和 14:00-18:00，即中國的工作日。舊金山開發者的朝九晚五完全落在離峰時段。柏林開發者的早晨則完全落在尖峰時段。你的所在地決定了表 3 的哪一欄描述了你的實際月份。

三個槓桿真正能改變數字，按效果順序排列：分層路由，讓昂貴的模型只負責規劃；批次工具呼叫，讓每次回合攜帶更少的上下文往返；以及打開 dsh-context 找出什麼佔滿了視窗。從第三個開始。那個重複的 CLAUDE.md 和 AGENTS.md 錯誤確實使某些使用者的系統提示詞加倍，而沒有數量級的路由技巧能修復一個你看不見的問題。

安裝前須知：信任與授權

外掛程式碼在你的 Node 行程中、以你的權限運行，且工具核准不會沙箱化它。這不是假設。框架設計上會讀取你的儲存庫和你的憑證檔案，而外掛生活在同一個邊界內。社群清單本身的標準明確表示，列出「並非安全審查」，僅證明該外掛可安裝且其一行描述的功能確實有效。

實務態度：安裝前使用 dsh-poison-guard 掃描，偏好那些你能一次看完原始碼的外掛，並在沒有生產金鑰的地方嘗試不熟悉的外掛。

關於授權，dsh 本身是 MIT 授權。個別外掛則不是。它們是獨立的儲存庫，擁有自己的授權，一個寬鬆的核心並不能說明你剛從 GitHub 規格拉取的外掛。如果你要安裝到任何商業環境中，請逐一閱讀。

關於 DeepSeek Harness 外掛的常見問題

如何安裝 DeepSeek Harness 外掛？

執行 dsh plugin --profile <name> add <spec>。該指令會將參數轉發給該設定檔目錄內的 pnpm，因此有效的規格包括 npm 套件名稱、github:owner/repo（可選 #ref），以及用於本地開發的 link:/absolute/path。--profile 值必須與你實際啟動的設定檔相符。如果外掛包含主機端元件，則需要重新啟動行程，而不僅僅是重新載入頁面。

我的 DeepSeek Harness 外掛安裝了但沒有顯示。為什麼？

四個原因，按可能性排序。你安裝到了與你啟動的不同的設定檔。瀏覽器提供的是快取的 UI，需要強制重新整理。外掛涉及 Node 主機，需要重新啟動行程。或者套件從未進入組合配置，dsh --profile <name> --dump-config 會用一個指令告訴你。

我可以將 DeepSeek Harness 與非 DeepSeek 模型或第三方端點一起使用嗎？

可以，而且這是一個配置變更，而非外掛。在 llm-pi-ai 下，新增一個提供者，設定 api: openai-completions 和你的 baseURL，列出至少一個模型 ID，並透過 apiKeyEnv 或 $DSH_HOME/.credentials.yaml 引用金鑰。對於你本機上的模型，dsh-llm-ollama 提供了一個原生 Ollama 適配器，支援模型發現。

DeepSeek Harness 外掛安裝安全嗎？

把它們當作任何具有檔案系統和網路存取權限的 npm 依賴項，因為它們就是如此。外掛程式碼在你的 Node 行程中、以你的權限運行，且工具核准不會沙箱化它。安裝前使用 dsh-poison-guard 掃描，使用 dsh-plugin-doctor 驗證清單和建置，並使用秘密遮罩器或防護外掛，確保形似憑證的字串永遠不會到達模型。

DeepSeek Harness 是否已準備好用於日常編碼工作？

老實說，對大多數人來說還沒有。它是一個開發者預覽版，其 README 承諾會有破壞性相容性變更，第三方外掛相容性目前很差，且其上下文消耗很高。如果你正在建置代理基礎設施、需要可稽核的執行軌跡，或想要更換代理循環本身，它會非常適合。對於日常交付，請繼續使用你現有的工具並關注這個。

為什麼 DeepSeek Harness 使用了這麼多 token？

部分原因是設計，部分原因是錯誤。設計上的成本是真實的：一個僅追加的日誌記錄模型所見的一切，積極的上下文注入，以及子代理排程。錯誤方面則是可以修復的，一個已確認的案例是 dsh 同時讀取 CLAUDE.md 和 AGENTS.md，並在內容相同時使系統提示詞加倍。透過分層路由、更少但更肥的工具呼叫，以及使用 dsh-context 查看實際組成來減輕影響。