社区推出 DeepSeek Harness 桌面端,支持 Apple Silicon Mac 与 Windows

DeepSeek Harness 社区桌面端 v0.1.0 已提供 macOS 和 Windows 安装包。它将官方开源框架、本地 Web UI 与服务启停管理封装进 Electron 应用,使用者不再需要先安装 Node.js 或输入启动命令。首个公开版本支持 Apple Silicon Mac 与 Windows x64。这是社区项目,不是 DeepSeek 官方桌面客户端。
DeepSeek Harness 社区桌面端 Mac 与 Windows 封面

下载安装包就能启动 Harness

DeepSeek Harness 官方版已经以 MIT 许可证开源,当前定位是开发者预览版。它是一套智能体执行框架:模型负责理解任务和生成下一步动作,Harness 则把这些动作连接到文件系统、终端命令、工具和子智能体。

官方提供的直接使用方式仍是先安装 Node.js,再按Web UI 运行说明在终端执行 npx @deepseek-ai/dsh web。命令会启动一个本地 Web UI,默认地址为 http://127.0.0.1:3080。对不熟悉 Node.js 或命令行的人来说,这几步就是首次使用的主要门槛。

社区项目 anywhere-labs/deepseek-harness-desktop 在官方代码的基础上增加了 Electron 桌面外壳。安装后,应用会负责启动和管理本地 Harness 服务,并用独立窗口显示原有 Web UI。系统托盘、窗口生命周期和本地服务启停也由桌面应用处理。

它是官方仓库的社区 fork

桌面端 GitHub 仓库明确标记为官方 deepseek-ai/deepseek-harness 的 fork。对比两个仓库可以看到,社区版新增了 apps/desktop 目录、Electron 打包配置、本地 Host 进程管理、系统托盘逻辑,以及面向桌面窗口的界面适配。官方仓库则没有对外提供这些桌面安装包。

这个区别会直接影响下载和问题反馈的去向。DeepSeek Harness 社区桌面端官网与安装包由 anywhere-labs 社区项目维护;DeepSeek 官方项目的使用入口是 DeepSeek Harness 官网、官方 GitHub 仓库与 @deepseek-ai/dsh npm 包。桌面端项目的官网和 README 也都直接写明“并非 DeepSeek 官方产品”。

这并不否定其开源性质。社区仓库同样采用 MIT 许可证,桌面端代码、打包配置和发布记录都可公开查看。用户需要区分“基于官方开源项目”与“官方发行”:它复用了 DeepSeek Harness 的核心能力,但桌面封装和二进制安装包由社区账号发布。

首个版本支持两类电脑

v0.1.0 发布页提供两个可执行安装包:macOS 版是面向 Apple Silicon 芯片的 .dmg 文件,Windows 版是面向 x64 系统的 .exe 文件。当前的 Mac 包适用于 M1、M2、M3、M4 等 Apple 芯片机型,不适用于 Intel Mac。

发布页同时给出了两个文件的 SHA-256 摘要。Mac 安装包 DeepSeek-Harness-0.1.0-arm64.dmg 的摘要为 65d6f3ae1f0f51ae2edc00ff82862a9bc88f383d6639bbf1bfb5973a47f5d286;Windows 安装包 DeepSeek-Harness-Setup-0.1.0.exe 的摘要为 493cf180dbe096a6253218d542ac4e2f5881ee1a946e0589ceacf225919fb729。下载后可以先计算本地文件摘要,与 GitHub Releases 页显示的值逐字比对。

首次打开后,使用者仍需按官方 Web UI 指南在 Settings 的 Models 页面配置 DeepSeek API Key,或参考模型提供方配置说明选择其他受支持的服务。随后选择工作区,Harness 才能读取项目文件并开始会话。桌面封装减少了安装步骤,没有取消模型 API 的配置和费用。

先用独立测试目录试跑

Harness 能读取和修改工作区文件、运行命令、委派任务和维护计划。这些能力让它可以完成多步代码任务,也意味着选中的目录和授权策略会决定它能操作哪些本地内容。官方 Web UI 会在当前权限策略要求审批时弹出确认。

实际使用时,可以先新建一个独立测试目录,放入可恢复的文件副本,再把它选为工作区。当界面请求执行命令或写入文件时,先核对目标路径与命令内容。需要处理真实项目时,再依次扩大工作区和授权范围。

桌面端 README 说明应用数据和 Harness 服务运行在本地。本地运行并不等于完全离线:当用户配置云端模型 API 后,模型请求仍会访问对应的服务。不要把 API Key 写进项目文件,也不要在首次测试时选择包含密钥、客户数据或不可恢复文件的目录。