DeepSeek Harness 公测一周迎来多模态大招，纯文本模型也能“看图”了-低调大师

DeepSeek Harness 公测一周迎来多模态大招，纯文本模型也能“看图”了

2026-08-21 13

公测刚满一周，DeepSeek Harness 发布了 v0.1.0-rc.8。

14 项更新，多模态是重头戏。新版支持原生图片请求和图文混合输入，/goal、/plan 等命令可以直接接收图片；Claude Code 和 Codex 进一步接入子 Agent 体系；Windows 终端加入持久 PowerShell 会话，极简模式预设默认开启。

但最值得聊的，不是这些明面上的更新。

有开发者发现，当一个模型本身不支持图像输入时，DeepSeek Harness 并不会直接报错放弃。它会退回到一套工具链：先 OCR 识别文字，再统计颜色比例、扫描像素行、读取图片尺寸和色彩模式等元信息。最后把这些结构化数据交回给文本模型，让模型根据这些证据“脑补”图片内容。

这等于给纯文本模型拼出了一套工具层的“视觉”。

有开发者在测试中展示了这个过程：调用 read_image 首先失败，但 Harness 随后自动切换到 OCR + 颜色统计 + 像素扫描的组合，把一张包含文字和图形的图片拆成了“文字内容及坐标”“背景颜色比例”“特定区域像素变化”“图片尺寸”等多组信息，再交给模型推理。

当然，这种能力和视觉大模型直接理解图片有明显区别。对于 PPT 截图、流程图、界面截图等结构明确的图片，OCR + 像素特征能拿到不少有效信息；面对真实照片、复杂空间关系，这套工具链恢复的信息就有限了。

但从 Agent Harness 的设计角度看，这个思路很有意思：视觉能力不完全绑死在底座模型上，工具也可以承担一部分感知工作。

事实上，在官方加强多模态支持之前，社区已经冒出不少视觉插件——dsh-vision、dsh-vision-toolkit、modlens、dsh-auto-vision、dsh-subagent-vision，以及通过 pi2dsh 桥接的 pi-vision 等。有的方案就是走 OCR + 像素分析的路子，有的通过自定义路由直接给视觉模型配置 input: [text, image]。rc.8 上线后，原生多模态和这些工具层方案可以进一步配合使用。

这也呼应了 DeepSeek Harness 公测时强调的核心设计——“一切皆插件”。模型、工具、技能、会话、沙箱、存储、循环、调度和 UI，都可以由不同插件组合和替换。视觉能力同样如此：原生模型能看就看，不能看就用工具拼。

子 Agent 体系也在扩容。Claude Code 和 Codex 现在可以作为 Profile Bundle 按需安装，Codex 还支持非交互权限模式和命名实例。加上 web_search 并发查询、子 Agent reportDelivery 及时唤醒父任务、本地 dsh web 自动打开浏览器等优化，这版 Harness 在工具编排的粒度上又往前走了一步。

SQLite 后端的读写和分叉性能也得到提升，但注意存储格式与旧版本不兼容。

国内开发者看到更新后直接感叹“DSH 支持多模态了，奔走相告”，海外社区则聚焦在子 Agent 集成和多模态的配合上。有网友评价 DeepSeek Harness 正变得“越来越有意思”。

从 8 月 13 日开源公测到现在，不到一周时间，DeepSeek Harness 就把多模态和更多子 Agent 装进了同一套 Harness。按这个迭代速度，接下来值得看的，是这套插件化体系能否把更多模型、工具和 Agent 装进来，跑出更复杂也更稳定的任务流程。

参考来源：

微信关注我们

原文链接：https://www.oschina.net/news/502044/deepseek-harness-0-1-0-rc8

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

开源终端 uniTerm v1.8.0 发布：新增 SOCKS5 隧道、密钥库等 50 余项功能更新，仅 14MB 覆盖 27 种协议

uniTerm 是一款轻量级一站式终端软件，Windows 版本安装包仅 14MB。整合终端、文件传输、远程桌面、数据库客户端、容器等 5 大类协议于一身；内置可自主执行的 AI Agent，能规划并执行多轮 Shell 命令。本次 v1.8.0 是一次大规模集中更新，累计 50 余项功能、改进与修复。重点新增 SSH 密钥库（Vault）与 SOCKS5 / HTTP 代理支持，补齐了 SSH 系列连接在凭据复用和代理接入上的能力；同时带来配置加密导入导出、数据库多标签等多项重磅功能。从此，你可以在更高安全性、更灵活的网络环境下，用一款工具完成 SSH 远程连接、代理穿透、文件传输、数据库...

2026-08-20

12

8 月 17 日，GitHub 宕机了 7 小时 47 分钟。影响范围不只是 github.com 打不开。认证系统瘫痪、Actions 中断、Pull Request 和 Issue 不可用、Copilot 也挂了。官方事后分析了故障原因：负载均衡配置错误触发了客户端的重试风暴。故障发生时，负载均衡的错误配置导致部分请求处理不当，客户端在收到错误响应后发起大量重试。重试请求进一步压垮了本已脆弱的基础设施，形成了典型的 "重试风暴" 模式。 GitHub CTO Vlad Fedorov 在事后分析中直接承认：「如果你那天正在发布软件，我们让你失望了。」这是 GitHu...

2026-08-21

6

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。