发布日期：2026-11-04 ｜ 数据截至 2026-11-04，来源为 DeepSeek Harness 官方发布日志、api-docs.deepseek.com 及公开技术文档

DeepSeek Harness（简称 DSH）是深度求索于 2026 年 8 月 13 日开源的 AI Agent 运行框架，官方公式是"Model + Harness = Agent"，MIT 协议，GitHub 已累计 25 万 Star。2026 年 10 月 14 日发布的 v0.2.1-alpha.3 版本为极简模式（Minimal mode）新增了读图能力，同时引入长对话自动压缩和 /compact 手动压缩命令，成为 DSH 用户最关注的功能升级。本文从"DSH 识图能力从哪里来"讲起，完整覆盖极简模式读图的使用方法、底层视觉 API 规格、长对话压缩机制，以及安装与升级注意事项。

DSH 能识图吗？从哪个版本开始

能，但不是所有模式都支持。 v0.2.1-alpha.3 之前，DSH 的极简模式（Minimal mode）只能处理纯文本；从这个版本起，极简模式正式支持图片输入——截图可以直接发给它，报错图、UI 截图、文档扫描件都能参与对话。

DSH 的识图能力来自底层模型 DeepSeek-V4.1-Flash-1017（即当前 deepseek-flash 模型），这是 DeepSeek 于 2026 年 9 月 10 日正式发布、原生支持多模态的版本。Harness 本身是执行框架，不做识图，识图逻辑在模型侧完成。

极简模式是什么，和标准模式有什么区别

DSH 内置四种工作模式：

模式

定位

工具调用

识图

标准（Standard）

通用任务，按需调用检索/编辑/终端工具

✓

需支持图片的模型

PTC

批量工具调用，侧重数据整理汇总

✓（TS脚本批量执行）

需支持图片的模型

极简（Minimal）

精简工具与预设，适合作为实验基线

持久 Shell、read_image

需支持图片的模型

创造（Creator）

对话生成新插件或自定义模式

✓

需支持图片的模型

根据截至 2026 年 11 月 4 日核验的官方模式帮助，极简模式保留持久 Shell 和 read_image，可以通过终端读写文件、运行脚本；读取图片需要支持图片输入的模型。它不加载 Skills、计划及标准运行时上下文，适合作为实验与对照基线。

怎么在极简模式里发图

方法一：粘贴截图

在极简模式对话框里，直接把截图粘贴（Cmd+V / Ctrl+V）进输入框，图片会作为附件出现在消息里，发送即可。这是最常用的方式，适合"截了一张报错页面想让模型解释"的场景。

方法二：拖拽图片文件

把本地图片文件拖进对话框也可以。支持格式：JPEG、PNG、GIF、WebP，单张文件大小上限 32 MiB（通过 base64 或 URL 传入时），如果用 Files API 预先上传，上限放宽至 64 MiB。

方法三：直接粘贴图片 URL

如果图片已经有公网地址，在对话中直接粘贴 URL，模型会通过外部 URL 方式读取。格式上符合标准 image_url 参数即可，无需额外操作。

图片细节控制

底层 API 支持 detail 参数：

  • low：图片缩至 512×512，省 token

  • high / original：保留原图精度

  • auto：等同 original（默认）

Harness 框架层目前不暴露这个参数的界面设置，默认走 auto，如需控制可通过 API 直接调用。

每张图消耗多少 token

每张图最多计 1024 tokens，模型自动将图片缩放至约 1300×1300 像素范围计算。每次请求最多可传 600 张图，图片最大边长 8192 px（≥15 张时自动降至 4096 px）。

长对话自动压缩：/compact 怎么用

v0.2.1-alpha.3 同时给极简模式引入了上下文压缩机制，这是另一个高频需求的解法。

自动压缩：在极简模式下，对话长度接近上下文窗口限制时，DSH 会自动将前面积累的多轮对话压缩成一段摘要，让新内容有空间继续写入。压缩不是删除记录，是提炼成摘要后模型接着摘要继续干活——信息有损但保留主要脉络，适合跑了两三个小时的长任务。

