DeepSeek Harness 折腾记：给老婆部署一个"AI 员工"，账单却烧成了负数
上个月，老婆大人来提需求了："你们不是搞人工智能的嘛？为什么我就用不上呢？就不能给我做一个非常非常智能的 AI 吗？"
起因是她同事在用 WorkBuddy——腾讯那个 AI 办公工作台——干了好多事儿。她这才知道，原来 AI 已经能这么替人干活了。
行，需求接了。但一上手就撞到第一个问题：她办公用的是一台十年前的电脑，除了打开网页，别的基本都跑不动。就算 AI 工具能装上，跑起来也是折磨。
家里正好有台主机，性能挺强。那思路就很自然了：让主机干重活，她那边只开一个浏览器。
一、为什么选 dsh
8 月中，DeepSeek 开源了自家的 Agent 运行环境——DeepSeek Harness，简称 dsh。MIT 协议，几天冲到几万 star，社区插件三天破了三千个。
它最吸引我的是那句"一切皆插件"：模型、工具、会话、UI、甚至 Agent 循环本身，全是插件，随便拆随便换。对研发来讲，所有功能都能任意组合，实在是太爽了。
DeepSeek 给这套东西的定位就一个公式：Model + Harness = Agent。光有模型只会聊天。套上 harness，它才能读文件、跑命令，把一整件事从头办到尾。
所以方案定了：家里主机做 host 部署 dsh，老婆从公网访问。算力是主机的，她那边打开浏览器就能用，听着挺完美。
二、第一版方案：本地部署 + remote 插件
DeepSeek 本地部署，搞搞搞，没啥问题，可以部署，可以本地访问。
接下来是远程访问。社区里这类工具还真不少，一搜一堆 remote 插件。我挑了一个叫 deepseek harness remote 的，名字看着挺官方，重要的是支持公网远程连接。不错，就它了，安装。
跑起来了！公网上其他电脑也能访问，非常顺利。
然后是给老婆做点 harness 工程：写提示词，把她的工作习惯整理成一个专属工作区。
老婆催得越来越紧，工作区我赶紧赶完了。
我踌躇满志地给 DeepSeek API 充了 50 块钱，准备开测。
三、峰时测试，账单起飞
先来 5 个任务——这是她下周要干的活儿，我先发给 AI 让它跑跑看。
回车敲下去，文字唰唰唰地往外飘。不愧是 dsh，速度快得一匹。任务解读完成，agent 正式进入执行阶段。
然后我见识到了什么叫并行。
你可能听说过 MapReduce，谷歌二十年前提出的分布式计算框架：把大任务拆成很多小份，扔给一堆便宜机器并行跑，最后把结果合并，用低成本快速吃掉大规模任务。当年拆的是数据，dsh 此刻拆的是 Agent——main Agent 先拆出 3 个子 Agent，每个子 Agent 还能接着往下拆，瞬间 21 个 Agent 同时跑了起来。
token 吞吐确实快。账单燃烧得也确实快。
我一看表，不好，现在是梁文峰时间——周六上午 9 点，正是峰时。
这里补充个背景：8 月中 DeepSeek 随 V4 系列上了峰谷定价，峰时价格是低谷的两倍。我跑任务那天，峰时规则还覆盖周末。
很快，50 块就烧得剩不到 20 了。但任务眼看快跑完，总不能因为这点钱前功尽弃，咬咬牙又充了 50。再烧掉 10 块之后，任务终于停了。
看了看效果——嗯，一般般。
顺便说个冷知识：就在那个周末之后，DeepSeek 官方把周六周日改成了全天低谷计费。峰谷定价生效后、周末新规生效前，中间只夹着一个按峰价计费的周六。历史上唯一的一个，被我全赶上了。
四、换成 coding plan，账单却烧成了负数
贵，效果还不惊艳，那就换个思路：我手上有 coding plan，包月的，跑多少都不心疼，相当于不花钱。而且我有两个 plan，干脆双开，多家模型同时跑同一批任务，顺便对比下效果。
任务启动。这次同时起了两个任务，跟上次差不多的活儿，一个任务照样二十来个 Agent。运行起来非常非常卡，不过也就忍了。
到任务尾声，一行异样的输出飘了出来：
Search Error: Insufficient Balance
