微信公众号运营助手 AGENT

HUMAN REVIEW

DeepSeek Harness 接入：官方 dsh 与自建装配的四根接线

FORMATTED

WECHAT PREVIEW

排版预览

FINAL MARKDOWN

人工终稿

# 别再找 DeepSeek Harness：把 DeepSeek 接入 Agent Harness 的正确方式

官方 dsh 已发布，但接自己的业务仍要自己接线。基于官方文档实测数据，给出 DeepSeek 接入 Agent Harness 的四根接线与最小装配清单。

打开 DeepSeek 官方文档，左侧 Agent Integrations 栏目里，现在躺着一个新条目，DeepSeek Harness。源码就挂在 deepseek-ai 官方组织下，一条 `npx @deepseek-ai/dsh web` 命令，本机 3080 端口起一个带界面的 Agent 运行时。读文件、跑命令、审批权限，全配好了。

很多人等这一天等了很久。

[配图：封面：发动机装进车架]
{{ARTICLE_ASSET:img-00}}

[配图：发动机铭牌（官方规格）]
{{ARTICLE_ASSET:img-01}}

装完之后，真正的问题才刚开始。它跟你的业务系统怎么接？为什么接上之后 token 账单翻着倍地涨？为什么工具调到一半，模型开始自说自话？

这篇文章不讲安装，安装看官方 README 就够。讲的是发动机的接线方式。官方这辆整车可以开走，但只要你想接自己的业务，下面这些线，一根都省不掉。

## 01｜先破掉两个误解

✗ 误解一，官方出了 Harness，装上就完事

dsh 给你的是一辆整车。文件操作、命令执行、权限审批、任务委派，全都内置。但你要接的往往是自己的东西，内部数据库、业务 API、审批流程。这些 dsh 一概不知道。可油钱得你自己掏。

✗ 误解二，选对框架就赢了

框架只是把零件打了个包。决定 Agent 能不能长期跑的，是几个接入口的设计。用官方 dsh 也好，自己攒车也好，接入口长得一模一样。看懂它们，比选型本身值钱。

## 02｜先看清发动机铭牌

> **关键提示：** 📊 发动机铭牌

动笔之前，我把官方定价页和线上模型表都核了一遍。发动机的规格，以官方为准。

> **关键提示：** 💡 先记两个数

**缓存命中的输入价是未命中的 1/50（flash）。** 同一份长 system prompt，第一次贵，后面四十九次几乎是白送。

**低峰时段价格是高峰的一半。** 高峰只有工作日的北京时间 9 点到 12 点、14 点到 18 点。批量任务挪到夜里跑，账单直接砍半。

> **关键提示：** ⚠️ 两个坑

旧模型名已经退役。deepseek-chat、deepseek-reasoner 这类名字传进去，请求会被自动路由到 DeepSeek-V4.1-Flash，官方原话是 served by the DeepSeek-V4.1-Flash model。监控面板里的模型名可能跟你传的不一样，别当成 bug 报。

max_tokens 的默认值分三档。关思考 8K，开思考 64K，effort 开到 max 时给到 128K。Agent 场景建议显式传，别吃默认。

## 03｜四根必须自己接的线

> **关键提示：** 🔌 第一根线，双协议入口

官方入口有两个。OpenAI 兼容协议走 api.deepseek.com，Anthropic 协议走 api.deepseek.com/anthropic。模型名就两个，deepseek-flash 和 deepseek-v4-pro。

一个工程细节。我们做公众号管线时踩过 IP 白名单的坑，系统代理一开，出口 IP 漂来漂去，白名单加了三次才加对。后来客户端一律 trust_env=False 固定直连，世界清净了。凡是按出口 IP 做鉴权的服务，这条都适用。

> **关键提示：** 🧠 第二根线，思考分轨

DeepSeek 默认开思考，thinking.type 默认 enabled。开了之后，响应里多出一个 reasoning_content 字段，跟最终答案的 content 分开装。官方定义是最终答案之前的推理内容。

