deepseek-harness-flow 怎么安装？

在已安装 dsh CLI 引擎的环境中，进入插件页复制安装命令一键执行即可；尚未跑自动兼容性验证，可查看页面内的依赖与入口分析。

deepseek-harness-flow 兼容性怎么样？

尚未跑自动兼容性验证，可查看页面内的依赖与入口分析。

deepseek-harness-flow 有中文文档吗？

已提供中文翻译 README（由 DeepSeek 最新模型翻译生成），本站可切换中英文对照阅读。

deepseek-harness-flow 还在维护吗？

GitHub 0 星。最近一次上游提交在 2026/8/14。

可视化工作流跑分台 alison-xx/deepseek-harness-flow

DeepSeek Harness

alison-xx82 天前有提交已提供中文文档扫描：含敏感能力

在 GitHub 查看 ↗

拖拽节点编排 Agent 工作流，多模型跑分对比

26.6/100

综合分

GitHub 星标

—

npm 周下载

—/5

用户评分

数据截至 2026/9/16 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。

安装命令 · 需先装 dsh CLI 引擎

dsh plugin --profile web add alison-xx/deepseek-harness-flow

该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

状态速览

判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态

信任档位：仅索引

是什么

dsh 原生插件 · vision

装得上吗

本站尚未做安装检查

安全吗

本站尚未对该插件做风险分级

暂未覆盖，不等同于无风险

还在维护吗

更新放缓：最近一次提交在 82 天前

档位由哪些信号合成

本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。

验证判据与等级说明 →

社区实装还没有人打卡 · 装过的第一个就是你

安全扫描自动 · 静态分析源码

v2.7.0

🔵 扫描：含敏感能力尚无人工评估

展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。

读写/删除本地文件

查看扫描证据（共 7 处，展示前 7 条）

写入本地文件
src/core/fixtures.ts:21
await mkdir(dirname(destination), { recursive: true })
写入本地文件
src/core/fixtures.ts:22
await writeFile(destination, fixture.content, { encoding: 'utf8', flag: 'wx' })
读取本地文件
src/core/store.ts:25
this.state = JSON.parse(await readFile(this.file, 'utf8')) as StoredState
写入本地文件
src/core/store.ts:48
await mkdir(dirname(this.file), { recursive: true })
写入本地文件
src/core/store.ts:50
await writeFile(temporary, JSON.stringify(this.state, null, 2), { encoding: 'utf8', mode: 0o600 })
写入本地文件
src/core/store.ts:51
await rename(temporary, this.file)
写入本地文件
src/host/index.ts:302
await mkdir(cwd, { recursive: true })

扫描于 2026/11/3（1 天前） · 范围全包扫描（包内未声明入口） · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。

依赖的 DSH / Cordis 模块

@deepseek-ai/cordis@deepseek-ai/schemastery@deepseek-ai/dsh-agent@deepseek-ai/dsh-client-connection@deepseek-ai/dsh-client-locale@deepseek-ai/dsh-client-runtime@deepseek-ai/dsh-client-ui-conversation@deepseek-ai/dsh-client-ui-slots@deepseek-ai/dsh-typert-protocol@deepseek-ai/dsh-workflow

给这个插件打分还没有人投票↓

用户评分

还没有人投票，来当第一个

广告精选好物

飞利浦 TAH6519 主动降噪耳机 ¥299

头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。

·anc 主动降噪 · 头戴式无线
·价格与库存以商品页实时为准

去淘宝看看→

广告MCP 兼容手册

装完插件，给 AI 接上 MCP

Cursor、Claude Code、VS Code 逐个核对：能不能装、配置怎么写、装不上是什么原因。

·按客户端逐格核对
·结论标注依据与风险等级

查 MCP 兼容性→

功能亮点

拖拽节点编排工作流
多模型跑分对比

DeepSeek Harness 的可视化工作流与多模型评测

README

由 DeepSeek 最新模型翻译生成

DeepSeek Harness Flow DeepSeek Harness Flow 是 DeepSeek Harness 的社区开源插件，提供可视化 Agent 工作流和多模型跑分实验室。 Harness Flow Studio：可视化 Agent 工作流画布 _Studio 预览：可视化工作流作为正常 Harness 会话内新增的 Harness Flow 入口，不替换原有界面。_ 它会保留原来的 Harness 内容：Chat、会话列表、设置、工具和已有 workflow 记录都不修改。插件只在原 Chat 旁增加一个 Harness Flow 入口，里面只有三个页面： - Studio：编辑并运行 Input、Agent、Map Agent、Condition、Merge、Output 节点。 - Bench：选择预设或导入测试集，配置多个模型和独立裁判后开始跑分。 - Runs：查看持久化结果、客观结果、正式排行榜，并导出脱敏报告。本项目是社区项目，并非 DeepSeek 官方项目，也未获得 DeepSeek 官方背书。安装当前 beta 固定兼容 DeepSeek Harness 提交 47f9438 及其对应 RC 包。

