DeepSeek Harness首发大版本更新：多模态能力补全

DeepSeek Harness公测后不到一周便迎来首次重要更新，14项调整一口气落地：原生图片请求、图文混合输入、子代理扩充、Windows终端修复……多模态成为这版的重头戏。

8月20日，DeepSeek Harness的v0.1.0-rc.8版本正式上线。作为公测后的首个大版本，这次更新覆盖了多模态输入、子代理协作、终端体验、工具调用和开发者支持等多个方向，既补上了Agent处理图片这类多模态任务的能力，也顺手完善了子代理协作与终端交互的细节。

新版本支持原生图片请求和图文混合输入，/goal、/plan等命令可以直接吃进图片；Claude Code、Codex进一步被纳入其子代理体系，Windows端的终端体验以及图片请求、流式生成、自定义网关等一批问题也得到修复。

这套Agent Harness在8月13日开启v0.1版本公测并同步开源，公测当晚就有人拉下源码实测，完成了88页论文翻译、贪吃蛇游戏开发等任务。仅仅过去不到一周，多模态就补上了，社区里讨论声一片。

图片终于能直接喂给模型了

根据官方更新日志，DeepSeek模型适配器现在可以通过配置启用原生图片请求。对于具备视觉能力的模型，Harness可以直接把图片送进模型；/goal、/plan等指令也支持图文混合输入。输入框里的@菜单还新增了文件和会话引用，用户能直接把本地文件、已有会话拉进当前任务。

这意味着，过去主要围绕文本、代码和工具调用的Agent工作流，现在可以把截图、图片这类视觉信息纳入任务上下文，使用边界明显变宽。

子代理体系也在继续扩充。新版支持把Claude Code和Codex作为Profile Bundle按需安装，其中Codex支持非交互权限模式以及多个命名实例，方便在同一个任务里配置不同的Codex子代理。Windows用户这波也被照顾到：PTY终端加入了持久PowerShell会话，并在极简模式预设中默认开启，减少命令执行时频繁重建终端环境的问题。

一批公测期暴露的问题被集中修掉

除了新能力，这次更新还收拾了一批公测后的烂摊子。单张图片尺寸过大、或历史会话里图片累积过多，此前可能导致模型请求直接失败，新版做了处理；取消一次流式生成后，已经显示的回复前缀此前不会被带进下一轮提问或分叉会话，这个问题也修正了；对于使用自定义OpenAI兼容网关的开发者，新版修复了部分网关因请求格式差异无法调用、以及推理内容回传缺失的问题。

给纯文本模型拼出一副"工具眼"

更有意思的细节藏在社区里。有开发者测试DeepSeek Harness处理图片时发现，当所调用的模型本身没声明图像输入能力，直接调用read_image会先失败，但任务不会就此停下——从执行轨迹看，Harness随后会退到另一套工具链：先做OCR文字识别，再统计图片中的颜色比例、扫描部分像素行，同时读取图片尺寸、色彩模式等元信息。

举个例子，一张带文字和简单图形的图片，可以被拆成"文字内容及坐标""背景颜色比例""特定区域像素变化""图片尺寸"等多组信息，最后这些结构化结果被重新交给文本大模型，让模型根据OCR文本、颜色占比、像素位置等证据"脑补"出整张图的大致内容。

这套能力跟视觉大模型直接理解图片仍有明显差距：对PPT截图、流程图、界面截图这类结构相对明确的图片，它能靠OCR和像素特征拿到不少有效信息；面对真实照片、复杂空间关系，能恢复的信息就十分有限。但从Agent Harness的角度看，这个设计思路很有意思——视觉能力并不完全绑死在底座模型上，工具也能承担一部分感知工作。

事实上，在官方加强多模态支持之前，社区里已经围绕视觉能力冒出一批插件，包括dsh-vision、dsh-vision-toolkit、modlens、dsh-auto-vision、dsh-subagent-vision以及通过pi2dsh桥接的pi-vision等。其中一些方案就是靠OCR、像素分析、结构化证据或独立视觉子代理，让纯文本模型间接处理图片；也有开发者通过自定义路由，为本身支持视觉的模型配置input: [text, image]，直接接收图片。rc.8上线后，原生多模态模型和这类工具层视觉方案可以进一步配合使用。

"一切皆插件"的思路在延续

8月13日公测时，DeepSeek Harness团队就强调过核心设计思路是"一切皆插件"：模型、工具、技能、会话、沙箱、存储、循环、调度和UI等Agent能力，都可以由不同插件组合替换。当Harness拥有越来越丰富的工具和子代理后，一些原本依赖单个模型能力的任务，也能通过工具编排被重新拆解和实现。rc.8正是在强化这条路线：视觉模型可以原生收图，纯文本模型也能借视觉工具拿到部分图像信息；Claude Code和Codex则可以作为子代理按需装进同一套Harness。

除核心变化外，rc.8还加入了web_search并发查询、子代理reportDelivery及时唤醒父任务、本地运行dsh web自动打开浏览器等优化，并提升了大型历史会话分叉以及SQLite后端的读写性能。从8月14日开放公测，到如今把多模态和更多子代理能力装进来，DeepSeek Harness仍处于快速迭代阶段。接下来值得期待的，是这套插件化Harness能否把更多模型、工具和Agent装进同一个体系，跑出更复杂、更稳定的任务流程。