DeepSeek Harness 又迎来一次重要版本更新。

近日，DeepSeek Harness 发布 v0.1.0-rc.8。从此次更新内容来看，新版本并非简单的功能堆叠，而是围绕多模态交互、子代理、Codex 能力、Windows 开发环境以及底层性能进行了较大范围的完善。

尤其值得关注的是，DeepSeek Harness 开始进一步补齐 AI Coding Agent 的核心能力：模型可以直接处理图片，Claude Code 与 Codex 可以作为子代理按需安装，Codex 支持非交互权限模式和多个命名实例，同时 Windows 端的终端体验也得到明显增强。

这意味着 DeepSeek Harness 正在从一个围绕 DeepSeek 模型打造的智能体工具，逐渐向更加完整的 AI Coding Agent 平台演进。

多模态能力进一步增强，图片正式进入 Agent 工作流

此次更新最明显的变化之一，是多模态支持进一步增强。

在 v0.1.0-rc.8 中，DeepSeek 模型适配器新增了原生图片请求配置能力。用户可以根据实际需求启用原生图片请求，让模型直接参与图像理解相关任务。

与此同时，/goal、/plan 等命令现在也可以接收图文输入。

这一变化的意义并不只是“可以上传图片”。

对于 Coding Agent 来说，图片实际上是非常重要的输入形式。开发者可能需要让 AI 分析网页截图、UI 设计稿、报错截图、流程图、产品原型，甚至是终端运行结果。如果 Agent 只能理解文本，那么用户往往需要先把图片中的信息转换成文字，再交给模型处理，整个交互过程会被人为割裂。

如今图片可以直接进入 /goal、/plan 等工作流，相当于进一步降低了用户与 Agent 之间的信息转换成本。

与此同时，更新还专门修复了图片尺寸过大、历史图片不断累积导致模型请求失败的问题。对于长时间运行的 Agent 会话来说，这一点尤其重要。

因为多模态最大的一个潜在问题就是上下文膨胀。一张图片可能远比一段文本占用更多的上下文空间，如果历史图片不断累积，很容易导致请求体过大甚至超过模型或者网关限制。

此次更新针对这一问题进行修复，也说明 DeepSeek Harness 已经开始考虑多模态 Agent 在长上下文场景中的实际稳定性，而不仅仅是增加一个“上传图片”的入口。

@ 菜单进一步打通文件与会话

在交互体验方面，v0.1.0-rc.8 还增加了通过 @ 菜单引用文件和会话的能力。

这看似是一个比较小的交互调整，实际上对于 AI Coding 工具非常关键。

传统聊天式 AI 更多是“问一个问题，给一段回答”，而 Coding Agent 的工作对象通常是一整个代码仓库。用户需要不断在代码文件、历史会话、任务上下文之间切换。

通过 @ 菜单直接引用文件和会话，可以让上下文组织变得更加自然。

尤其是在复杂项目中，用户可以更明确地告诉 Agent：“参考这个文件”“结合之前那个会话”“围绕这个模块继续处理”，而不需要反复复制内容或者重新描述背景。

这也是 AI Coding 产品从聊天工具向“开发工作台”演进过程中，一个非常典型的变化。

Claude Code、Codex 进入子代理体系

此次更新另一个值得关注的变化，是 Claude Code 与 Codex 子代理均可以作为 Profile Bundle 按需安装。

换句话说，DeepSeek Harness 正在进一步开放自己的 Agent 架构。

过去，一个 AI Coding 工具往往绑定某一个模型或者某一套 Agent 能力。用户打开工具之后，背后是什么模型、什么执行框架，基本是固定的。

而 Profile Bundle 的思路更加接近“能力插件”。

用户可以根据自己的需求安装不同的 Agent 配置，让 Claude Code、Codex 等能力以子代理形式参与任务执行。

这种架构对于复杂任务尤其有价值。

例如，一个主 Agent 可以负责理解需求、拆解任务，再把代码编写、测试、代码审查等具体工作交给不同的子代理执行。不同模型和 Agent 可以各自承担擅长的任务，最终由父任务进行整合。

这也是当前 AI Coding 领域越来越明显的发展趋势：未来真正有竞争力的 Coding Agent，不一定是一个模型包打天下，而可能是一个能够调度多个模型、多个 Agent 的工作系统。

