DeepSeek Harness 实战体验：这些发现让我眼前一亮

过去两周，我深度体验了 DeepSeek Harness（以下简称 DSH）这款开源的 Agent 开发框架。在实际使用中，它展现出的几个特性超出了我的预期——从缓存机制到定制能力，从模型切换到工作界面，每个环节都有让人眼前一亮的细节。本文将这些发现整理成篇，希望为正在关注 AI 开发工具的朋友们提供一些参考。

极致的响应速度

DSH 最令我惊讶的性能指标是缓存命中率。在两次完整会话的测试中，输入 token 总量接近 8500 万（会话一 5750 万，会话二 2730 万），模型实际运行时间分别只有 30 分 25 秒和 20 分 4 秒，缓存命中率稳定在 99%。作为对比，我此前使用 Claude Code 配合 DeepSeek 官方 API 时，缓存命中率最高只达到过 97.8%。这意味着在复杂的多轮交互场景中，DSH 能够显著节省 token 消耗和推理成本。

AI 自动修复 bug：开源的独特优势

DSH 的响应速度同样令人印象深刻。测试中首次响应时间稳定在 2 秒左右，生成速度达到 136-140 tokens/s。这种流畅感一方面得益于 DeepSeek 官方接口本身的低延迟特性，另一方面也说明 DSH 的架构足够轻量——客户端资源占用小，没有给模型响应拖后腿。对于需要频繁交互调试的开发者来说，这种丝滑的体验直接影响了使用愉悦度。

多供应商模型的无缝切换

在 WSL（Windows Subsystem for Linux）环境下使用时，我遇到了一个报错：点击 DSH 生成的代码路径时触发 "path open failed: spawn powershell.exe ENOENT"。我将这个现象反馈给 DSH，它竟然直接生成了补丁并完成了修复。修复后的效果是点击文件路径会跳转到 VS Code 预览文件内容。这件事让我真切感受到开源协作的魅力——遇到问题不需要漫长等待官方响应，AI 本身就能成为修复工具的一部分。

多模态能力与工作界面的进化

日常使用中最省心的特性是 DSH 原生的多模型支持。传统工具切换供应商或新模型时往往需要手动维护列表，稍不注意就会错过版本更新。DSH 会自动拉取模型列表，我用了好几天的「V4-Pro」实际上是已经升级的 DeepSeek-V4-Pro-0813 版本。此外，Claude Code 的模型切换是全局性的，而 DSH 支持会话级切换——每个对话窗口可以独立选择不同的模型供应商，互不干扰，这在需要同时处理多个任务时非常实用。

如有侵权，请联系删除。