DeepSeek Harness 发布 v0.1.0-rc.8：补齐图片输入链路

2026年8月19日23时37分（北京时间），深度求索（DeepSeek）在 GitHub 发布开源智能体框架 DeepSeek Harness 的 v0.1.0-rc.8 预发布版本，距上一版 rc.7 仅隔两天。这一版本最关键的变动是：DeepSeek 模型适配器可通过配置启用原生图片请求，

/goal

、

/plan

等核心命令首次支持图文混合输入；同时，Anthropic 的 Claude Code 与 OpenAI 的 Codex 可以作为 Profile Bundle 按需安装，被 Harness 当作子代理调用。

为什么这件事重要

DeepSeek Harness 是 DeepSeek 在"卖模型"之外押注的第二条线——智能体运行框架。2026年8月14日，光明网援引社区数据称，Harness 的 GitHub 仓库在公开 12 小时内获得超过 5 万个星标，产品定位对标 OpenAI Codex 与 Anthropic Claude Code。rc.8 的意义不在于单项功能多惊艳，而在于它把图片、文件、会话上下文、第三方 Coding Agent 全部拉进同一套工作流调度层——这正是桌面端 Agent 能否"看懂屏幕"的工程前提。

📌 事实速览

• 版本号：v0.1.0-rc.8（预发布，npm

  latest

  标签仍指向 rc.7，

  next

  指向 rc.8）

• 发布时间：2026年8月19日23时37分（北京时间）

• 核心新增：原生图片请求、

  /goal

  、

  /plan

  图文输入、

  @

  菜单文件/会话引用

• 子代理：Claude Code 与 Codex 支持作为 Profile Bundle 安装

• 边界：默认 DeepSeek 模型目录未开放视觉端点，需自行配置支持图片输入的模型

多模态：补的是"通道"，不是"眼睛"

rc.8 在多模态上的实质进展，是给 Harness 补上了图片输入链路。根据官方更新说明，DeepSeek 模型适配器现在可以通过配置启用原生图片请求；

/goal

、

/plan

等命令可以接收图文内容；

@

菜单新增文件和会话引用，开发者可以把本地截图、历史对话一起塞进当前任务。

但需要明确一个边界：Harness 支持图片传输，不等于 DeepSeek 默认模型具备视觉能力。Ainfinity 在解读官方适配器文档时指出，默认目录中的

deepseek-v4-flash

和

deepseek-v4-pro

在未声明

inputModalities: [text, image]

时仍按纯文本处理；在视觉端点发布前，默认目录不会列出视觉模型。换言之，开发者必须自行接入支持图片输入的端点，才能在 rc.8 中真正"让 Agent 看图"。

对于底层模型不具备视觉能力的场景，Harness 会通过 OCR、像素分析等方式间接处理图片。Cherry Studio 产品经理 Yinsen 在 X 上把这种方式称为"伪视觉"。

图片载荷也有明确限制：本地附件默认单张 3.5 MiB、单条消息最多 20 张、原始图片合计不超过 100 MiB；进入 DeepSeek 适配器后，单次请求累计 Base64 图片载荷默认上限为 20 MiB。当长会话历史图片超出预算，适配器会从最旧的图片开始用占位文字替代。rc.8 同时修复了图片尺寸过大、历史图片累计载荷过高导致请求失败的问题。

子代理体系：把竞品拉进自己的工作流

rc.8 的另一重头戏，是把 Claude Code 和 Codex 作为 Profile Bundle（可选组件包）按需安装，由 Harness 主任务调度执行。

Codex 的支持更进一步：新增非交互权限模式，可在无人逐次确认的情况下自动执行；同时支持多个命名实例，方便在同一个任务中配置不同 Codex 子代理承担不同职责。子任务完成后，

reportDelivery

会把结果送回父任务并唤醒父任务继续运行。

开发者 @xmglab 关注的是 Agent Loop 插件化、子任务委托和全过程回放。在他看来，"这些能力适合企业级 Agent 和多智能体基础设施；如果只是处理普通编程任务，Harness 可能显得偏重"。他同时提醒，"Preview 阶段的接口和第三方生态还不稳定"。

这延续了 rc.7 的演进方向——8月17日发布的 rc.7 首次让 Codex 与 Claude Code 的子代理任务接入 Job Panel，用户可以在 Harness 的任务面板中管理这两类 Agent 的执行过程。rc.8 相当于把"接入"升级为"按需安装、多实例并行"。

