DeepSeek Harness 日活154万、插件3.5万:Agent 正在走向平台化

DeepSeek Harness 日活154万、插件3.5万:Agent 正在走向平台化

作者注:DeepSeek Harness 开源后迅速积累了用户和第三方插件,官方也开始建设插件市场和开发者支持体系。Agent 正在从单一工具走向开放式平台。

DeepSeek 官方于 2026 年 11 月 5 日公布了 Harness 的产品进展。截至 11 月 4 日,按使用 DeepSeek 官方 API 的用户统计,DeepSeek Harness 日活跃用户达 154 万,单日消耗 Token 约 92 万亿,社区第三方插件约 3.5 万个。活跃用户中,约 60% 安装或制作过至少一款第三方插件。从 8 月 13 日发布开发者预览版算起,这一规模在不足三个月内形成。我们的核心判断是:Harness 的价值已经超出“提供 Agent 运行能力”,它开始连接模型、工具、插件开发者和用户。官方负责通用基础设施,第三方开发者持续创造专业功能,Agent 正在走向平台化。

下文分三部分展开。第一部分整理官方数据的增长过程和统计口径,说明 154 万日活、92 万亿 Token 与 60% 插件参与率分别代表什么。第二部分拆解“一切皆插件”的架构,并梳理社区已经做出的真实插件。第三部分区分已实现的插件分发能力和官方正在筹备的市场与激励计划,再分析生态走向成熟需要解决的问题,以及开发者和 API 服务平台可以在哪些位置参与。

deepseek-harness-1-54m-dau-35k-plugins-agent-platform-image-0


To Know:理解 DeepSeek Harness 平台化的关键术语

术语 解释
AI Agent 能够调用工具、连续完成多步骤任务的 AI 系统
Harness 管理 Agent 执行过程、工具、上下文和工作环境的运行框架
DAU Daily Active Users,每日活跃用户数
Plugin 为软件增加功能的扩展组件,可单独安装、启用和卸载
Cordis DeepSeek Harness 底层采用的可组合插件框架
CLI 通过命令行操作程序的交互方式,各类编码 Agent 多以 CLI 形式提供
Context 模型当前用来理解和处理任务的全部信息,包括对话、工具说明和文件内容
SDK 帮助开发者调用平台能力的软件开发工具包
Token Incentive 以模型调用额度等形式奖励开发者的机制
Plugin Index 插件索引,提供插件名称、作者、版本、兼容范围和安装来源
Plugin Marketplace 官方规划中的插件市场,用于发现、安装、更新和分发插件
间接提示词注入 攻击者把恶意指令藏在网页、文件等外部内容中,诱导 Agent 执行

1 DeepSeek Harness 的增长有多快

1.1 DeepSeek Harness 官方首次公布用户规模

事实部分:DeepSeek Harness v0.1 于 2026 年 8 月 13 日发布并同步开源,采用 MIT License。上线约一天,GitHub Star 超过 5 万;9 月 29 日推出桌面版。截至 11 月 15 日,官方仓库显示约 28.11 万 Stars、3.47 万 Forks,最新版本为 11 月 13 日发布的 v0.2.2-rc.3。

官方披露的日活数据如下,三个节点的统计窗口各不相同:

统计节点 数据 统计口径
2026-09-30 日活 27.1 万 7 日平均值
2026-10-07 日活 42.9 万 官方披露的阶段数值
2026-11-04 日活 154 万 单日数据
2026-11-04 约 92 万亿 Token 单日消耗
2026-11 月初 约 3.5 万个 第三方插件数量
2026-11 月初 约 60% 活跃用户中安装或制作过至少一款第三方插件的比例

官方明确说明,154 万 DAU 和 92 万亿 Token 以使用 DeepSeek 官方 API 的用户为统计范围。27.1 万是 7 日均值,154 万是单日值,两者适合用来观察趋势,用来计算精确增长率则口径不统一。以上数据均为企业自报,公开资料中没有第三方审计。

deepseek-harness-1-54m-dau-35k-plugins-agent-platform-image-1

1.2 154 万日活与 92 万亿 Token 反映 Agent 的用量特征

分析部分:Agent 与单轮聊天的用量结构差别很大。一次 Agent 任务通常包含规划、调用工具、读取结果、再次推理的循环,同一个任务会触发多次模型调用,每次都要携带工具说明、历史步骤和文件内容。因此,日活与 Token 总量之间的比例远高于普通对话产品。

