AI终于不只给建议了：我用DeepSeek Harness在Windows做了两个可交互Demo
开头
我平时折腾 AI 工具，最容易失去耐心的一种情况，就是它把方案说得头头是道，真到“帮我把文件改了”“把项目跑起来”这一步，又把活儿原封不动交回来。偶尔问个问题没什么，可一旦是连续改代码、做网页、跑 Demo，这种来回复制就很磨人。尤其是一个项目里文件一多，我既要把上下文解释给 AI，又要自己在本地找目录、粘代码、开终端，最后变成“AI 负责出主意，我负责跑腿”。
所以我这次试 DeepSeek Harness，真正想看的不是它能不能多说几句，而是它能不能在一个明确的工作目录里读文件、写代码、调用工具，再把结果跑出来。整篇我会从 Windows 本地安装开始，把 API Key、工作区和权限设置走一遍，然后连续做两个实际 Demo：一个八足蜘蛛运动页面，一个 3D 足球小游戏。
最后再把本地服务接到 cpolar，看看离开这台电脑以后能不能继续访问。对我来说，这篇的重点不是“AI 又多了一个新名词”，而是把从聊天到真正动手之间那几步完整跑一遍，也顺便看看这种 Agent 工作方式到底能不能减少我最烦的重复操作。我更想知道的，是它到底能不能把这些步骤连成一条不需要我反复接力的工作流。
一、我为什么会想试 DeepSeek Harness
很多 AI 工具第一次打开时都很惊艳，真正放进项目里之后，我更在意的反而是另一件事：它到底能不能把事情往前推。
比如我让它整理一个项目，如果最后只是告诉我“建议调整目录结构”，那它依然停留在回答问题；如果它能进入指定工作区，读取文件、修改代码、调用工具，再把结果跑起来，这才开始接近我理解里的 Agent。
DeepSeek Harness 吸引我的地方也在这里。它不是一个单独的大模型，而是负责把模型、工具、工作区、权限、记忆和任务循环串起来的运行层。
可以先把关系理解得简单一点：
大模型负责理解和生成，Harness 负责给它接上可以真正做事的工具和环境。
1.1 我更关注它这几个能力
| 能力 | 我的理解 | 更适合拿来做什么 |
|---|---|---|
| Agent 运行层 | 把模型、文件和工具串到一起 | 编程、自动化、项目处理 |
| 插件化设计 | 能力可以按需要组合 | 扩展工具、自定义 Agent |
| 工作区机制 | 先指定一个目录再开始干活 | 代码、网页、文档整理 |
| 权限控制 | 决定它能不能改文件、执行操作 | 审查、修改、实验任务 |
| 多种运行模式 | 根据任务复杂度切换 | 日常开发、多步骤任务 |
| 执行过程可见 | 能看到读了什么、调用了什么 | 调试、复盘、定位问题 |
我比较喜欢它的一点，是没有把“Agent 能做什么”完全锁死在一个固定界面里。对于愿意自己折腾工作流的人来说，插件化比功能列表写得多长更重要。
当然，这类工具和普通聊天产品最大的区别，也正是它的风险来源：一旦给了文件写入和命令执行权限，它就不只是“说错一句话”那么简单。所以我第一次测试时，更愿意先给它一个独立目录，等跑通之后再考虑真实项目。
1.2 哪些人会更容易用到它
如果只是聊天、查资料、写几段文字，普通 AI 已经够用了。DeepSeek Harness 更适合这些场景：
- 希望 AI 直接处理代码或文件；
- 想让它连续执行多步操作；
- 经常生成网页、原型或小工具；
- 想观察 Agent 调用了什么工具；
- 准备进一步折腾插件、自定义流程。
我自己更看重的是“少一点来回复制”。模型聪不聪明当然重要，但真正进入项目以后，能不能和文件、命令、工具接起来，才决定它到底能替我做多少事。
二、Windows 本地部署 DeepSeek Harness
2.1 安装前先准备这些
正式开始前，先把基础环境准备好：
| 准备项 | 说明 |
|---|---|
| Windows 电脑 | Windows 10 或 Windows 11 |
| 网络环境 | 安装依赖、访问官网、调用 API 都需要联网 |
| DeepSeek API Key | 用于模型调用 |
| 工作目录 | 建议单独新建测试目录 |
| 终端或 Agent 工具 | 用来执行安装和启动命令 |
这里我不会一上来就把真实项目目录交给它。先建一个空工作区，哪怕写乱了也好处理，这比后面再去追文件改动省心得多。
2.2 方式一：让已有 Agent 帮忙安装
如果电脑上本身已经有能执行命令的 Agent，可以直接让它帮忙处理安装。原来的操作是：
帮我安装 DeepSeek Harness https://www.deepseek.com/harness/
这种方式比较省手工步骤，但我还是会看它实际执行了什么。毕竟“让 AI 帮我装”不等于“可以完全不看”。
安装完成后，会看到相应的启动提示和本地 Web UI 地址。
2.3 方式二：按命令手动安装
