DeepSeek on 拾光集

DeepSeek Harness 安装教程：让 DeepSeek V4 更稳定地接入 MCP、Claude Code 与 AI 编程工具

Sat, 15 Aug 2026 18:08:00 +0800

DeepSeek Harness 是一个针对 DeepSeek V4-Pro / V4-Flash 的第三方协议适配项目。

它不是 DeepSeek 官方客户端，也不是新的大模型，而是夹在 DeepSeek API 与 Claude Code、Cline、Roo Code、Cherry Studio 等 AI 工具之间的一层“适配器”，主要解决多轮推理、Tool Calling、流式输出、上下文和缓存等兼容问题。

目前项目提供 4 种主要使用方式：

Python Library
dsh 命令行工具
MCP Server
Claude Code / Agent Skill

如果主要用于 AI 编程，我更推荐 MCP + DeepSeek V4-Flash 这套组合。

一、安装前准备

至少需要：

Python 3
Node.js / npm
DeepSeek API Key
一个支持 MCP 的 AI 客户端

项目已经明确支持或适配 Claude Desktop、Cline、Roo Code、ChatWise、Cherry Studio 等 MCP 客户端。

DeepSeek API Key 可以从 DeepSeek Platform 获取。DeepSeek 官方目前的 Agent 集成文档也已经围绕 V4-Pro 和 V4-Flash 展开。

二、最推荐：通过 MCP 安装 DeepSeek Harness

实际上不需要把整个项目下载下来。

只需要：

`1`	`npx -y @deepseek-harness/mcp`

项目当前提供的 MCP 包为：

`1`	`@deepseek-harness/mcp`

它通过标准 stdio MCP 协议运行。

然后在支持 MCP 的客户端配置中加入：

{
  "mcpServers": {
    "deepseek-harness": {
      "command": "npx",
      "args": ["-y", "@deepseek-harness/mcp"],
      "env": {
        "DEEPSEEK_API_KEY": "你的 DeepSeek API Key"
      }
    }
  }
}

保存并重新启动客户端即可。

官方仓库给出的 MCP 配置也是这种方式。

DeepSeek Harness MCP 会提供几个主要工具：

deepseek_chat
deepseek_chat_stream
validate_message_history
estimate_cache_hit

其中后两个主要负责消息历史和缓存检查，本身不需要消耗 DeepSeek API 配额。

三、安装命令行版本

如果想先测试 DeepSeek Harness 是否能正常工作，可以安装 CLI：

`1`	`pip install deepseek-harness-cli`

Windows PowerShell 设置 API Key：

`1`	`$env:DEEPSEEK_API_KEY="你的API Key"`

Linux / macOS：

`1`	`export DEEPSEEK_API_KEY="你的API Key"`

然后运行：

`1`	`dsh doctor`

如果环境正常，就可以进入交互模式：

`1`	`dsh chat`

开启 Thinking：

`1`	`dsh chat -r`

还可以检查已有消息：

`1`	`dsh validate messages.json`

或者估算缓存命中：

`1`	`dsh estimate messages.json`

这些命令都来自项目当前 CLI 实现。

四、Python 项目安装

如果你正在开发自己的 Agent，可以直接安装 Python Library：

`1`	`pip install deepseek-harness`

简单测试：

from deepseek_harness import DeepSeekHarness

client = DeepSeekHarness(
    disable_thinking_by_default=True
)

response = client.chat(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": "Hello"
        }
    ],
    max_tokens=4096
)

print(response["message"]["content"])

