不知道大家最近有没有刷到一个词，叫“AI 老登”。

啥是 AI 老登？

就是那种一上来就跟你讲大道理的人：你一定要拥抱 AI 啊，一定要把 AI 用起来啊，一定要用大模型去完成手头的工作、提高效率啊。

那语气，仿佛你今天不用 AI，明天就要输在起跑线上；仿佛你不用 AI，后天就要被时代淘汰。

听着是不是特别吓人？

但问题来了：不用 AI，真的会被淘汰吗？

还真是

不过先别急着焦虑。

很多人这时候就想了：没这么夸张吧？我平时也用豆包啊，写个文案、问个问题，感觉也还行。怎么就要被淘汰了？

其实问题不一定出在 AI 身上，而在于你使用 AI 的方式，可能还停留在上一个阶段。

你是不是还在经历这样的流程？

打开网页，输入问题，等 AI 回答，复制答案，再粘贴到自己的文档里。如果回答不满意，就重新组织一下语言，再问一遍。

恭喜你，你已经熟练掌握了 AI 的基础使用方法。

但现在的问题是，AI 已经不仅仅是一个陪你聊天、回答问题的工具了。

它正在从一个“你问它答”的聊天框，变成一个可以理解任务、调用工具、操作文件，甚至执行一整套工作流程的智能协作者。

而想体验这种变化，你就不能只盯着网页聊天框了。

当然，咱们也不能变成另一种 AI 老登，见人就说不用 AI 就完蛋了。

今天我们不灌鸡汤，也不跟大家讲那些虚头巴脑的大道理。

直接上手，看看现在的 AI 到底能干什么，以及普通人怎么用上这些新东西。

今天要介绍的，就是 DeepSeek Harness。

一、为什么我说，你可能还没真正用上 AI？

先说几个名字。

Claude、ChatGPT、Codex、Claude Code。

如果你平时主要使用豆包、DeepSeek 网页版或者其他聊天产品，可能会觉得：这些东西不都是 AI 吗？不就是输入问题，然后得到答案吗？

还真不是完全一回事。

我举一个具体的例子。

假设你是一个学编程的大学生，现在想做一个校园信息交流平台。

如果用最传统的网页聊天方式，你可能需要先让 AI 生成 HTML，再生成 CSS，然后生成 JavaScript。接下来，自己把代码复制进编辑器，运行项目，发现报错，再把报错信息复制回去，让 AI 帮你修改。

这个过程不是不能做，实际上也挺有用。

但如果任务复杂起来，你就会发现，自己一直在充当一个非常辛苦的中间人。

AI 不一定知道你的项目现在有多少文件，不一定知道之前修改过什么，也不一定能直接验证刚才生成的代码究竟能不能运行。

而使用 Codex 或 Claude Code 这类编程智能体工具时，工作方式就不一样了。

你可以直接告诉它：

帮我看看这个项目的整体结构，找出目前存在的问题。先给我一个修改计划，等我确认以后，再开始修改代码。

它可以在获得相应权限后读取项目文件、分析代码、修改文件、运行命令、检查测试结果，然后根据结果继续修复问题。

你不再需要把每个文件都手动复制给 AI，也不一定需要自己在每一步之间传递信息。

而且，这种能力并不只能用来写代码。

比如，你在公司需要整理一堆会议记录、编写周报，或者分析几份 Excel 数据，也可以让具备相应工具能力的 Agent 帮你读取材料、提取信息、整理结果，最后生成一份报告。你需要做的，是检查结果、补充遗漏，而不是从头到尾手动复制粘贴。