？
coding plan 怎么会有余额问题？我有种不好的预感，快速打开 DeepSeek API 后台——
余额：-0.1 元。
不！！！
明明模型已经全走别家了，为什么还在扣 DeepSeek 的钱？我把这个问题甩给 AI，让它自己查自己。查出来的真相是这样的：
dsh 的联网搜索是内嵌在系统里的：每次 agent 执行网页搜索，都会调内置的 dsh-web-search-deepseek 模块，硬编码走 DeepSeek 自家端点、用你的 DEEPSEEK_API_KEY 计费。你配置的自定义 key 只管对话推理，搜索的钱另算。
也就是说，主模型换成谁都没用，每一次联网搜索都在安静地烧 DeepSeek 余额。翻了翻后台，这几轮任务加起来搜了 600 次，烧掉 60 块。比我对话本身花的钱还狠。
怎么办？先拿智谱的搜索 MCP 顶上。但默认还是优先走 DeepSeek 自家搜索，我干脆让 AI 去改这个行为。本地改完了，没毛病，能用。
五、remote 插件的四个坑
这套"本地部署 + remote 插件"的方案跑了几天，问题也攒出了一张清单：
- 传不了文件。dsh 原版只能发图片，Excel、PDF 一概传不上去。对办公场景来说，这几乎是致命伤
- 连接不稳定。经常断联，断了还得回主机上重启
- 只能连一台设备。第二台设备一连，前一台直接被顶掉
- 响应还是不够快。走 API key 跑任务，速度始终差点意思
这个方案能用，但离"给老婆日常用"还差着一截。
六、第二版方案：把 dsh 搬到服务器上
正发愁，刷到了鱼皮的一篇文章：他把 dsh 部署到了服务器上，整个团队直接通过网页访问。
对啊，这才像能给家人用的部署方式——不装任何客户端，浏览器就是全部入口，天然支持多人用，也没有"顶掉设备"这回事。
参考他的方法，我装了 1Panel 应用商店里的服务端版本。这个版本在 dsh 外面多套了一层 Caddy 做流量管理。这层很有必要：dsh 自己没有登录认证，Web 服务甚至故意拒绝绑定公网地址，就是防你裸奔。1Panel 用 Caddy 补上了 HTTPS 和密码认证。我设了一层密码，免得公网上路过的人随便进来使唤我的 Agent。
部署完，能跑通。也有小坑：设置页面打不开，没法在界面上配模型。绕过的办法是直接改配置文件，模型照样配得上。
处理完这些，打开网页，跑的就是 dsh 原版页面。功能基本齐了。
七、传不了文件？让 Agent 自己写插件
服务器版跑通了，但老问题还在：传不了文件。
我一开始的反应还是老思路：找找有没有文件上传插件。找着找着突然反应过来——我面前这个东西，本来就是个能写代码的 Agent，架构又是一切皆插件，还找什么找，直接让它给自己写一个啊。
跟它简单描述了需求：加一个上传文件的功能。不到 10 分钟，插件写完了。重启镜像，页面上多了一个上传按钮。
上传文件时，前端会先把文档传到服务器上的当前工作区，再自动往对话框里补上一句“xxx 文件已上传”。这样一来，dsh 就能知道文件在哪里，并直接读取和处理它。
文件能传了，办公场景这才算能用。简直完美
到这一刻我才算真正理解 一切皆插件 的分量。之前我以为它说的是生态：几千个插件随便挑。用到这里才发现，它说的是能力边界：官方没做的功能，社区还没做的功能，Agent 自己现场就能造。插件市场的尽头，是 Agent 给自己造零件。
尾声：牛逼吹出去了，总得做出来
我还在回味这套架构有多优雅，甲方的验收意见到了：
"太复杂了，用不明白。而且怎么这么慢？"
……
行吧。部署的坑、计费的坑、插件的坑，我都能填。"让一个不搞技术的人觉得好用"这个坑，看来才是真正的大活儿。回去再想想。
哎，牛逼都吹出去了，总得做出来啊。
参考
- deepseek-ai/deepseek-harness：dsh 官方仓库
- 我把 DeepSeek Harness 部署到服务器上，同事们玩嗨了！：鱼皮的服务器部署教程，本文的服务器方案参考于此
- DeepSeek API 模型与价格：峰谷定价规则