AI Agent 领域迎来重磅更新！DeepSeek 官方正式开源全新 Agent 运行时框架 **DeepSeek Harness**（dsh），并同步上线旗舰模型 **DeepSeek V4 Pro**（0813 版本），不仅在 Terminal Bench 与 SWE 自动化测试中刷新记录，更凭借插件化架构直接对标开源与商业级 Agent 基础设施。
#一、 DeepSeek V4 Pro 与 Harness 架构亮点
DeepSeek V4 Pro 采用了 1.6T 总参数量、49B 激活参数的 MoE 架构，并在推理层挂载了 DSpark 投机采样模块，支持 low、high、max 三档思考强度设置。
| 核心维度 | DeepSeek V4 Pro 规格与特性 |
|---|---|
| **模型架构** | 1.6T MoE 架构，49B 激活参数，支持 DSpark 投机解码加速 |
| **上下文窗口** | 262K Context，支持极长代码库分析 |
| ** reasoning_effort** | 可调思考深度（low / high / max），最高可吐出 384K 推理 token |
| **Harness 核心** | 基于 Cordis 插件系统，一切能力（工具、会话、沙箱）均可插件化扩展 |
| **运行模式** | Full 模式（含 Shell/Web 搜索）、Code 模式、Minimal 模式、Creator 模式 |
 二、 DeepSeek Harness 本地部署指南
DeepSeek Harness 提供本地 Web UI 与 CLI 控制台，默认运行在 3018 端口。
### 1. 源码克隆与环境安装
```bash
# 克隆仓库
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness

# 安装依赖与项目
pip install -e .

```
### 2. 启动服务与初始化
配置 DeepSeek API Key 后即可启动本地 Agent Web 控制台：
```bash
# 启动 Harness 本地服务
ds web --port 3018

```
启动后在浏览器打开 http://localhost:3018，按照提示输入 API Key 并绑定工作区目录（Workspace）即可完成初始化。
三、 V4 Pro 模型 API 调用与 Agent 实测
DeepSeek V4 Pro 提供了全新的消息编码方式，支持在 API 层灵活调控推理力度 reasoning_effort。
```python
import transformers
from encoding_dsv4 import encode_messages, parse_message_from_completion_text

# 1. 构造多轮 Agent 对话消息
messages = [
    {"role": "user", "content": "请分析当前目录下的 Python 项目结构，并自动修复未捕获的异常。"},
    {
        "role": "assistant",
        "content": "正在扫描项目文件...",
        "reasoning_content": "分析目录树 -> 定位 main.py -> 查找异常捕获逻辑"
    },
    {"role": "user", "content": "定位到 main.py 源码，请直接重构。"}
]

# 2. 编码 Prompt 并设置推理模式（设置为 max 以获取最强 Agent 表现）
prompt_str = encode_messages(
    messages, 
    thinking_mode="thinking", 
    reasoning_effort="max"
)

# 3. Tokenizer 编码输入
tokenizer = transformers.AutoTokenizer.from_pretrained("deepseek-ai/DeepSeek-V4-Pro-0813")
input_tokens = tokenizer.encode(prompt_str)

print(f"生成的 Prompt token 长度: {len(input_tokens)}")

```
在实际代码自动化（DeepSWE）测试中，切换至 max 模式后，V4 Pro 能够自主完成补丁生成、 Shell 单元测试运行及错误自我修正闭环。
 四、 部署与使用建议
 权限隔离：Harness 提供了 4 级权限划分（Read-only、Limited、Full 等），在生成环境中建议优先在 Docker 沙箱中开启 Shell 执行权限。
 参数调优：运行代码 Agent 任务时，官方推荐设置 temperature = 1.0，top_p = 0.95，配合 reasoning_effort="max" 能发挥最佳长推理性能。
 模型选择：日常轻量编码推荐结合 Flash 版本以平衡响应速度与成本，而在复杂多 Agent 协同任务中推荐直接上 V4 Pro 全力输出。