你交代的是一个任务，而不只是一个问题。

这才是我觉得值得大家关注的变化。

当然，这并不意味着网页 AI 已经没有价值，也不意味着国内模型就什么都做不好。关键是，你有没有意识到，AI 的使用方式已经开始发生变化了。

二、Claude Code、Codex，到底厉害在哪里？

这里先区分两个概念。

Claude 是模型家族，Claude Code 是围绕编程任务构建的智能体工具。

GPT-6 是模型家族，Codex 则是可以直接参与编码工作的智能体工具。

模型和工具，并不是同一个东西。

你可以把模型理解成负责理解、推理和生成的“大脑”，而 Codex、Claude Code 这样的工具，则负责把大脑接入真实的工作环境。

它们不只是给你一段代码，而是能够在授权范围内读取项目、编辑文件、执行命令，并根据运行结果继续处理任务。

这有什么意义呢？

举个例子。

你想开发一个网站，现在只有一个模糊的想法。

以前，你可能需要自己先研究技术栈、搭建项目、设计目录结构，再一点点实现功能。每遇到一个不懂的问题，就去搜索，或者向 AI 提问。

而在智能体工具里，你可以先描述需求，让它分析项目、提出方案，再逐步完成实现。

它可以帮你排查报错，可以根据已有代码修改功能，可以运行测试，也可以协助整理 Git 提交记录。

当然，这并不代表它次次都能成功。需求描述不清楚、上下文不足、环境配置有问题，或者模型本身判断错误，都可能让它走弯路。因此，我们仍然需要检查它的修改、运行结果和关键决策。

但至少，我们的工作方式发生了变化。

从自己一步步操作电脑，让 AI 在旁边提供建议，逐渐变成自己负责目标和判断，让 AI 在授权范围内完成一部分具体工作。

这两种工作方式带来的效率差异，可能比单纯从一个聊天模型换到另一个聊天模型，更值得关注。

三、那为什么不直接用 Claude Code 或 Codex？

既然它们这么厉害，我们为什么还要折腾 DeepSeek Harness？

现实原因很简单。

对于很多国内普通用户来说，使用部分海外 AI 产品，可能会遇到网络访问、地区支持、账号注册、身份验证或付款方式等门槛。

这里不是说所有人都必须拥有外国手机号或银行卡，而是说，服务的可用性和使用成本确实因人而异。

有些工具，你知道它很好用，但不一定能顺利注册、付款和长期使用。

难道我们就只能继续用最传统的网页聊天方式吗？

当然不是。

这时候，就可以看看国内的模型，以及围绕它们构建的工具。

例如 DeepSeek。

DeepSeek 本身是模型服务，而 DeepSeek Harness 是 DeepSeek 推出的开源 Agent Harness。你可以把它理解成一套让模型能够使用工具、操作工作区和执行任务的运行框架。

“Harness”这个词，本义是马具、挽具，就是套在马身上、让它能拉车的那套装备。放到 AI 里，它差不多也是这个意思：给模型套上工具，让它真的能干活。

它有自己的 Web UI，也支持命令行使用，并且可以通过插件扩展能力。

简单来说，我们今天要做的事情，就是把 DeepSeek 这个模型接入 Harness，让它不再只是一个等待我们提问的聊天窗口，而是能够在授权范围内参与实际工作的智能体。

四、动手：把 DeepSeek Harness 跑起来

好了，理论先讲到这里，咱们正式动手。

这次我们主要以 Windows 电脑为例（因为我没有 Mac）。

安装：别进错网站

首先，打开DeepSeek Harness 官网。注意！千万不要进错了，因为有很多假冒的网站。谨防诈骗！。

下载安装好之后，打开 DeepSeek Harness，你会发现界面上只有两个按钮：一个是登录，一个是添加 API。

为了更简单地用起来，这里我们先直接选择登录。至于第二个选项“添加 API”，我们在第五节详细讲。

先给它划一块地盘：工作区

进到软件里面一看，好像跟豆包一样，也是一个对话框。那正好，这次我们做一个 AI 版的超级马里奥，看看它和网页上的对话 AI 到底有什么区别。

动手之前，先在桌面或者你喜欢的地方新建一个文件夹，作为我们的工作区。

什么是工作区？

简单说，工作区就是软件存放工作数据的地方。网页对话 AI 不直接碰你的电脑，所以无所谓；但 Harness 需要直接操作文件，就一定会产生一堆东西。如果所有文件都堆在默认目录里，或者干脆不设工作区，电脑很快就会乱成一锅粥。

所以，先给它划一块地盘。

四种模式：AI 分别会怎么干活？

接下来，你会发现它和豆包不一样的地方：多了 4 种模式——标准模式、PTC 模式、极简模式、创造模式；另外还有 4 种权限——仅可查看、工作区内修改、完全权限、自动审查。