Python 方式更适合：

自己开发 AI Agent
FastAPI 后端
LangChain
LlamaIndex
自动化程序
企业内部 AI 系统

项目也将 Python Library 作为自定义 Agent 的推荐接入方式。

五、Claude Code 安装 Skill

DeepSeek Harness 本身还提供了一个 Claude Skill。

安装：

`1`	`git clone https://github.com/HenryZ838978/deepseek-harness`

然后复制：

`1`	`cp -r deepseek-harness/packages/skill ~/.claude/skills/deepseek-harness`

重新启动 Claude Code 后即可加载。

这个 Skill 主要让 Agent 理解 DeepSeek V4 的协议特性，包括：

Thinking / reasoning_content
Tool Calling
消息历史
DeepSeek Prefix Cache
API 调用规则

项目提供的 Skill 中还包含 safe_init.py 和协议参考文件。

Windows 用户也可以把：

`1`	`packages/skill`

复制到：

`1`	`C:\Users\你的用户名\.claude\skills\deepseek-harness`

六、推荐搭配哪些插件？

DeepSeek Harness 本身更像一个“模型协议层”，真正提升 Agent 能力的还是 MCP 和 Skills。

我比较推荐下面这套组合：

1. Context7

用途：

查询最新开发文档
框架 API
第三方库文档
代码示例

例如开发 Next.js、React、Python 时，可以减少模型使用旧 API 的情况。

2. Filesystem MCP

让 Agent：

读取文件
创建文件
修改代码
浏览项目目录

这是 AI 编程最基础的一类 MCP。

如果使用 Cline、Roo Code、Claude Code 等，本身已经拥有完整文件操作能力，就没必要重复安装。

3. Playwright MCP

适合 Web 项目。

可以让 Agent：

打开网页
点击按钮
填写表单
截图
检查页面
测试前端

对于 Codex / Claude Code / DeepSeek 做网站开发非常实用。

4. Git / GitHub

适合：

查看 Git diff
分析提交记录
管理 Issue
查看 PR
代码审查

如果 AI 经常帮你修改大型项目，Git 能让修改过程安全很多。

5. Sequential Thinking 类工具

适合复杂：

Bug 排查
系统架构
大型重构
复杂逻辑分析

不过 DeepSeek V4 本身已经具备 Thinking 能力，因此普通任务没有必要一直开启，否则可能增加 Token 消耗。

七、我更推荐的组合

如果主要目的是 使用 DeepSeek 做 AI 编程，可以这样搭：

DeepSeek V4-Flash
        ↓
DeepSeek Harness
        ↓
Cline / Roo Code / Claude Code
        ↓
MCP
├─ Context7
├─ Playwright
├─ GitHub
└─ 项目自身工具

日常写代码：

`1`	`DeepSeek V4-Flash`

复杂架构、疑难 Bug：

`1`	`DeepSeek V4-Pro`

这样通常比所有任务都直接跑 Pro 更合理。

DeepSeek Harness 值不值得安装？

如果只是：

1
2
3

简单聊天
普通 API 调用
单轮问答

其实没必要。

但如果你的场景是：

DeepSeek + Agent
DeepSeek + MCP
DeepSeek + Tool Calling
DeepSeek + AI 编程
长时间连续开发
多轮工具调用

DeepSeek Harness 就比较有价值。

因为它重点解决的不是“让 DeepSeek 变聪明”，而是让 DeepSeek V4 在 Agent 环境中的协议行为更加稳定。

需要特别注意的是：DeepSeek Harness 是社区项目，并非 DeepSeek 官方项目。

DeepSeek 官方目前另外维护了 awesome-deepseek-agent，里面已经收录 Claude Code、Codex、Cline、DeepSeek-TUI、Reasonix、OpenCode、Qwen Code 等大量 DeepSeek Agent 集成教程，可以作为后续扩展参考。

GitHub 项目

DeepSeek Harness：

`1`	`https://github.com/HenryZ838978/deepseek-harness`

DeepSeek 官方 Agent 集成项目：

`1`	`https://github.com/deepseek-ai/awesome-deepseek-agent`

项目当前采用 MIT License。

DeepSeek 怎么识别图片？用 Reasonix + GLM-4V-Flash 添加免费视觉能力

Fri, 07 Aug 2026 20:23:00 +0800

DeepSeek 本身没有直接处理图片时，一个比较灵活的办法并不是更换主模型，而是给 Agent 增加一个专门负责图片分析的工具。

这次使用的是 Reasonix + MCP/Skill + 智谱 GLM-4V-Flash。平时依然让 DeepSeek 负责对话和任务处理，只有遇到图片时，再调用视觉模型完成识别。

简单理解就是：

图片 → Reasonix → 视觉 MCP → GLM-4V-Flash → 识别结果 → DeepSeek

这样做最大的意义，是不用为了偶尔看一张图片，就把整个 Agent 换成多模态模型。

DeepSeek 识图是怎么实现的？

这里首先要说明一个容易误解的地方：

这并不是让 DeepSeek 模型本身获得了视觉能力。

真正负责看图的是智谱的 GLM-4V-Flash，Reasonix 负责在需要识图时调用对应的 MCP 工具，再把返回结果交给 DeepSeek。

智谱官方目前将 GLM-4V-Flash 定义为免费的图像理解模型，支持图片描述、图片分类、图像问答等能力。

Reasonix 本身则支持 MCP、Skill 等扩展方式，因此两者可以组合起来使用。

第一步：申请智谱 API Key

首先进入智谱 AI 开放平台，注册账号并创建 API Key。

然后找到视觉模型：

`1`	`GLM-4V-Flash`

这里需要特别注意，网上部分视频或文章可能会将名称写成 GLM-4.6V Flash 或 GM-4.6V Flash。

根据目前智谱官方文档，免费的视觉模型名称是：

`1`	`GLM-4V-Flash`

发布文章或配置代码时，建议直接以智谱当前官方文档中的模型 ID 为准，避免因为名称变化导致 API 调用失败。

第二步：让 Reasonix 封装视觉 MCP

准备好智谱 API Key 后，可以直接让 Reasonix 帮忙创建一个调用视觉模型的 MCP Server。

例如可以给它类似这样的需求：

帮我封装一个 MCP Server，用于调用智谱 GLM-4V-Flash 视觉模型。

要求：
1. API Key 通过环境变量读取，不要直接写入代码。
2. 支持传入本地图片。
3. 支持输入图片和文字问题。
4. 返回视觉模型的文本分析结果。
5. 完成后告诉我如何安装和测试。