92 万亿 Token 体现的是 Harness 用户群体整体的执行强度。单日总量合并了长任务、短任务和各种模型档位,资料没有给出用户分布和计费拆分,所以这项数字适合说明用量规模,用于推算平台收入或单个用户的典型成本则缺乏依据。

1.3 3.5 万个插件与 60% 的插件参与比例

3.5 万个第三方插件说明,开发者已经围绕各自的需求大量扩展产品功能。约 60% 的参与比例说明,插件在活跃用户中已经是主流用法,用户普遍在官方默认能力之外主动加装功能。

需要准确理解的是,这个 60% 合并了“安装”和“制作”两类行为。它衡量的是插件能力的渗透程度,开发插件的用户只占其中一部分,具体比例官方没有公布。


2 一切皆插件:DeepSeek Harness 的开放架构如何工作

2.1 Harness 中的模型、工具、记忆和界面都可替换

传统 Agent 产品通常由厂商预先决定用哪个模型、提供哪些工具、如何管理记忆和上下文。DeepSeek Harness 的核心设计是 Everything is a Plugin:模型适配器、工具、Skills、存储、会话管理等运行模块都拆成可组合的插件,界面和交互能力也能通过插件扩展。

官方提供 TypeScript 插件开发方式。一个基本插件包含插件名称、apply 函数、上下文对象 ctx 和依赖声明 inject。开发者通过 ctx 注册工具、事件监听和其他服务;插件卸载时,框架自动清理通过上下文注册的事件、工具和定时器,额外资源可用 ctx.effect() 管理。

这套机制的理论基础是 Cordis。相关论文于 2026 年 8 月 26 日提交 arXiv,提出两项能力:

  • 时间维度可组合性:组件移除时,可以撤销它产生的副作用。
  • 空间维度可组合性:组件声明依赖关系,根据上下文变化动态激活或停用。

借助可逆副作用、响应式依赖和热模块替换,插件可以在 Harness 运行中被安装、停用和热重载,这是大规模第三方扩展能够成立的工程前提。

deepseek-harness-1-54m-dau-35k-plugins-agent-platform-image-2

2.2 开放架构让 Harness 承接不同场景

分析部分:插件化把“搭建一个 Agent 平台”拆成了“在现成平台上补一块能力”。开发者无需从零实现执行循环、会话管理和界面,只需要专注自己熟悉的那一段工作流。用户则按任务组合插件,把通用 Agent 改造成专用工作台。

Harness 还内置了创造模式,用户可以用自然语言描述需求,让 Agent 自行创建和配置插件。澎湃新闻 8 月的实测中,测试者让 Harness 创建一个文章事实核查 Agent,耗时约 11 分钟,之后可以作为独立预设调用。插件的制作门槛因此进一步降低,这也有助于理解 60% 参与率的形成。


3 DeepSeek Harness 社区已经做出的真实插件

以下案例来自官方社区进展文章和项目作者材料,均为社区维护项目。

插件 作者 场景 核心能力
dsh-media-desk 社区 自媒体创作 灵感记录、脚本、封面、分镜整合到一个工作台
dsh-guizang-design 社区 设计与排版 文章转网页、图文卡片、封面生成、作品与风格复用
dsh-context 社区 上下文洞察 展示 Agent 使用了哪些上下文及其变化
dsh-aio-agent cocofhu 多编码 Agent 统一入口 接入 Cursor、Claude Code、Codex、OpenCode、CodeBuddy、Kimi Code
dsh-ltm tr1v3r 长期记忆 SQLite 本地存储、CJK 检索、按项目召回、去重与合并
TheOne YunongDai2005 跨话题会话管理 自动判断话题并路由到对应会话与项目工作区
agentero-dsh 社区 科研阅读 论文阅读、高亮、翻译、笔记、AI 辅助研究

3.1 自媒体创作与设计插件

dsh-media-desk 把灵感、脚本、封面和分镜串成一条内容生产线,创作者在同一个 Agent 工作台里完成从选题到成片素材的准备。dsh-guizang-design 把设计和文字润色类 Skills 打包为插件,支持文章转网页、图文卡片和封面生成,并能保存作品、复用设计风格。两者共同的特点是,把原本散落在多个工具中的步骤收拢成连续工作流。

3.2 dsh-aio-agent:多编码 Agent 进入同一个 Harness 工作台

dsh-aio-agent 把 Cursor、Claude Code、Codex、OpenCode、CodeBuddy、Kimi Code 等编码 Agent 的命令行程序接入 Harness,作为可选择的会话模式。插件调用本机实际安装的 CLI,各工具保留自己的模型和对话上下文。