模式和权限，一个决定“它怎么干”，一个决定“它能在哪儿干、能动什么”。

还是拿做马里奥小游戏举例。

先说结论：这四种模式不是从弱到强的四个等级，而是四种不同的干法。

标准模式：日常干活的全能型员工

这是最适合普通人入门的模式，相当于给 AI 配齐了一套常用工具。它可以使用文件编辑、终端命令、文件和网页检索、Skills、任务计划、子 Agent 等功能。

你说“帮我做一个能玩的横版闯关游戏”，它可以先制定计划，再创建游戏文件、运行必要的检查，遇到问题后继续修改。

什么时候用： 日常写代码、修改项目、整理文件，以及第一次体验 Harness。简单来说，就是日常干活的全能型员工。

不知道选哪个？先选标准模式就行。

PTC 模式：把多步工具调用写成一段程序

在这个模式里，AI 不仅能使用工具，还能写一段程序，把多个工具步骤串起来一起完成。

它具备标准模式的能力，并通过 Code Mode SDK 让模型用 TypeScript 组合多步工具调用，减少一步一步来回调用的开销。

例如，你让它检查整个游戏项目、批量分析多个文件、统计问题，再统一修改。PTC 可以尝试把其中一系列工具操作组织在一段程序里执行。

什么时候用： 需要批量处理、跨多个文件操作，或者要编排大量工具调用时。普通的小任务，不一定需要特意切换过去。

极简模式：只给一把螺丝刀和一个终端

这个模式会大幅精简工具，相当于只给 AI 一把螺丝刀和一个终端。

它主要保留持久 Bash 和文件编辑工具，没有标准模式那样完整的工具组合。

你同样可以让它写超级马里奥，但它能用的工具更少，不能指望它像标准模式那样随手调用检索、技能和工作流能力。

什么时候用： 模型评测、比较不同模型的表现，或者有意测试精简工具环境时。对刚入门的人来说，通常没必要优先选它。

创造模式：定制属于你自己的 Agent

注意，这里的“创造”，不是说它更擅长创作游戏，而是帮你创造属于自己的 Agent 模式。

它具备标准模式的能力，还能检查运行时、试验 Cordis 插件，并为创建自定义 Agent preset 提供指导。

比如，你不只是想做一次超级马里奥，而是想打造一个专门做小游戏的 AI 助手：给它配置固定的游戏开发工具、专用工作流程和操作规范。

这种时候，才更接近创造模式的用途。

什么时候用： 想研究 Harness 内部机制、试验插件，或者构建自己的 Agent 工作模式时。日常使用一般不需要切到这里。

四种权限：你允许 AI 动哪些东西？

刚刚说的是 AI 怎么干活。

接下来这个设置更重要：你允许 AI 动哪些东西？

还是用做超级马里奥来举例。

假设你在电脑上专门建了一个文件夹，叫 Mario，所有游戏文件都放在里面。

仅可查看：只许看，不许动

这就好比你请了一个员工过来检查项目。

他可以打开文件、阅读代码，告诉你哪里有问题。

