19万Star之后，我为DeepSeek Harness接入了Milvus向量数据库
DeepSeek开源的DeepSeek Harness（DSH）在业界引发广泛关注。自8月13日开源当天即斩获3万Star，次日飙升至8万，截至目前已突破19万Star大关。这一数据表明，DeepSeek Harness正在成为Agent基础设施领域的一个主流标准。随着Agent系统逐渐走向成熟，一个值得深入思考的问题是：向量数据库能否作为一种即插即用的能力，融入DeepSeek Harness的生态体系？正是基于这一考量，笔者着手开发了DSH Milvus插件。
「一切皆插件」架构的核心价值
DeepSeek Harness项目有一个贯穿始终的设计理念：「Everything is a Plugin」，即一切皆插件。在这一架构下，模型可以是插件，文件系统可以是插件，工具可以是插件，甚至驱动Agent持续运转的主循环也可以被设计为插件形式。这一定义表面上看似与传统Agent开发中的插件概念相近，但DSH实现了更深层次的架构演进。
为什么选择Plugin而非Skill
传统Agent Framework通常存在一个相对固定的核心层，负责定义Agent Loop的执行方式、文件系统的访问机制、Session的管理策略以及Tool的注册流程。这些能力大多被硬编码在框架内部。与之形成鲜明对比的是，DeepSeek Harness采用了Cordis微内核架构，内核本身仅负责插件的加载、卸载、依赖解析和服务协作，而Agent真正依赖的能力则尽可能交由Plugin层提供。这种深度解耦带来了前所未有的灵活性。举例而言，今天Agent读取的是本地目录，明天若将底层实现切换为远程Sandbox环境，只要上层保持统一的能力抽象，Agent无需任何感知，能力替换即可平滑完成。Milvus的接入同样遵循这一逻辑：我们无需修改DeepSeek Harness本身以原生支持Milvus，只需按照DSH的插件接口提供一组Milvus能力，Agent便能立即获得访问向量数据库的工具。
模型能力会逐渐趋同，Agent系统长期需要积累的，除了Prompt之外，还需要关注它拥有哪些Capability，以及这些Capability如何被安装、复用和治理。
“技术观察者”积墨企业专属知识库
混合检索 + 重排序技术，支持多源文档一键向量化导入，为企业打造专属高精度知识大脑。
Plugin与Skill的职责边界
实战环节的目标是启动DeepSeek Harness，安装Milvus Plugin，连接本地Milvus或Zilliz Cloud，然后让一个对数据库毫无先验知识的新Session自主完成后续操作。
实战：从安装到查询第一条数据
首先启动本地Milvus环境（Docker方式，默认地址http://127.0.0.1:19530）或配置Zilliz Cloud连接信息（需HTTPS地址和Token）。接着安装DSH CLI（需Node.js 22.19+），然后通过`dsh plugin --profile web add @zilliz/dsh-milvus`安装Milvus插件。启动Web服务后访问http://127.0.0.1:3080，进入Settings → Plugins → Milvus for DSH创建连接Profile。配置Endpoint、Token和Database后，依次点击Create profile → Test connection → Use for new sessions完成配置。此时Agent便可自主探索数据库：第一步说出「列出Milvus的collection」，Agent会调用milvus_list_collections工具；第二步询问「描述某个Collection」，Agent通过milvus_describe_collection获取真实Schema；第三步则
如有侵权，请联系删除。