实测惊了：用DeepSeek做猪八戒，比Codex强不止一星半点

DeepSeek Harness，终于发布，并且将源代码开源了。

为啥说「终于」呢？因为我已经内测了快半个月，现在也是终于能发了。。。

这段时间里，为了测试，我几乎把我所有Vibe Coding项目，都从Codex迁移到了黑鲸（是的，logo黑化了）。

深度体验这么久，又把官方Repo从头到尾翻了个底朝天之后，我最大的感触是——

这简直是套彻头彻尾为「自进化」和「DIY」而生的马鞍啊。

内测群里，有大佬直接给改成了这样。。。

这样。

还有这样的TUI。

而DSH真正能做的，远远不止这些。

这意味着，如果你想，完全可以自己上手改造，或者针对特定场景定制运行时。

目前，官方已经内置了一百多个插件。后续社区会提供更多。

Agent时代的安卓，来了。

但在说底层技术相关的内容前，咱们还是先讲讲产品体验本身。

但梁圣这次可能不止收你电费钱了，17号要大涨价，尤其是缓存。。。

不过，你也是可以接入其他模型的。

之后就能看到「黑鲸」真容了，基本和DeepSeek网页版长得一模一样，只不过现在对话列表成了本地项目管理列表。

使用上也和主流Agent有些区别。

开启会话前，你需要额外选择工作目录，以及——

Agent预设。

这是DSH比较新鲜的功能，目前官方有四类预设供你选择——

此外，也支持自定义预设。

这也是DSH带给我最深的印象——这是一个非常极客，甚至可以说是开发者天选的马鞍。

很多设计都围绕这个第一性原理展开。

比如有个叫轨迹的功能。

众所周知，随着Agent跑得越久、工具链越复杂，Chat摘要就越来越黑盒，根本搞不清楚模型在背后干啥。

DSH做的这个轨迹，就是一个能随时监控Agent的回放窗口。

和Chat视图的是润色后的对话不同，Trajectory能直接看到原始事件级记录，你可以随时回放，查看会话内部到底发生了什么。

这样，能更直观地看到模型究竟是在哪栽了跟头，每个环节都烧了多少钱。

此外，DeepSeek还在仓库里内置了一堆Skill，专为开发而生。

看了一眼MD，功能大概有这些——

不过，我不是重度开发者用户，日常确实不太用得着这些。

但多轮交互下来，我发现DSH有一个非常好用的小设计——

即便不开计划模式，黑鲸在遇见用户指令不明确的情况时，也会主动拉起提问。

这点和Codex很不一样。在DSH的鞭策下，黑鲸会非常主动地开启头脑风暴，并且给出建议选项。

说实话，太爽了，能节省巨多脑力，少吃很多根香蕉（bushi）。

其他就和Codex没啥区别。

像任务清单这种功能，也是有的。

比较遗憾的是，经典Agent三列表中右侧栏还没做出来，体验上还是有些不方便。

甚至能直接在对话中播放视频。。。

诸如此类，反正就是很多UI和交互上的小细节，跟Codex比起来肯定还是有差距，可能也得等后续更新打磨吧。

但众所周知，V4是个瞎子啊o(╥﹏╥)o，这个功能需要额外搭配多模态模型食用。

最后聊聊Token消耗。

也是很神了，DSH专门在屏幕最下方搞了个统计表，你可以随时在这里查看Token消耗量、缓存命中率，以防一不留神给信用卡刷爆掉。

缓存命中方面，也是很猛的，大多处于99%左右，有几次直接干到100%了。

当然，也是遇到过几次掉到60-70%的情况的。

但奈何内测的时候DeepSeek是真便宜啊！

说实话，我真就没咋关注过这个仪表盘。

感谢梁叔叔。

最后就来拴上这套原生马具后，黑鲸的表现吧。

我让V4 Flash分别用Codex和DeepSeek自己的harness跑了几个demo，大家可以自行对比一下。

左边是DSH，右边是Codex。模型、推理强度完全一致。

首先是鹈鹕自行车。

比较经典的一个测试了，说实话，没太大差别，甚至右边Codex的审美更好。

但这个猪八戒3D白模就很离谱了。

同样是只简单嘱咐了一句任务，没有写复杂提示词，右边Codex马鞍一把梭的产物简直不像个生物。