这个案例的意义在于,Harness 可以充当多个 Agent 的统一交互层。用户在一个界面里切换不同编码工具,不必在多个终端之间来回操作,Harness 的角色由此从“一个 Agent”变成“Agent 的工作台”。

3.3 长期记忆与跨项目管理

dsh-ltm 为长期工作的 Agent 提供本地结构化记忆。它用 SQLite 存储,支持中文等 CJK 语言检索,按项目范围召回,并提供重复识别、修改、合并、过期复核和迁移。检索基于 BM25 和字符 n-gram,不强制依赖外部 Embedding 服务,部署成本低。

TheOne 解决的是另一个问题:用户同时推进工作、编程、研究等多个长期项目时,会话容易混杂。它提供统一聊天入口,由模型判断消息主题,再路由到对应的独立会话并组织为项目工作区,支持错误归类的调整和撤销。作者在官方 GitHub Discussions 中说明,TheOne 是独立维护的社区插件。

3.4 agentero-dsh:科研与专业工作流

agentero-dsh 把文献管理和 Agent 结合,支持论文阅读、高亮、翻译、笔记和 AI 辅助研究。这类垂直插件说明,专业领域的深度需求正在由懂行业的开发者补齐,官方平台无需逐一覆盖。


4 DeepSeek Harness 从插件集合走向开发者平台

4.1 Harness 插件如何发布、发现和安装

已实现的能力:插件可以通过 npm 包或 Git 仓库分发,官方建议为 GitHub 插件仓库添加 dsh-plugin Topic 提高可发现性。Harness 已支持插件索引,提供名称、介绍、作者、版本列表、分类标签、兼容版本、安装来源和更新状态。用户可以搜索筛选,系统默认推荐与当前 Harness 兼容的稳定版本,兼容条件允许时也可以选择历史版本。

官方文档同时说明了索引的验证范围:标题、作者、描述等信息由索引维护者提供,Harness 只检查文件格式;安装时会展示软件包、Git 仓库和版本来源,由用户确认。因此,插件索引解决的是发现和安装,第三方插件的来源与权限仍需用户自行审查。

4.2 官方插件市场与 Token 激励

类别 内容 状态
插件分发 npm、Git 分发,插件索引,搜索分类 已实现
版本管理 兼容性检查、更新、启停、卸载、热重载 已实现并持续迭代
插件 API 提升稳定性与兼容性 官方计划
安全机制 完善插件审核与安全控制 官方计划
官方插件市场 更完整的发现、分发与发布体验 筹备中,规则与上线时间未公布
作者支持 Token 激励、技术交流、作品推荐与曝光 筹备中,已开放意向报名
生态合作 鼓励创业团队和企业以插件接入产品与服务 官方方向

官方提出的长期定位,是让 Harness 成为 Agent 时代的操作系统:平台提供通用基础能力,专业场景和个性化需求由开发者通过插件实现。Token 激励的具体资格、分配机制和标准将在后续公布。

分析部分:Token 激励直接对应插件作者最现实的成本。插件开发和测试本身就要大量调用模型,用调用额度加上推荐曝光来支持作者,是让插件持续维护的直接手段。

4.3 开发者与企业参与 Harness 生态的方式

以下机会由现有插件机制推导得出,官方尚未公布商业收益数据:

  • 独立开发者:把擅长的垂直任务做成插件,如财务整理、科研管理、代码评审、内容生产。
  • 企业软件团队:把已有服务和 API 封装为 Agent 可调用的工具,降低用户使用门槛;也可在内部封装业务能力,供指定团队使用。
  • 专业服务提供者:把行业流程、数据处理或专业知识产品化,通过 Harness 交付给用户。
  • API 平台:为不同 Agent 和插件提供模型调用与工具服务,位于整个生态的底层。

5 DeepSeek Harness 平台化之后的关键竞争

5.1 插件数量增长带来质量与兼容管理需求

InfoQ 11 月 10 日的报道记录了社区反馈。有用户在安装 15 个以上插件后遇到 Agent 无限循环、上下文溢出和 Token 消耗上升,原因之一是工具说明占用了大量上下文,加重了模型选择工具的负担。另一位 Windows 用户从 v0.2.1-rc.5 升级到 v0.2.2-rc.1 后,32 个第三方及本地插件条目丢失,本地化插件与新版不兼容导致启动失败,由于缺少更新前自动备份和回滚,恢复环境耗时约 5 小时。