手动压缩：Web 端和桌面端对话框里直接输入：

/compact

在 Agent 空闲时发送即可请求手动压缩，不必等自动触发。

快速安装和启动

Node.js 是 DSH 的唯一硬依赖，其他什么都不需要提前装。

一条命令起 Web UI：

npx @deepseek-ai/dsh web

本机跑完会自动打开浏览器，默认地址 127.0.0.1:3080。只起服务不自动开浏览器：

npx @deepseek-ai/dsh web --no-open

从源码运行（开发或改插件时才需要）：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

登录方式：v0.2.1-alpha.3 起，本机 HTTP 访问 Web 版时可以直接登录 DeepSeek 账号，账号下可用的模型会自动出现在列表里，不再需要手动配 API Key。填 API Key 的方式依然支持。

升级到 alpha.3 之前必看的四条边界

v0.2.1-alpha.3 有几条破坏性或行为变更，升级前逐条确认：

1. Azure 提供方改名（破坏性变更）：第三方模型支持里 Azure 的提供方名统一为 azure，旧名 azure-openai-responses 不再有效。用了 Azure 的配置必须迁移，不迁就连不上。

2. headless 密钥读取规则改变：headless 模式（无界面、在服务器或 CI 跑）现在默认走环境变量和 .env 读取 API Key，不再读已保存的凭据。脚本化部署需要重新配密钥来源。

3. 重建默认配置会覆盖已有配置：用 --from-default-profile 重建已有自定义配置时，该配置连同插件和设置会被整体替换，操作前先备份。

4. 预览版节奏快：官方在 README 里明说"会有破坏性变更"，alpha.3 发布次日 alpha.4 就跟上了（10 月 15 日）。生产环境建议小范围灰度，不要全量切 alpha。

DeepSeek Vision API 规格（直接调用参考）

如果不通过 DSH 界面、而是直接用 API 调用识图能力，以下是完整参数参考：

import base64, httpx, openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.deepseek.com"
)

# 方式一：base64 内联
with open("screenshot.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张截图里的报错是什么原因？"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}}
        ]
    }]
)

# 方式二：外部 URL
response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图里的内容"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg", "detail": "high"}}
        ]
    }]
)

注意：图片只能放在 user 消息里，放进 system 或 assistant 消息会返回 400 错误。

FAQ

Q：DSH 极简模式识图和标准模式有什么区别？ 极简模式保留持久 Shell 和 read_image；标准模式还提供更多任务工具与运行时辅助能力。两者读取图片都需要支持图片输入的模型；是否需要额外插件，取决于具体功能。

Q：/compact 压缩之后之前的内容还能找回来吗？ 不能直接还原。/compact 会把前面多轮对话提炼成摘要写入上下文，原始轮次内容不会保留在当前会话里。如果需要回溯历史，可以在压缩前导出 Trajectory 日志（DSH 的执行轨迹日志只增不改，完整记录每一步操作），从日志里找原始内容。

Q：识图支持多张图一次发吗？ 支持。API 层每次请求最多 600 张图，每张 token 消耗独立计算（最多 1024 tokens/张）。DSH 界面侧目前支持一条消息里携带多张附件，批量发图分析是可行的。

Q：用 DeepSeek 账号登录和填 API Key 计费方式一样吗？ 一样，都按 DeepSeek 官方 API 计费标准走——按 token 用量付费，不额外收 DSH 框架或插件服务费（客户端和插件服务免费）。账号登录方式只是省去了手动管理 API Key 的步骤，计费口径相同。

Q：极简模式识图和七牛云 Token Plan 接入的 DeepSeek 有什么关系？ 底层模型相同（DeepSeek-V4.1-Flash-1017），能力一致。七牛云 Token Plan 通过统一 API Key 接入多家模型（含 DeepSeek 系列），适合需要在 DeepSeek、Kimi、GLM 等模型之间灵活切换的业务场景；DSH 是端侧 Agent 框架，适合本地跑 Agent 任务。两者定位不同，视觉 API 规格相同。

延伸阅读

  • DeepSeek Harness 官方文档：deepseek-harness.github.io/deepseek-harness/

  • DeepSeek Vision API 文档：api-docs.deepseek.com/guides/vision

  • DeepSeek Harness GitHub 仓库：github.com/deepseek-ai/deepseek-harness

  • DeepSeek Harness 官方模式帮助：github.com/deepseek-ai/deepseek-harness/blob/master/packages/client/ui-agent-preset/src/client/guide-locales.ts

  • 七牛云 Token Plan（DeepSeek 多模型统一接入）：qiniu.com/ai/plan

相关文章

七牛云产品