背景脉络：从"卖 Token"到"卖 Agent 生产力"

DeepSeek 切入 Harness 方向并非偶然。2026年5月，DeepSeek 接连发布 Agent Harness 产品经理和研发工程师岗位，职位描述中明确提出 "Model + Harness = Agent" 的团队使命："我们正在把 DeepSeek 的前沿模型能力，转化为领先的 Agent 产品。这其中除模型本身以外的所有工作，都属于 Harness 的范畴。"

2026年4月24日，DeepSeek 发布 V4 系列预览版，原生支持文本、图像、视频多模态输入，标配 100 万 token 上下文；V4-Pro 总参数 1.6 万亿，激活参数约 490 亿。2026年5月1日前后，DeepSeek 又在 GitHub 发布多模态推理模型技术报告《Thinking with Visual Primitives》，提出用点坐标和边界框嵌入推理过程，在 Pixmo-Count 精确匹配上拿到 89.2 分，超过 Gemini-3-Flash 的 88.2%、GPT-5.4 的 76.6%。

但 DoNews 在2026年5月的报道中直言，DeepSeek 多模态"近期缺少一个真正站到台前的突破"——Janus-Pro 停留在2025年1月，VL2 停留在2024年12月。桌面端 Agent 会改变前提：代码 Agent 进入开发者电脑，不仅要读代码，还要理解 IDE 界面、终端报错、浏览器文档和截图反馈。读屏能力会从"加分项"变成基础能力。 rc.8 的图片输入链路，正是在补这块工程短板。

影响与边界：已发生的与仍未确定的

已发生的事实是：DeepSeek Harness 在两周内连发 rc.7、rc.8 两个版本，迭代节奏明显加快；图片输入链路已打通；第三方 Coding Agent 可被编排进同一工作流；Windows PTY 新增持久 PowerShell 会话；

web_search

支持并发查询；SQLite 后端数据结构在 rc.8 中不兼容旧版，升级前需备份数据库。

仍未确定的有三点：第一，DeepSeek 默认公共 chat-completions 路由保持纯文本，视觉端点何时开放暂未公布；第二，rc.8 仍是预发布版本，npm

latest

仍停留在 rc.7，普通用户不指定版本不会自动升级；第三，摩根士丹利关于"中国大模型行业竞争将更多转向模型能力和算力供给"的判断仍是行业预期，而非 rc.8 直接带来的市场结果。

对普通开发者而言，rc.8 最直接的收益是：可以用截图、图表、本地文件直接补充

/goal

和

/plan

，让 Agent 在理解任务时就看到视觉上下文；对多智能体系统构建者而言，Claude Code 与 Codex 的按需接入意味着可以在同一套 Harness 编排下，按任务类型调度不同 Coding Agent。

接下来看什么

• 视觉端点何时默认开放：决定 rc.8 的图片通道能否被 DeepSeek 自家模型真正"点亮"

• rc.8 到稳定版的距离：SQLite 数据结构不兼容已埋下迁移成本，下次 breaking change 会是什么

• 子代理生态的扩展：除 Claude Code 和 Codex 之外，是否会有更多第三方 Agent 以 Profile Bundle 形式接入

• V4 多模态能力与 Harness 的合流时点：V4-Pro 已增强 Agent 能力，当视觉端点开放，两者叠加后的桌面端 Agent 产品形态

总结

1. 2026年8月19日23时37分（北京时间），DeepSeek 在 GitHub 发布 Harness v0.1.0-rc.8 预发布版本，新增原生图片请求，

   /goal

   、

   /plan

   命令支持图文混合输入。

2. 该版本把 Claude Code 和 Codex 作为 Profile Bundle 接入子代理体系，Codex 支持非交互权限模式与多命名实例，标志着 DeepSeek Harness 正从"DeepSeek 的 Agent 工具"演变为通用 Agent 调度层。

3. 关键边界：rc.8 补齐的是图片传输通道，默认 DeepSeek 模型目录未开放视觉端点，需自行配置支持图片输入的模型才能真正"看图"。

4. 这是 DeepSeek 从"卖 Token"转向"卖 Agent 生产力"的战略落子，也是对其多模态工程短板（桌面端 Agent 需要读屏能力）的直接回应。

5. 升级前需注意：SQLite 后端数据结构不兼容旧版，须备份数据库；rc.8 仍为预发布，npm

   latest

   标签仍指向 rc.7。