但是，你不允许他直接修改文件。

比如，他发现游戏里的人物跳不起来，可以告诉你原因，但不能直接把代码改好。

适合让 AI 先检查、分析，不希望它直接动手的情况。

工作区内修改：只能在指定的文件夹里干活

这就好比你给员工安排了一个专门的工作间。

你让他做马里奥，他可以在 Mario 文件夹里创建文件、修改代码、增加金币和敌人。

但是，他不能因此就随便跑到你电脑的其他地方修改文件。

这是我最推荐普通用户使用的权限。

既让 AI 真正干活，又能把它的活动范围限制在指定区域。不过，具体限制还要看工具配置，重要文件仍然建议备份。

完全权限：给它更大的活动范围

这就好比你不只给了员工工作间的钥匙，还允许他去其他地方办事。

它可以执行更多操作，也可能接触工作区以外的文件和系统环境。

能力更大，风险自然也更高。

例如，你只想让它修改游戏，结果它误解了任务，动了其他地方的文件，就可能给你带来麻烦。

刚入门时，不建议直接开完全权限。 尤其是你自己也看不懂它准备执行什么命令的时候，不要随便放行。

自动审查：让系统帮你把关

这个可以理解成，在 AI 动手之前，多安排一个检查员。

AI 想执行某个操作时，系统会根据设置和规则判断怎么处理：有些操作可以自动通过，有些需要你确认，有些高风险操作则可能被拦下来。

比如，AI 想修改游戏代码，可以根据规则处理；但如果它准备执行一个风险较高的操作，就需要进一步审查。

不过，自动审查并不代表绝对安全，也不意味着每一次操作都一定会被正确判断。它属于更特殊的安全控制方式，需要相应配置，并不是所有安装环境都有。

提示词工程：为什么同样的 AI，别人用起来就比你好？

前面已经把 Harness 装好了，也知道怎么选模式和权限。

接下来，就要聊一个非常重要的东西：提示词工程（Prompt Engineering）。

这个名字听起来挺高大上，但其实没那么复杂。

说白了，提示词就是你告诉 AI 的话；提示词工程，就是研究怎么把话说清楚，让 AI 更好地理解你的需求。

举个例子。

假设我们现在要用 Harness 做一个超级马里奥小游戏。

如果你只对 AI 说：

帮我做一个超级马里奥。

你觉得它会怎么做？

它可能给你做一个简单的网页，也可能创建一个可以移动的小人，但没有跳跃、金币和通关机制。甚至它觉得自己已经完成任务了，你打开一看，却发现根本不是你想要的东西。

这能怪 AI 笨吗？

也不完全能。

因为你只告诉它最终想要什么，却没告诉它具体要做成什么样子。

那我们换一种说法：

请使用 HTML、CSS 和 JavaScript，帮我制作一个超级马里奥风格的横版闯关小游戏。要求玩家能够左右移动、跳跃，场景中有平台、金币和敌人，抵达终点后显示通关提示。请先告诉我你的实现计划，确认后再开始编写代码。完成后检查游戏文件，并告诉我如何运行和测试。