相比直接把 API Key 写进提示词或代码里，我更建议让它通过环境变量或者 Reasonix 的配置文件读取。

尤其是后续准备把 Skill 上传到 GitHub 时，更不能把自己的 API Key 一起提交。

第三步：把 MCP 封装成 Skill

MCP 创建完成并测试能够正常调用后，还可以进一步整理成 Reasonix Skill。

这样以后不需要每次告诉 DeepSeek：

`1`	`请调用 GLM-4V-Flash 分析这张图片`

而是让 Agent 根据任务判断什么时候需要使用视觉工具。

例如上传一张图片后直接问：

`1`	`图片上有什么内容。`

如果 Skill 的调用规则设置正确，Reasonix 就可以把图片任务交给视觉 MCP，再将分析结果返回给 DeepSeek。

实际识别效果

这次测试使用的是普通场景图片。

识别结果能够描述出图片中的：

*图片是一张浅蓝色背景的 Windows 桌面截图，上面有 4 个图标：

*右上角：深色图标，文字" 拾光集 “（可能是应用或网页快捷方式） *中间偏上：Word 文档图标，新建 DOCX 文档.docx *中间偏下：Word 文档图标，新建 DOC 文档(2).doc *底部：红色三角形图标（类似 VS Code），7.23作业（专项练习三）… *整体是学习/办公场景，主要在处理文档和作业文件。需要我针对某个图标或文件进一步分析吗？

至少在这种简单的自然场景描述任务里，可以正常工作。

不过目前没有继续进行 OCR、小字体截图、复杂图表、UI 界面定位以及大量图片的对照测试，所以还不能据此判断它在所有视觉任务中的准确率。

如果主要用途是：

看截图；
描述照片；
识别简单页面；
辅助分析图片内容；

这种方案已经具备实际使用价值。

如果是精确 OCR、复杂表格或者需要像素级判断的任务，则建议单独测试后再决定是否长期使用。

为什么不直接换一个多模态模型？

如果日常工作的大部分任务都是代码和文本，只有偶尔需要识图，这种“主模型 + 视觉工具”的方式其实更灵活。

DeepSeek 继续负责：

代码
↓
推理
↓
任务规划
↓
文字处理

碰到图片才调用：

`1`	`GLM-4V-Flash`

这样视觉模型更像是 DeepSeek 的一个外部工具，而不是替换 DeepSeek。

对于 Agent 来说，这种架构也比较常见：

DeepSeek
├── 文件工具
├── 浏览器工具
├── 搜索工具
├── 数据库工具
└── GLM-4V-Flash 视觉工具

需要什么能力，再调用什么工具。

使用前需要注意什么？

API Key 不要直接写入 Skill

这是最重要的一点。

不要把下面这种内容直接保存在公开代码中：

`1`	`API_KEY=你的真实Key`

应该使用环境变量或本地配置文件，并确保相关文件没有提交到 GitHub。

“免费”不代表永久没有限制

智谱官方目前将 GLM-4V-Flash 标记为免费视觉模型，但免费政策、调用频率以及模型名称以后都可能调整。

因此实际使用前建议重新查看官方文档，而不是长期依赖旧教程里的价格说明。

图片实际上会发送给第三方

使用这种方案后，需要识别的图片会提交给视觉模型服务商处理。

如果图片包含：

客户资料；
公司内部文件；
身份信息；
API Key；
密码；
未公开代码或业务数据；

不要在没有确认隐私要求的情况下直接上传。

是否值得给 DeepSeek 添加这个识图 Skill？

如果你正在使用 Reasonix + DeepSeek，同时又经常碰到截图、照片或者简单的图片分析任务，这种方案值得尝试。

它真正解决的问题并不是“让 DeepSeek 变成多模态模型”，而是：

给 DeepSeek Agent 增加一个可以随时调用的视觉工具。

文本和代码继续交给 DeepSeek，图片交给 GLM-4V-Flash，Reasonix 负责把两边连接起来。

从这次简单场景图片测试来看，这条调用链能够正常完成基本图片描述。不过复杂截图、OCR、图表理解等能力还有必要进一步测试。

总结

DeepSeek 没有直接识图能力，并不意味着 Agent 就一定不能处理图片。

借助 Reasonix + MCP/Skill + GLM-4V-Flash，可以把视觉模型作为一个外部工具，在需要处理图片时自动调用。

这种方式最大的优势不是“给模型升级”，而是把不同模型擅长的能力组合起来。

对于已经在 Reasonix 中使用 DeepSeek，又只是偶尔需要识图的人来说，比为了视觉能力完全更换主模型更灵活。