这些属于个别用户反馈,但指向同一个结论:插件越多,平台越需要治理能力。Harness 后续版本持续加入的依赖管理、版本检查、热重载、长对话压缩、Token 统计和安装失败诊断,正是对这些问题的回应。

5.2 形成稳定的 Harness 插件生态需要的条件

结合现有资料,稳定生态至少需要五项条件:

  1. 插件发现:用户能快速找到质量可靠、有人维护的插件,而不只是数量多的插件。
  2. 版本管理:兼容性检查、配置备份和回滚,保护长期使用的工作环境。
  3. 安全控制:腾讯朱雀实验室对 Harness 做过 14,560 次受控执行的间接提示词注入评估,部分攻击方式成功率达到 16%—25.5%。该实验只测试了一个版本、一个模型后端,且未启用提示词加固,结果用于说明风险方向,不能直接换算为日常攻击概率。它提示平台需要在不可信内容与敏感工具执行之间加入控制。
  4. 持续维护:插件的维护状态、权限边界和真实使用人数需要透明展示。
  5. 激励机制:Token 激励和曝光推荐让优秀作者有动力长期迭代。

5.3 Harness 下一阶段的发展方向与 API 平台的位置

Harness 正在形成清晰的分工:官方平台提供执行框架、插件规范、分发和安全基础,社区持续扩展应用场景。下一阶段的竞争重点会从“插件有多少”转向“插件好不好用、稳不稳定、贵不贵”。

模型调用位于这个生态的最底层。Harness 的模型提供商配置支持自定义 API Key、Base URL 和协议,可接入中转服务、公司 API 网关或自建模型服务。API易 提供多协议统一网关,能够作为 Harness 中的独立模型提供商。API易 在 10 月 21 日上线了 DeepSeek 独立 Search 与 Fetch 工具接口(deepseek-search、deepseek-fetch),可供 Agent 和插件自行编排搜索与网页抓取。需要区分的是,DeepSeek 11 月 13 日开放的模型内置服务端工具,在 Harness 等客户端中的兼容工作,API易 仍在后续规划中。


在 DeepSeek Harness 中接入 API易 模型提供商

Harness 的自定义模型提供商配置项包括 API Key、Base URL、模型名称、API 协议、上下文长度、最大输出 Token、图片输入能力和推理等级,支持 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Gemini API 四种协议。对应的 API易 地址如下:

Harness 中选择的协议 API易 Base URL 说明
OpenAI 兼容 https://api.apiyi.com/v1 适配最广,推荐优先使用
Anthropic 原生 https://api.apiyi.com 用于 Anthropic Messages 协议
Gemini https://api.apiyi.com/v1beta 用于 Gemini API 协议

在 Harness 里配置之前,可以先用几行代码确认 Key 和模型 ID 可用:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 OpenAI 兼容接口
)

resp = client.chat.completions.create(
    model="your-model-id",  # 以 API易 控制台模型列表为准
    messages=[{"role": "user", "content": "用一句话说明什么是 Agent Harness"}]
)
print(resp.choices[0].message.content)
查看多模型连通性检查脚本
import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 与 Harness 中填写的 Base URL 保持一致
)

# 计划在 Harness 中配置的模型 ID,以控制台实际列表为准
MODELS = ["model-id-a", "model-id-b"]

def check(model: str) -> None:
    start = time.time()
    try:
        r = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": "ping"}],
            max_tokens=16,
        )
        cost = time.time() - start
        print(f"[OK] {model} {cost:.2f}s -> {r.choices[0].message.content!r}")
    except Exception as e:
        print(f"[FAIL] {model}: {e}")

for m in MODELS:
    check(m)

🚀 配置建议:先在 API易 apiyi.com 获取 API Key 和免费测试额度,用上面的脚本确认模型可用,再到 Harness 的模型提供商设置中填写 Base URL、模型名称和协议。插件较多时,建议同时调小单次注入的工具数量,控制上下文成本。


常见问题 FAQ

Q1:DeepSeek Harness 的 154 万日活怎么理解?

这是截至 2026 年 11 月 4 日的单日数据,统计范围为使用 DeepSeek 官方 API 的 Harness 用户。9 月 30 日的 27.1 万是 7 日均值,两者口径不同,适合观察趋势。

Q2:60% 的用户都在开发插件吗?