你看，只是多说了几句话，结果就可能完全不一样。

这一次，我们告诉了 AI 要做什么、使用什么技术、需要哪些功能，以及完成之后应该怎么检查。

AI 能够根据这些信息制定更明确的计划，也更容易判断自己到底有没有完成任务。

这就是提示词工程最基本的价值：不是靠什么神秘咒语控制 AI，而是把自己的需求表达清楚。

好的提示词，说清四件事

其实不用背什么复杂的公式。

刚开始使用 AI 时，你只需要尽量说清楚四件事。

第一，你想让它做什么。

不要只说“帮我做个游戏”，而是说清楚你要做一个什么样的游戏。

第二，你希望它怎么做。

比如使用什么技术、处理哪些文件，或者要不要先制定计划。

第三，你对结果有什么要求。

比如游戏必须能够移动、跳跃，有金币和终点，而不是只生成一个看起来像游戏的网页。

第四，你怎么判断它完成了任务。

比如要求它检查代码、说明运行方式，并列出需要自己测试的功能。

当然，不是每次提问都要写这么长。

你让 AI 帮你解释一个单词，没必要写一大段提示词；但如果你想让它完成一个复杂项目，就值得多花一点时间，把需求说清楚。

还有一点很重要：提示词也不是写得越长越好。无关的信息越多，反而可能让重点变得模糊。

在 Harness 里，为什么提示词尤其重要？

因为我们现在不是单纯让 AI 回答问题，而是希望它真正动手完成任务。

普通聊天的时候，你说得不够清楚，AI 回答偏了，你再问一遍就行。

但在 Harness 里，如果你让它直接修改文件、执行命令，而任务要求又不明确，它可能会按照自己的理解创建一堆不需要的文件，或者把原本正常的功能改坏。

所以，在让它开始执行之前，最好把目标、限制和完成标准说清楚。

例如，你可以加上一句：

请先分析现有项目，列出修改计划。不要删除原有功能，修改前检查相关文件，完成后再进行测试。

这样并不能保证 AI 永远不犯错，但能让任务更明确，也方便你检查它是否按照要求工作。

最后，我想说的是，提示词工程并不是什么必须花几个月研究的专业技能。

对于普通人来说，最重要的不是记住多少提示词模板，而是学会把自己的想法转化成 AI 能够理解、执行和验证的任务。

你不需要学会说 AI 的语言，你需要学会把自己的需求说清楚。

这才是我们学习提示词工程真正的意义。

偷个懒：让 AI 去写提示词

看到这里，你可能还是会想：好复杂啊，我哪记得住这么多？

其实有个特别简单的办法：让 AI 去写 AI 的提示词。

你只需要跟它说：

我想做一个马里奥小游戏，帮我生成一个给 Harness 的提示词。

就可以了。怎么样，是不是很简单？左脚踩右脚，螺旋上天。

然后把这一段复制给 Harness。用一份结构完整的提示词去跑任务，效果通常会比你说一句“我想做一个马里奥小游戏”要好很多。

当然了，我们可以在“左脚踩右脚，螺旋上天”这一步再踩一脚：生成提示词的提示词，是不是也可以生成提示词？（有点像绕口令哈）

所以接下来是我整理和一直使用的。用于生成提示词的提示词所用的提示词**(真的有点太绕口)**我觉得还是很好用的，你想生成一份提示词之前，可以先把这个发给AI。

万能提示词生成器（点击展开）

万能提示词生成器

你是一名专业的提示词设计师。你的任务不是直接完成用户的需求，而是帮助用户编写一份高质量、清晰、具体、可执行的提示词，让 AI 能够更准确地理解并完成任务。

工作流程

第一步：理解需求

认真分析用户想做什么、最终想得到什么结果，以及使用场景是什么。

第二步：发现问题

检查用户的需求是否存在以下问题：

• 目标不明确
• 缺少必要的背景信息
• 没有说明输出格式
• 缺少具体要求或限制
• 存在歧义，可能导致 AI 理解错误

如果缺少关键信息，请用通俗易懂的语言向用户提问。每次优先询问最重要的问题，不要一次提出太多问题。

如果现有信息已经足够，就直接生成提示词，不要为了提问而提问。

第三步：设计提示词

根据用户的需求，合理设计提示词，可以包含以下内容：

1. 角色定位： 让 AI 明确自己应该以什么身份或专业视角完成任务。
2. 任务目标： 清楚说明 AI 需要完成什么事情。
3. 背景信息： 提供理解任务所必需的上下文。
4. 具体要求： 将模糊的需求转化为明确、可执行的指令。
5. 限制条件： 说明哪些事情不能做、哪些内容必须保留。
6. 输出格式： 规定最终结果应该以什么形式呈现。
7. 质量标准： 明确怎样才算完成得好。

不需要每次都使用全部结构。根据实际任务灵活调整，避免提示词过长、重复或形式主义。

第四步：检查和优化

生成提示词后，检查它是否存在歧义、矛盾、重复要求或不必要的内容。

确保提示词能够直接复制到 AI 中使用，不需要用户再次修改大量内容。

输出规则

最终按照以下格式回答：

一、优化后的提示词

提供完整、可直接复制使用的提示词。

二、使用说明

简要说明这份提示词适用于什么场景，以及用户需要补充哪些信息。

三、可选优化建议

如果确实有必要，可以提出一到两个改进方向，例如提高专业性、增加创造力、约束输出格式等。

如果用户只需要提示词，请只输出提示词，不要附加多余解释。

核心原则

• 以用户的真实目标为中心，不要机械套用模板。
• 使用清晰、自然、容易理解的语言。
• 不要为了显得专业而堆砌术语。
• 不要擅自添加用户没有提出的目标。
• 不要把简单任务复杂化。
• 对复杂任务，优先拆分步骤，明确每一步的目标和交付结果。
• 对创作任务，保留用户的个性与创作意图。
• 对编程、研究、分析等任务，重视准确性、逻辑性和可验证性。
• 不要承诺提示词一定能产生完美结果。
• 提示词本身应当简洁有效，而不是越长越好。