如果更习惯自己掌握过程，也可以直接在终端操作。
先输入：
npx @deepseek-ai/dsh web
接着启动：
dsh web
如果启动之后页面打不开，我一般会先做三件事：
- 看终端进程是不是还在；
- 看终端实际输出的访问地址和端口；
- 再检查 Windows 防火墙或安全软件有没有拦。
我不太喜欢遇到问题就反复重装，先看终端输出，通常更快。
2.4 配置 DeepSeek API Key
接下来创建 DeepSeek API Key。
API Key 本质上就是模型调用凭证，所以这里最重要的不是“复制进去就行”，而是别顺手把它贴进公开截图、GitHub 仓库或者前端代码。
在 Harness 的模型配置位置填入 API Key，再按照当前页面选择模型和相应配置。
如果后面怀疑 Key 泄露，直接撤销旧 Key 再重新生成，不要抱着“应该没人看到”的侥幸心理。
2.5 单独创建一个工作目录
第一次用，我更建议先建一个测试目录。
然后在 Harness 中选中这个目录作为工作区。
后面不管是生成网页还是改文件，我都会先在这个目录里做。这样做有两个好处：一是内容比较干净，二是出了问题好回退。
三、真正开始用：先把权限和工作方式弄明白
3.1 我会先看这三个设置
进入任务区域后，最先需要确认的其实不是提示词，而是：
- 工作目录；
- 运行模式；
- 权限级别。
我这里使用的配置如下：
| 设置 | 推荐选择 | 适用说明 |
|---|---|---|
| 工作目录 | 测试项目目录 | 限定文件活动范围，便于管理和恢复 |
| 权限 | Workspace Write | 允许修改当前工作区，超出范围时请求确认 |
| 运行模式 | 标准模式 | 日常读取文件、改代码、运行命令和调用工具 |
如果只是分析代码，我会先用 Read Only；如果确实需要它直接改当前项目，再切到 Workspace Write。至于 Full Access，我不会为了省一个确认步骤就随手打开。
运行模式方面，界面里还提供了几种不同的运行思路：
标准模式适合日常读文件、改代码和执行命令；PTC 模式更适合工具调用多、步骤比较长的流程，通过脚本化方式把操作串起来；极简模式只保留基础命令执行和文件修改能力，更适合做能力边界测试；创造模式则偏向插件组合和自定义 Agent 的玩法。
我实际使用这类工具时，不会专门追求“最高级”的模式。能稳定把任务做完，比名字看起来厉害更重要。
四、第一次实测：让它做一个八足蜘蛛运动页面
4.1 提示词先把要求说清楚
第一个任务我直接上一个相对复杂的交互页面，而不是只让它做 Hello World。
帮我生成一个八足蜘蛛运动轨迹演示页面。画面中是一只 3D 八足机械蜘蛛，支持鼠标拖拽旋转视角、滚轮缩放、点击某条腿显示单独运动轨迹。蜘蛛可以向前爬行、原地转向、停止观察，每条腿都要显示摆动轨迹、落脚点和运动方向线。页面左上角加入控制面板，支持播放、暂停、速度调节、显示 / 隐藏轨迹线。整体科技感，深色背景，打开即可运行。
这里我比较在意的是，提示词不是只说“做个酷炫网页”，而是把交互、视角、动作、轨迹和控制面板都列出来。要求越明确，后面验收越容易。
开始执行后，可以看到它实际在调用哪些能力。
这时候 Harness 和普通聊天式 AI 的差别就比较明显了：不是只返回一段代码，而是继续创建文件、推进任务，再把项目跑起来。
页面打开之后，再继续看蜘蛛运动、轨迹线和交互是不是按要求工作。
做到这一步，我才会觉得“这个任务完成了”。单纯代码生成出来不算，真正能跑起来，才有继续改的价值。
这次测试里，我还拿之前 Codex 生成的效果做了对比。
从这次具体结果看，dsh 生成的页面在视觉和动作表现上更符合我的预期，生成速度也更快一些。
这次运行里缓存命中率也比较高，对我来说最直接的感受就是调用成本更省。这里说的是这次实际使用感受，并不是说换到所有任务、所有环境都会得到同样结果。
另外一个我比较喜欢的地方，是执行过程够直观：调用了哪些插件、读取了哪些文件，都能看到。
对我来说，这一点甚至比“第一次就生成得特别漂亮”更重要。因为项目只要稍微复杂一点，能不能看清它在干什么，直接影响后面好不好排错。
五、第二次实测：继续做一个 3D 足球小游戏
有了第一个 Demo，我接着把任务复杂度往上提一点。
帮我生成一个 3D 足球射门小游戏。画面包含足球场、球员、足球、球门和观众席。玩家可以用鼠标调整射门方向和力度，点击射门后足球沿真实抛物线飞行，镜头跟随足球移动，进球后显示慢动作回放、进球特效和比分更新。支持重新射门、切换视角、调整难度。整体像一个迷你 3D 足球游戏，打开即可玩。
这次不只是页面展示，还涉及方向、力度、足球轨迹、镜头跟随、比分和重新射门等状态变化。
生成后的效果如下：
这种 Demo 最适合拿来观察 Agent 连续做事的能力：它要处理的不只是代码量，还有场景、交互、动画和状态之间的关系。