展开完整文档（README 剩余 1 节）

DeepSeek Harness Flow

DeepSeek Harness Flow 是 DeepSeek Harness 的社区开源插件，提供可视化 Agent 工作流和多模型跑分实验室。

Harness Flow Studio：可视化 Agent 工作流画布

_Studio 预览：可视化工作流作为正常 Harness 会话内新增的 Harness Flow 入口，不替换原有界面。_

它会保留原来的 Harness 内容：Chat、会话列表、设置、工具和已有 workflow 记录都不修改。插件只在原 Chat 旁增加一个 Harness Flow 入口，里面只有三个页面：

- Studio：编辑并运行 Input、Agent、Map Agent、Condition、Merge、Output 节点。
- Bench：选择预设或导入测试集，配置多个模型和独立裁判后开始跑分。
- Runs：查看持久化结果、客观结果、正式排行榜，并导出脱敏报告。

本项目是社区项目，并非 DeepSeek 官方项目，也未获得 DeepSeek 官方背书。

安装

当前 beta 固定兼容 DeepSeek Harness 提交 47f9438 及其对应 RC 包。

dsh plugin --profile web add https://github.com/alison-xx/deepseek-harness-flow/releases/download/v0.1.0-beta.2/deepseek-harness-flow-0.1.0-beta.2.tgz

重启 web profile，打开任意会话，在原来的 Chat 旁选择 Harness Flow。本地安装包和排错方法见中文安装指南。

Tauri 桌面客户端

仓库同时提供面向 Windows 的 Tauri 桌面启动器。它会启动隔离的本机 Harness Profile、将本插件安装到该 Profile，并在原生桌面 WebView 中打开完整 Harness。

Harness Flow Desktop 桌面启动器

pnpm install --frozen-lockfile
pnpm desktop:dev

启动器会要求填写本机 DeepSeek Harness 项目目录和 Node.js 命令，默认端口为 4181。安装 Rust 与 Windows 构建工具后，执行 pnpm desktop:build 可生成安装包。首个桌面 Beta 有意复用本机 Harness 与 Node.js，而不会偷偷打包凭据或复制一份 Harness；详见桌面端指南。

跑分规则

- 内置 MIT 测试集：Quick Smoke 6 题、Comprehensive Agent 18 题、Coding 8 题、Safety 6 题。
- 每题每模型默认运行 3 次；默认全局并发 2，同一 provider route 并发 1。
- 支持 DeepSeek、OpenAI、Anthropic、Google 和自定义 OpenAI 兼容接口。
- 每个 route 使用独立的 Harness 凭据引用；明文 Key 只发送给 credentials.set，本插件不持久化 Key。
- 正式 100 分质量分需要一个不参赛的独立裁判：客观正确性 50%、裁判 30%、安全合规 10%、稳定性 10%。
- 没有独立裁判时只显示客观结果，不分配正式名次。
- 延迟、Token、缓存读取和估算成本单独统计；只有填写计价快照时才显示成本。
- 导入测试集里的命令默认禁用，必须在运行前明确授权。

本地开发

需要 Node.js 22+ 和 pnpm。

pnpm install --frozen-lockfile
pnpm verify
pnpm test:browser
pnpm pack:release

pnpm preview 会在 http://127.0.0.1:4178 打开独立视觉测试壳。Harness RC 包是运行时 peer dependency；仓库内置最小兼容类型，所以独立 clone 也能直接类型检查。

公开接口

Typert Remote 命名空间：

flow.list/get/put/delete/run/cancel
benchmark.suites/list/import/export
benchmark.runs/start/get/list/cancel/retry/export

核心公开类型包括 FlowDefinition、ModelTarget、BenchmarkSuite、BenchmarkCase、BenchmarkRun、BenchmarkResult。

隐私与安全

插件不采集遥测，不上传测试题、模型回复、报告或 API Key。导出器会移除凭据字段、绝对工作路径和敏感环境变量名。导入第三方测试集前请阅读 SECURITY.md。

许可

MIT。内置测试题为本项目原创内容，同样以 MIT 许可发布。