现在，请等待用户描述需求，并根据以上规则帮助用户生成提示词。

接下来，我们就用“生成提示词的提示词”，让 AI 根据一句“帮我做一个马里奥小游戏”，写出一份给 Harness 的完整提示词。

把这份提示词丢给 Harness，点下开始。

接下来该干什么？

这一步很重要：把手机打开，点开抖音，开始刷视频。

因为这就是网页对话 AI 和 Harness 最大的区别。如果你把权限设成“自动审查”，或者让它在工作区内自由操作，很多步骤你甚至不用再点“批准”。你只需要交代清楚任务，然后去刷你的抖音，等它干完。

一边玩手机，一边把活就干完了，还真是巴适得板，而且效率还提升了一大截，直接耍起。

经过漫长的 30 分钟，游戏做好了。这 30 分钟里，手机还是那么一如既往的好玩，那么，让我们来看看效果。

怎么样，是不是效果特别不错？(反正你让我自己写，我可写不出来)

看起来半小时很长，但你要知道，如果用网页 AI 对话、再把代码复制粘贴到 IDE 里的方式，半小时绝对做不完，也做不到这个效果。

全程我没有进行任何操作，只是对它说了一句话。

这就是 Harness 的魅力。

当然，这次能一次成功，不代表每次都这么顺。需求说不清、权限没设对、环境有问题，它一样会跑偏。

而且，做游戏只是最简单的演示。那我能不能用它办公？比如生成文件、整理文件，或者做一些批量处理？能不能让它生成图片？

我们接着往下看。

五、进阶：接入 API，让 Harness 驱动别的模型

开头登录 DeepSeek 的界面有两个按钮，我们只讲了登录，没讲另一个“添加 API”。

接下来就说说：API 是什么，以及为什么要用配置 API 的方式去使用 DeepSeek Harness。

这里要先说清楚一件事：

在网页上使用 DeepSeek，和通过 API 调用 DeepSeek 或其他模型，是两种不同的使用方式。

你在聊天网页上能够和模型对话，并不代表你已经拥有可以直接填进程序的 API Key。

API Key（应用程序编程接口密钥）是一串由字母和数字组成的唯一标识码，用于验证调用 API 的程序或开发者的身份。

既然能够直接登录，为什么还要配置 API？

因为 DeepSeek Harness 只是一个框架，真正干活的“灵魂”是大模型。

那同一个框架，能不能配不同的大模型？

当然可以。官方登录只能用 DeepSeek 的模型；而通过 API 接入，就可以让 Harness 去驱动其他模型，比如智谱的 GLM 5.3、月之暗面的 Kimi K3.1 Pro，或者海外的 Claude Opus 5.5、GPT-6等等。

这也是“框架”和“模型”分开之后，最实际的好处。

第一步：获取 API Key

这里我们以阿里云百炼大模型平台为例。当然，每个平台的交互界面都不一样，不过换汤不换药，学会一个，其他的也差不多。

打开阿里云百炼平台，登录以后，找到 API Key 相关入口，按照页面提示创建密钥。

注意，API 密钥大部分平台都只能复制或下载一次，所以一定要保存好。如果不小心弄丢了，只能删掉重新生成一个。

API Key 相当于程序访问你模型服务的凭证。不要随便发到群聊里，不要公开上传到 GitHub，也不要直接把它写进准备公开的代码里，更不要发给任何你不信任的人。

千万不要泄露，因为这个东西代表的就是钱。如果别人用你不小心泄露的 API 去调用模型，花的可都是你的钱。

另外，API 调用可能产生的费用，取决于模型、输入输出的 Token 数量以及当时的计费规则。使用前记得查看官方价格页面和账户余额，不要因为配置成功了，就误以为可以无限使用。

第二步：在 Harness 里添加密钥

回到 DeepSeek Harness 的页面。

找到“设置”，然后进入“模型设置”。

如果你使用的是 DeepSeek 官方平台的 API，页面里通常有内置的 DeepSeek 配置卡片，直接找到 API Key 输入框，填入密钥，然后保存即可。

如果你使用的是自定义模型提供商，而不是内置的 DeepSeek 配置，那么还需要填写 API 地址、API 协议和模型 ID。

注意：配置 API 时，一定不要把 API 地址和接口格式填错！

比如，你选择了 OpenAI 格式，就要填写对应的 OpenAI 兼容接口地址；如果选择 Anthropic 格式，就要填写对应的 Anthropic 兼容接口地址。