Codex 能力继续扩展，多实例与非交互模式加入

此次更新中，Codex 本身也获得了多项增强。

首先，Codex 支持非交互权限模式。

对于自动化任务而言，这个功能非常重要。

交互式权限确认适合人工操作，但如果 Agent 被用于自动执行测试、批量修改文件或者工作流自动化，频繁等待用户确认会严重影响执行效率。

非交互权限模式可以让 Codex 更好地参与自动化流程。

与此同时，Codex 还支持多个命名实例。

这意味着开发者可以同时运行多个具有不同身份或任务上下文的 Codex 实例，从而进一步适应复杂的并行 Agent 工作流。

如果结合此次新增的子代理体系来看，这几个功能并不是孤立存在的。

DeepSeek Harness 正在逐渐形成一个更完整的执行链路：主任务负责规划，子代理负责执行，不同 Agent 可以按需调用，多个实例则负责并行处理。

这种架构已经明显区别于传统意义上的 AI 聊天客户端。

Windows 终端体验得到针对性强化

Windows 用户此次也迎来了一项比较实用的更新。

v0.1.0-rc.8 增加了 PTY 终端对持久 PowerShell 会话的支持。

对于 AI Coding Agent 来说，终端并不是一个简单的命令执行窗口。

一个真实的开发任务往往需要连续执行多条命令，而且命令之间存在状态依赖。例如进入某个虚拟环境、切换目录、设置环境变量、启动开发服务等，都需要保持终端上下文。

持久 PowerShell 会话能够让 Agent 更稳定地维持这种执行状态。

与此同时，极简模式预设也默认支持相关能力。对于希望快速启动一个轻量级 AI Coding 环境的用户来说，上手门槛进一步降低。

一批稳定性问题得到集中修复

除了新功能，此次版本还针对此前使用过程中比较容易遇到的问题进行了修复。

例如，取消流式生成之后，已经展示的回复前缀此前可能无法正确带入后续提问或者分叉会话。新版本修复了这一问题。

对于 AI Agent 来说，这种问题虽然不如“新增一个大功能”显眼，却直接影响实际使用体验。

因为用户在长对话中经常需要中断当前任务，然后基于已经生成的内容继续追问或者创建分支。如果上下文无法正确继承，就会造成任务状态丢失。

此外，新版本还修复了部分自定义 OpenAI 兼容网关因为请求格式差异无法调用的问题，同时解决了部分情况下推理内容回传缺失的问题。

这说明 DeepSeek Harness 正在努力扩大对第三方模型和网关环境的兼容范围。

对于一个 AI Coding Agent 而言，这一点非常重要。

真正的开发者用户往往不会只使用一种模型，也可能通过自建网关、第三方 API 或不同的模型服务商进行组合。如果工具只能适配少数固定接口，其实际使用范围就会受到很大限制。

底层存储重构，SQLite 性能进一步优化

此次更新还涉及比较底层的一项变化：SQLite 后端的读写与分叉性能得到改善，同时降低了存储体积。

对于 AI Coding Agent 来说，会话数据并不是简单的聊天记录。

随着用户不断运行任务、创建分支、保存上下文，大量历史会话会逐渐积累。如果数据库读写效率不足，长时间使用后就可能出现明显的性能下降。

此次优化针对 SQLite 的读写和分叉性能进行改善，同时降低存储体积，有利于长期运行。

需要注意的是，这次 SQLite 数据结构发生了不兼容变化。

也就是说，v0.1.0-rc.8 并不是一个完全意义上的无感升级版本，涉及历史数据时需要关注版本兼容问题。

从“能用”向“好用”补齐细节

除了核心能力，v0.1.0-rc.8 还对大量细节进行了调整。

例如，HOME 目录现在统一使用 ~ 进行缩写，输入框针对窄屏布局进行了优化，反馈界面也进行了调整。

侧栏搜索焦点响应、工作流面板、模型选择器、本地文件打开失败后的重试机制等，也进行了针对性优化。

工具调用方面，web_search 支持并发查询，子代理的 reportDelivery 可以更及时地反馈结果并唤醒父任务。

安装与启动流程也得到改善，包括进一步缩减依赖下载体积，以及本地运行 dsh web 时自动打开浏览器。

这些变化单独看都不算“杀手级功能”，但大量细节叠加之后，会直接影响一个 AI Coding Agent 的完成度。

尤其是对于这类开发者工具而言，真正决定用户是否长期使用的，往往不是发布会上的几个功能，而是启动速度、上下文是否稳定、终端是否可靠、文件操作是否顺手、任务分叉是否流畅，以及长时间运行之后性能是否下降。

此次更新实际上正在集中解决这些问题。

SDK 同步扩展，开发者能力进一步开放

除了客户端本身，DeepSeek Harness 的 Python SDK 也进行了调整。

新版本的 SDK 依赖配置覆盖了 4 个内置 Agent 预设，同时包含 rg、glob 搜索以及 MCP stdio 工具所需依赖。

这意味着 DeepSeek Harness 并不只是希望成为一个供用户直接使用的桌面工具，其底层 Agent 能力也在逐步向开发者开放。

如果未来这些能力进一步标准化，开发者可以基于 Harness 的 Agent、工具、模型适配器和工作流机制构建自己的应用，那么它的定位就会从一个具体产品进一步向 Agent 基础设施靠拢。

一次版本更新背后的产品方向

从功能列表来看，v0.1.0-rc.8 的变化很多，真正值得关注的其实是这些变化背后的产品方向。

多模态能力，让 Agent 能够理解更多现实世界的信息；

Profile Bundle 和子代理，让不同 Agent 可以进入同一套任务体系；

Codex 多实例与非交互模式，让自动化能力进一步增强；

持久 PowerShell 和终端优化，则让 Agent 更接近真正的开发环境；

SQLite、历史会话、分叉性能优化，则解决长期使用过程中越来越明显的基础设施问题。

这些变化共同指向一个目标：让 DeepSeek Harness 不再只是“DeepSeek + 一个 Coding 界面”，而是逐渐成为一个可以承载多个模型、多个 Agent 和多种工具的开发工作平台。

当然，v0.1.0-rc.8 仍然只是一个 RC（Release Candidate）版本，距离真正成熟的开发者基础设施还有不少距离。尤其是在多 Agent 协作、复杂任务稳定性、模型兼容性以及生态建设方面，后续版本仍然值得观察。

不过从此次更新的方向来看，DeepSeek Harness 的路线已经越来越清晰。

它正在把竞争从“谁的模型更聪明”，逐步拉到另一个维度——谁能够把模型、Agent、工具、终端和开发工作流真正组织起来。

而这，可能才是 AI Coding 下一阶段真正值得关注的竞争。