从《后室》逃出来的是吧。

至于原因，我个人感觉是：DSH驾驭下，模型的长程任务能力会强非常非常多。

像猪八戒这个demo，就一句「生成猪八戒3D白模」，DS直接猛跑了20min。

反观Codex，几乎就没怎么返工，6分钟就跑完了，异常自信。

搁这带货来了啊？？

这也是社区比较一致的反馈，听有个哥们说，他最长跑了10个小时。。。

我自己的体验也差不多，基本都是一句prompt直出，很少出现直接、不绕弯子地交付半成品的情况。

比如这个第一人称射击游戏，我真就啥prompt没给，下蹲、换弹、瞄准、NPC……所有功能都它自己做的。

也建议大家不用让AI单独生成一遍Prompt，直接语音输入把需求讲清楚就行，太过详细反而会限制模型发挥。

对了，这有个黑鲸给自己做的「思考」gif，欢迎大家拿去当表情包。

所以，买了梁叔叔的API，接DSH还是Codex？

结论很简单：自家模型肯定是优先搭配自家Harness。

不然也没必要单独做一个了。。。

实测的部分就先到这，主要聊的还是产品设计上的细节。至于模型能力，市面上已经有太多demo了，这里不再赘述。

我更想聊的，是藏在这个对话框之下的东西。

打开官方Repo，你会发现README里反复出现同一个词——Cordis。

啥意思？我看了一下，大概可以理解为乐高的底座板。

你玩乐高的时候，不会从零开始捏，你有一块带凸点的底板，然后往上插各种零件。

Cordis，就是程序员写代码时的「那块底板」。在设计Agent框架时，它将整体拆解为一个个独立插件，各司其职。

这样，可以最大程度避免重复造轮子。

开发者若有魔改需求，只需按规则 Vibe Coding 一个新插件，直接插到底板上即可；若对现有插件不满，也能随时拔下替换。

说实话，这是一种相当AI-Native的设计思路。

要知道，Skill只是Prompt Engineering的范畴，已经爆发出如此强大的影响力。

而Cordis插件，允许用户自定义整个Agent运行时。

这个主流Agent的思路很不一样，虽然Codex的Harness也开源了，但骨子里还是iPhone这类闭源哲学——

Rust写单体核心，依靠「外部挂件」做App Store扩展，MCP工具、hooks、skills，统统挂在核心外面，你不能随意触碰主干。

优点当然很明显。

Rust直接控制内存和并发，比插件框架的抽象层更快；一体化封装，可控性也更高、更极致。

缺点嘛，就是封闭，社区没啥插手空间。

而DSH，我觉得，就是Agent时代的安卓。

甚至还内置了一个魔改Cordis的Skill。

这意味着，任何人、在任何时候遇到Bug或需要新功能，都可以直接动手实现，然后再开源出来。

未来，其他用户遇到相似问题时，也能直接安装社区已有的DSH插件，就像《我的世界》装模组一样。

比如前面说到困扰我很久的侧边栏功能，社区里就有老哥做了插件。

事实上，DeepSeek Harness已经预留好了Plugin Store，光是官方，现在就已经内置了100多个插件。

这也是DeepSeek Harness团队呼吁的事情：

我感觉DeepSeek可能在下一盘大棋。

今年自从Anthropic那篇self-improvement博客发出来之后，大家一直在聊「自进化」，但说实话，始终没有一个很清晰的路线图。

DeepSeek这套思路，是我目前看到的比较可落地的实现方式——

普通用户也能参与AI的自进化。

Cordist协议下，模型可以在不打断任务的前提下，自己写个插件、自己安上。

再配上用户生态，你想想：从成百上千万个Agent实例里，筛出魔改得比较好的插件，再融回主线……

这不得起飞了啊！

什么？你问说了这么多，这Cordis对用户体验到底有啥帮助？？

好问题。

在社区里问了一圈，目前看来，对普通用户而言，暂时是没太大帮助。。。

毕竟是个吃生态的feature，也许要等后面大量高质量插件沉淀下来后，才能体现出差异。