以 DeepSeek 官方接口为例，OpenAI 兼容地址是 https://api.deepseek.com，Anthropic 兼容地址是 https://api.deepseek.com/anthropic。

这两项必须匹配，否则就可能无法正常调用模型。

记住，API 地址决定请求发到哪里，API 格式决定双方按照什么规则沟通，千万别混着填。

接着点击获取可用模型，选择自己想要使用的模型就可以了。

第三步：选择模型和思考等级

配置好了 API，接下来就要选择模型。

除了切换模型，你可能还会看到推理等级或者思考模式之类的选项。

简单理解，推理等级影响模型在一个任务上投入的推理程度：

• 关闭或较低等级： 适合比较简单、明确的任务。
• 较高等级： 可以尝试用于复杂的代码分析、多步骤规划和疑难问题排查。

不过，思考等级高不代表模型一定能把所有事情做好。复杂任务仍然需要清晰的需求、足够的上下文，以及对实际结果的验证。

而且，推理程度提高也可能意味着响应时间和 Token 消耗增加。

具体等级和名称会随模型、接口以及 Harness 版本变化，不要把某个版本的菜单选项当成永久不变的标准。

面板上那些小字，都是什么意思？

相信还有朋友发现，对话框底下有一些文字，比如多少轮、多少步、缓存命中率多少。这些是什么意思呢？

1. 对话轮次（Turns）

指你和 AI 交流的轮次。在 Harness 中，你发出一个任务后，AI 可能需要多次调用模型、执行工具，才能完成任务。因此，一次任务不一定只对应一次模型请求。

2. 速度与 Token 速度

速度指整体响应快慢；Token 速度通常以 tokens/s（每秒生成的 Token 数量）表示，反映 AI 开始输出后生成内容的快慢。Token 速度越高，回答通常生成得越快，但不代表模型更聪明。

3. 上下文窗口（Context Window）

可以理解为 AI 的“工作记忆容量”，通常以 Token 为单位。它决定 AI 一次能够容纳多少对话、指令和相关材料。窗口越大，通常越适合处理长对话和复杂项目，但不代表 AI 一定能准确理解所有内容。

4. 缓存命中率（Cache Hit Rate）

指请求中有多少符合条件的重复内容能够复用已有缓存。命中率越高，通常越有机会减少重复处理的开销，在支持相应规则的服务中，还可能降低费用、加快响应。

举个例子，DeepSeek 的普通输入价格，和缓存命中的输入价格，是分开计算的。缓存命中率越高，你完成本次任务花的钱就越少。

通过这些参考数值，可以对当前模型或工作的情况做一个快速判断。

六、插件：给 AI 加装新能力

前面我们已经知道，DeepSeek Harness 可以帮我们操作文件、编写代码。

那么，它还能不能获得更多能力？

这就要用到插件。

你可以把插件理解成手机里的 App。手机本身有基本功能，但安装不同的 App，就能获得更多能力。DeepSeek Harness 也一样，可以通过不同的插件扩展工具和工作方式。

举几个例子：

• 终端工具： 让 AI 执行命令、运行程序。比如制作超级马里奥时，让它检查代码、运行测试，而不是只生成一段代码就结束。
• 子 Agent： 可以把复杂任务拆分，让不同的智能体分别处理一部分工作。比如一个负责检查游戏代码，另一个分析游戏功能，再汇总结果。具体能否使用，取决于当前配置。
• 语音输入： 如果启用了相应插件，就可以通过语音向 AI 描述任务，不必每次都手动打字。
• 自动化任务插件： 用来安排定时或周期性的工作，让 AI 在指定时间处理任务。

