DeepSeek Harness重磅更新：14项改进全面强化多模态与子代理能力

开源Agent开发框架DeepSeek Harness于本月正式开启公测后仅一周，便迅速推出了首个重要更新版本v0.1.0-rc.8。此次更新共带来14项调整，堪称公测后的一次阶段性成果汇报。多模态能力成为这次升级的重头戏，标志着这款开源工具在视觉理解领域迈出了关键一步。

概述

rc.8版本最显著的变化在于多模态输入能力的正式补全。DeepSeek模型适配器现在支持通过配置启用原生图片请求，具备视觉能力的模型可以直接处理图片输入。更为实用的是，/goal、/plan等核心指令现已支持图文混合输入，用户可以直接将截图、流程图等视觉信息纳入任务上下文。此外，输入框新增的@菜单支持文件和会话引用功能，方便用户将本地文件或历史会话内容快速接入当前任务。

多模态能力全面补齐

子代理协作能力同样是这次更新的重点方向。新版支持将Claude Code和Codex作为Profile Bundle按需安装，其中Codex新增非交互权限模式和多个命名实例支持，便于在同一任务中配置不同的Codex子代理。这种灵活的子代理架构延续了"一切皆插件"的设计理念，让开发者能够根据具体需求自由组合和替换各种能力模块。

子代理体系持续扩容

针对Windows用户的实际使用场景，DeepSeek Harness的PTY终端新增了持久PowerShell会话功能，并在极简模式预设中默认开启，显著减少了命令执行过程中频繁重建终端环境的问题。同时，一批公测期间暴露的问题也得到了集中修复，包括大尺寸图片处理失败、流式生成取消后回复前缀丢失、自定义OpenAI兼容网关调用异常等问题。

终端体验与问题修复

值得一提的是，社区开发者还发现了DeepSeek Harness处理图片的另一套实现路径：当所调用的模型本身不具备视觉能力时，系统会退化为OCR文字识别、颜色统计、像素扫描等工具链，将图片拆解为结构化信息后再交给文本模型处理。这种"工具层视觉"的设计思路颇具启发性——视觉能力并不完全依赖底座模型，工具层同样可以承担一部分感知工作。在官方原生多模态支持之前，社区已经围绕视觉能力开发了dsh-vision、dsh-vision-toolkit、modlens等多款插件，形成了多元化的解决方案生态。

如有侵权，请联系删除。