三条纪律。

**思考内容只看不传。** 下一轮对话只回传 content。reasoning_content 是草稿纸，扔进 messages 等于把每次的草稿纸都钉在墙上，上下文和账单一起爆炸。它只在官方的 Chat Prefix Completion（Beta）里允许作为输入出现。

**思考烧的是输出预算。** usage 里 reasoning_tokens 单独列账，计入 completion_tokens。你在 max_tokens 里给的钱，思考先花，正文后花，花超了正文就缩水。

**给输出预算加一道闸。** 我们的做法是每次调用前先算剩余额度，max_tokens 取配置上限和剩余额度的较小值，剩余不足 256 就直接拒绝这个任务。宁可它现在死，也别带着半截上下文继续烧。

> **关键提示：** 🛠️ 第三根线，工具循环

OpenAI 兼容协议下是标准流程。声明 tools，模型回 tool_calls，你执行完用 role=tool 回填，再发起下一轮。

两条经验。

**工具报错也要回填。** 把异常文本塞进 tool 结果，让模型看见失败原因，它会自己换个参数重试。掐掉这一步，模型就在悬空状态里反复横跳。

**还有第二条路。** Agent 的每一步如果都能收敛成结构化决策，可以不用 tool_calls，改用 JSON 契约。system 里给 schema，response_format 锁 json_object，Pydantic 校验，校验失败就把模型的原始输出喂回去，让它自己修一轮。我们生产管线跑的就是这条路，一轮修复能解决绝大多数格式问题。tool_calls 灵活，JSON 契约可控，按场景选。

> **关键提示：** 💰 第四根线，前缀缓存

这是最容易被白扔的钱。缓存对所有人自动开启，逻辑一句话，请求开头跟已缓存前缀完全一致就命中，命中部分按命中价计费。

装配原则三条。

**稳定的放头部。** system prompt、工具说明、few-shot 示例，一次写好。每次动态拼 system，等于每次都买全价票。

**变化的放尾部。** 用户输入、检索结果、工具回执，永远追加在消息末尾。

**历史只追加不改写。** 多轮对话里改一条历史消息，从那条往后，缓存全部作废。

usage 里看 prompt_cache_hit_tokens 和 prompt_cache_miss_tokens。任务命中率低，先检查是不是有人在中途改了 system。另外缓存是尽力而为，构建要几秒，几小时到几天不用就清掉，别指望它永久。

## 04｜为失败而设计

> **关键提示：** 🚨 长期跑靠这些

线接好只是能跑，长期跑要靠三样东西。

**重试分类型。** 429 和 5xx 退避重试，401、403 重试没有意义，直接告警让人来。把可重试和不可重试分开，半夜的账单和报错才不会一起爆。

**预算前置。** 任务开跑前先估算，研究、规划、草稿、修订轮数全加起来，超过总额就拒绝排队。我们的估法把每个来源按 750 token 计，草稿按目标字数三倍计，再乘上修订轮数。烧到一半饿死的任务，比排不上队的任务贵得多。

**记账到调用。** 每次调用的 usage 落库，任务结束能对出一张完整的账。没有账，优化就无从谈起。

## 05｜最小装配清单

> **关键提示：** DeepSeek Harness = 双协议入口 + 思考分轨 + 工具循环 + 前缀缓存 + 失败设计

dsh 值得今天就把 Web UI 跑起来试试，它还在 developer preview，接口随时会变，别把业务焊死在它的内部结构上。但不管车是谁装的，发动机的接线方式就是这四根线。

我们那台跑着公众号管线的 Agent，接的也是这四根线。

发动机是买来的，车是自己装的。

## 参考资料

**结尾：**发动机是买来的，车是自己装的。

DeepSeek Harness 接入：官方 dsh 与自建装配的四根接线

排版预览

人工终稿

与初稿的差异

文章决策面板

内容复用

创建内容任务

导入运营数据

微信文章预览

选择标题

推送到微信草稿箱