怎么使用？

打开 Harness 左侧的插件页面，查看有哪些插件可用，再根据需要启用或安装。部分插件可能需要额外配置，而且有些功能仍处于实验阶段。

另外，你也可以在网络上搜索一些第三方的插件市场索引源，设置到 DeepSeek Harness 里，获得更丰富的插件。

但使用第三方插件时要留个心眼。虽然大部分插件是安全的，但也难免会有别有用心的人，把恶意提示词或代码植入插件中。所以，在设置第三方插件源时，尽量选择比较正规、安全的网站。

新手没必要把所有插件都装一遍。先从自己真正需要的功能开始，例如制作游戏时使用终端工具，等熟悉以后再尝试其他插件。

七、自动化任务：让 AI 按时自己干活

平时使用网页 AI，你通常需要自己打开对话、发送指令，它才开始处理任务。

自动化任务则允许你提前安排好工作时间，让 Harness 按指定的时间或周期触发任务，不必每次都手动提醒。

例如：

例子一：每周自动整理学习记录。

你可以告诉它：

每周五下午五点，整理本周学习记录，归纳已经学会的知识、还没弄懂的问题，以及下周的学习计划，并生成一份周报。

例子二：定期检查游戏项目。

如果你正在开发超级马里奥，可以安排它定期检查项目文件、整理待解决的问题，或者执行适当的项目检查任务。前提是它能够访问相应文件，并且已经配置好必要的工具和权限。

例子三：每天整理工作笔记。

你可以设置每天晚上八点，让它归纳当天的工作记录，整理出已完成的事项和明天需要处理的任务。

这些任务不需要每天重新输入，但你仍然应该检查它生成的结果。定时触发也不意味着 AI 一定能够成功完成所有工作。

怎么使用？

首先选择你使用的工作区，然后在对话中直接告诉 AI 你要执行什么任务、什么时候执行、是否需要重复。例如：

每周五下午五点（北京时间），整理本周的项目笔记并生成周报。

（这里也可以先让 AI 帮你把任务描述改写成一份更完整的提示词，再交给它执行。）

创建完成后，打开侧边栏中的自动化任务页面，检查任务名称、执行频率、时区和启用状态是否正确。之后，你也可以在这里查看、修改或删除任务。

需要注意，定时任务的具体表现取决于当前版本和配置。它并不等于自动给你发送邮件，也不能保证电脑关机或服务不可用时仍然按时执行。

总之，插件是让 AI 获得更多能力，自动化任务则是让它按照计划执行工作。 刚开始使用时，先试着安装一个自己需要的插件，再创建一个简单的定时任务。等你熟悉这两项功能之后，就可以慢慢把更多重复性工作交给 AI 处理。

八、所以，我们到底有没有必要学这些东西？

回到文章开头的问题。

如果你一直使用豆包、DeepSeek 网页版或者其他 AI 聊天产品，你就已经落后了吗？

我觉得不能这么绝对地下结论。

不同工具有不同的使用场景。查资料、翻译、写文案、日常问答，网页 AI 依然很好用。国内模型也有自己的优势，完全没有必要为了追逐所谓的前沿技术，就否定已经好用的工具。

但如果你从来没有接触过 Agent，不知道 AI 可以怎样读写项目文件、调用工具、运行任务，也没有尝试过让它帮助自己完成一个完整的工作流程，那么你确实可能错过了一个非常值得学习的方向。

真正值得警惕的，不是今天没有用某个特定模型，而是当 AI 的使用方式已经向前发展时，我们仍然只知道打开聊天框，问一句问题，复制一段答案。

所以今天，我们先从 DeepSeek Harness 开始。

安装它，配置 API，选择一个安全的测试目录，亲自给它安排一个小任务。

你不需要立刻成为 AI 专家，也不需要一夜之间学会所有新工具。

先让它真正参与一次工作，你就能更直观地感受到变化。

至于海外那些更成熟的编程智能体工具，例如 Claude Code 和 Codex，它们又有哪些不同？怎么安装、怎么配置，以及如何把它们接入自己的开发工作流？

这些内容，我们放到下一期再聊。下一期会深入讲讲 AI 的更多知识，以及在国内如何合理、合规、合法地使用 Claude Code。

回到开头那个词。与其当那个只会劝别人“快用 AI”的老登，不如先自己动手用一次。

毕竟，了解 AI 是一回事，真正把它用起来，又是另一回事。