我不会因为一个 Demo 跑起来，就直接把它定义成“能做完整游戏”。但如果目标是快速做一个可交互原型，先把想法变成能打开的东西，这类 Harness 确实比单纯复制代码方便不少。
六、提示词怎么写，才能少来回返工
连续做完两个 Demo 以后，我觉得最值得保留的不是某一句“万能提示词”，而是任务描述方式。
一个相对好用的任务，至少要把这些说清楚：
- 最终要做什么；
- 要在哪个目录工作；
- 需要哪些核心功能；
- 有什么限制；
- 做完以后怎么验收。
如果只说“帮我做个网页”，Agent 当然也能开始写，但后面大概率还要反复补要求。把交互和验收条件提前讲明白，省的是自己的时间。
复杂项目也可以先让它分析，再进入写入阶段。不是所有任务都需要一开始就给最高权限。
七、本地跑通后，再用 cpolar 解决远程访问
7.1 为什么还要再加一步
到这里，DeepSeek Harness 已经在 Windows 本机跑起来了，但本地服务始终有一个限制：离开这台电脑之后，访问就不方便了。
如果只是自己在本机测试，这当然无所谓；但如果需要从手机、平板、另一台电脑打开，或者想远程看生成的 Demo，就需要额外解决公网访问。
cpolar 在这里负责的事情很单纯：给本地正在运行的 Web 服务提供一个公网访问入口。
它不负责生成 Demo，也不负责模型调用，业务还是 Harness 自己完成。
7.2 Windows 安装 cpolar
先进入 cpolar 官网注册账号并下载安装 Windows 客户端。
下载完成后安装：
安装成功后，在浏览器访问：
http://localhost:9200
使用 cpolar 账号登录管理界面。
7.3 创建指向 DeepSeek Harness 的隧道
在 cpolar Web UI 中进入“隧道管理——创建隧道”，我这里按照下面这组配置填写：
- 隧道名称：可自定义，注意不要与已有的隧道名称重复
- 协议：http
- 本地地址：31900
- 域名类型：我为了长期使用所以选择二级子域名，如果只是测试可以选择随机隧道
- 地区：选择China Top
这里我会先确认 Harness 本地页面确实可以正常打开，再创建隧道。这样公网访问如果有问题，至少能先排除本地服务本身。
接着登录 cpolar 官网，预留二级子域名：
保留完成后复制子域名：
再回到隧道配置页面，把子域名填进去：
创建完成后，在在线隧道列表里查看固定公网地址。
最后，用其他设备打开这个地址测试访问。
做到这里，本地运行和远程访问这条链路才算真正接起来。
7.4 长期使用和临时访问，我会分开处理
如果只是偶尔测试，我不会一开始就把远程访问配置得特别复杂，先把本地服务和随机地址跑通更重要；如果后面确实需要长期从外面访问，再根据自己的使用频率考虑固定地址和更多隧道。
这类远程入口对我最实用的场景，其实不只 Harness。前端开发服务器、接口调试页、个人博客、文件服务或者临时 Demo，只要本地本身有正在监听的 Web 服务，都可以按实际需要建立对应的访问入口。先在本地把东西做出来，再决定要不要长期放到公网，比一开始就为每个小实验单独准备服务器省事得多。
八、我会特别注意的几个使用边界
这类 Agent 工具和普通 Web 应用不太一样。它背后可能连接 API Key、工作目录和命令执行能力，所以我不会因为“公网地址能打开”就默认它适合随便分享。
我自己的习惯是：
- API Key 不放进公开代码和截图；
- 先用独立测试目录；
- 能用 Workspace Write 就不随便开 Full Access；
- 重要项目先备份或使用版本控制；
- 临时远程访问用完就关；
- 如果只是展示 Demo，尽量只开放 Demo 本身。
这几个动作都不复杂，但会让我用这种工具时踏实很多。
结尾
这次把 DeepSeek Harness 从安装一路用到两个 Demo，我最大的感受其实不是“AI 又聪明了多少”，而是原来最麻烦的那段来回搬运，开始有机会被连起来了：我提出要求，它进入工作区，创建和修改文件，调用工具，再把结果跑出来，我只需要继续看结果、补要求、做判断。
八足蜘蛛和 3D 足球小游戏都只是演示，真正有价值的是这条工作链能不能稳定复用。对我来说，能看见它读了什么、改了什么、调用了什么，比一句“自动完成”更重要。
最后再接上 cpolar，本地服务就多了一个远程入口。这样做并不会改变 Harness 本身的能力，只是把原来锁在当前电脑里的页面带到了外面。真正适合长期使用的前提，还是工作区、权限和凭证这些边界要自己管好。AI 可以替我多做几步，但最后该不该让它做、能让它做到哪一步，这个判断还是得留在自己手里。
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/weixin_62765017/article/details/167270617