该比例统计的是安装或制作过至少一款第三方插件的活跃用户,合并了两类行为,反映插件能力的渗透程度。开发者的具体占比官方没有公布。

Q3:DeepSeek Harness 官方插件市场上线了吗?

目前已上线的是插件索引、npm 与 Git 分发、兼容性检查等能力。官方插件市场和 Token 激励仍在筹备,完整规则、收益分配和上线时间尚未公布。

Q4:DeepSeek Harness 能接入第三方模型 API 吗?

可以。Harness 支持自定义 API Key、Base URL 和四种协议,可把中转服务或企业网关配置为独立提供商。通过 API易 apiyi.com 可以用一个 Key 调用多家主流模型,方便在 Harness 中对比不同模型对插件任务的完成效果。

Q5:API易 支持 DeepSeek 11 月 13 日发布的全部应用工具吗?

API易 已于 10 月 21 日上线 DeepSeek 独立 Search 与 Fetch 接口,按成功调用次数计费,不消耗模型 Token。模型对话中内置的 deepseek_web_search、deepseek_read_url 等服务端工具,在 Harness、Claude Code 等客户端中的兼容支持仍在后续规划中。

Q6:安装大量插件有什么风险?

主要有三类:工具说明占用上下文、推高 Token 消耗;版本升级可能导致插件不兼容;第三方插件索引信息未经真实性审核。建议按任务精简插件,升级前备份配置,并核对插件来源与权限。


DeepSeek Harness 平台化核心要点 Key Takeaways

  • 用户规模:官方 API 用户口径下,11 月 4 日日活 154 万,单日 Token 约 92 万亿。
  • 插件生态:第三方插件约 3.5 万个,约 60% 活跃用户安装或制作过插件。
  • 架构基础:一切皆插件,基于 Cordis 实现动态组合与热重载。
  • 社区应用:覆盖内容创作、设计、多编码 Agent 统一入口、长期记忆、科研阅读。
  • 官方计划:插件市场、安全机制与 Token 激励处于筹备阶段。
  • 竞争重心:从插件数量转向质量、兼容性、安全与上下文成本治理。
  • 模型接入:Harness 支持自定义提供商,可配置 API易 多协议网关作为模型来源。

总结

DeepSeek Harness 用不足三个月完成了从开源工具到开发者生态的跨越:

  1. 增长:官方 API 用户口径日活从 9 月底的 27.1 万(7 日均值)升至 11 月 4 日的 154 万。
  2. 生态:3.5 万个第三方插件和 60% 的插件参与率,说明用户已普遍按需扩展 Agent。
  3. 平台化:插件索引已经可用,官方市场与 Token 激励正在筹备,官方提供基础设施、社区补齐专业场景的分工已经成形。

对开发者而言,现在适合把熟悉的垂直工作流做成插件,同时关注插件 API 稳定性和官方市场规则的后续公布。需要为 Harness 或插件准备模型调用能力时,可以通过 API易 apiyi.com 快速接入多家模型并对比效果。


📚 参考资料

  1. DeepSeek Harness GitHub 仓库:源码、Releases 与社区讨论
  2. 链接: github.com/deepseek-ai/deepseek-harness
  3. 说明: 版本动态、插件开发者讨论与项目协议

  4. DeepSeek Harness 插件索引文档:插件发现、安装与验证范围

  5. 链接: deepseek-harness.github.io/deepseek-harness/guide/plugin-market
  6. 说明: 了解索引字段、兼容版本与来源确认机制

  7. DeepSeek Harness 模型提供商配置:自定义 API 接入方式

  8. 链接: deepseek-harness.github.io/deepseek-harness/guide/providers
  9. 说明: 四种协议与各配置项说明

  10. Cordis 技术论文:时空可组合性编程范式

  11. 链接: arxiv.org/abs/2608.25512
  12. 说明: 理解一切皆插件架构的理论基础

  13. InfoQ:Harness 日活154万与插件生态反馈

  14. 链接: infoq.cn/news/Y7lTO7Q1M8oN5JhxhirK
  15. 说明: 插件上下文成本与升级兼容问题的社区反馈

  16. API易 DeepSeek Search & Fetch 文档

  17. 链接: docs.apiyi.com/api-capabilities/deepseek-search-fetch/overview
  18. 说明: 独立搜索与网页抓取接口的调用方式、分组与计费

作者:APIYI 技术团队
技术交流:欢迎在 API易 apiyi.com 网站首页联系我们,更多接入资料可查阅 API易 文档中心

延伸阅读

类似文章