鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

DeepSeek 官方偷偷上传 Harness 桌面端安装包,我已经用上了。。附最新下载地址

程序员鱼皮
程序员鱼皮
2026-09-25 12:46
阅读 37
程序员鱼皮
2026-09-25 12:46
阅读 37

大家好,我是程序员鱼皮。

前段时间我写过 一篇文章,说自己在 DeepSeek Harness 的开源仓库里发现,官方竟然偷偷做了桌面端。

当时官方没有放出安装包,我是让 AI 帮忙把源码拉到本地编译,才跑起来的。

没想到才过了十来天,DeepSeek Harness 桌面端的安装包就出来了。不过这次并不是官方正式发布的,而是被万能的网友给扒了出来!

有网友发现 DeepSeek 自家的下载域名多了桌面端的更新清单和安装包,顺藤摸瓜找到了下载地址,很快就在社交平台上传开了。还有网友专门验了签名,安装包用的是「杭州深度求索人工智能」公司主体的苹果开发者证书,并且通过了苹果官方的公证,基本可以确定是 DeepSeek 自己打的包。

但到目前为止,DeepSeek 官方还没有发任何公告。

虽然官方还没官宣,但很多人已经吃上螃蟹了(包括我)。截止到文章发布时,最新版本是 0.1.7-rc.2 。

下载地址我已经帮大家整理好了:

  • DeepSeek Harness 客户端 Windows 版本:https://download.deepseek.com/dsh-desk/bin/win-x64/deepseek-harness-0.1.7-rc.2-win-x64.exe
  • DeepSeek Harness 客户端 Mac 版本(Apple 芯片):https://download.deepseek.com/dsh-desk/bin/mac-arm64/deepseek-harness-0.1.7-rc.2-mac-arm64.dmg

目前官方只打包了这两个版本,用 Intel 芯片 Mac 和 Linux 的朋友暂时还得再等等。

安装包都不小,Windows 版接近 300 MB,Mac 版将近 370 MB。因为官方把 Node.js、pnpm 和 Python 运行环境全都打包了进去,你的电脑上不用提前装任何环境。

选择对应系统的版本下载,双击安装就能打开了。

第一眼看上去,桌面端的界面跟 DeepSeek Harness 网页版几乎一模一样。

我去翻了下仓库里 apps/desktop 目录的源码,桌面端是在完整的 DSH 网页应用外面套了一层 Electron 壳,界面用的是同一套前端代码。

套壳的好处是,桌面端的对话记录和配置都跟网页版是互通的。因为两者读写的是电脑上同一个 ~/.dsh 数据目录,我之前在网页版里创建的工作区和聊过的会话都还在,配置好的第三方模型也能直接切换使用。

新版本的 DSH 还在左侧菜单栏加了一个「插件」入口,里面内置了 7 个官方插件,包括智能体团队、自动授权审查、语音输入、终端、Agent 循环、子智能体和网页搜索。比如开启智能体团队插件后,就能让多个 Agent 分工协作,还带有共享的任务看板。

除了官方插件,你还可以点击右上角的「添加插件」,直接输入 GitHub 仓库地址来安装第三方插件。

比如我安装了一个社区开发者做的 dsh-web 全家桶插件,它把一大批网页端的增强插件聚合到了一起,能全方位增强 DeepSeek Harness 的能力。

装好之后,DSH 就变成了这个样子,聊天背景换成了二次元插画,右下角还多了一个看板娘。

你喜欢么?

让我比较意外的是,桌面端和网页版的 UI 还是有点儿差别的。比如在左下角可以直接登录 DeepSeek 账号,查看充值余额、查询用量,还能直接充值。

而且登录账号之后,模型列表里会多出一组「DeepSeek 账号」模型,可以直接用账号里的余额来跑任务,不用再去开放平台单独申请 API Key 了。对新手来说,这一步能省掉不少麻烦。

能看出来,DeepSeek 官方这次是真的打算好好做 Harness 桌面端了。账号登录、首次使用引导、自动更新这些面向普通用户的功能都安排上了,安装包还用公司证书做了签名,值得期待一波。

但是,我不建议大家现在就把 DeepSeek Harness 桌面端当作主力工具,尝尝鲜就好。

一方面,官方还没有发布上线公告;另一方面,作为实验版本,它的功能还不全,体验也比较一般。

比如我在 Mac 上就没办法缩放字体,一开始我还以为是自己没找到设置,后来翻了下源码,发现 macOS 的菜单里确实没有放大和缩小这两项,所以给大家看的截图字都很小。。。

臻品大家共赏,屎给鱼皮先吃。

为了帮大家节省时间,我是认真的!

最后分享一下,我是怎么实时获取到 DeepSeek Harness 桌面端的最新下载地址的?🤔

很简单,直接问 AI 啊!

我让 DeepSeek Harness 用最简单直接、不绕弯子的方式告诉我怎么获取:

原理其实很简单。桌面端内置了自动更新功能,每隔 10 分钟左右就会去官方服务器读取一份更新清单文件,清单里写着最新的版本号和安装包地址。所以我们也不用去猜文件名,直接打开这份清单看一眼,就能拿到最新的下载链接:

  • Windows 版更新清单:https://download.deepseek.com/dsh-desk/feeds/win-x64/nightly.yml
  • Mac 版更新清单:https://download.deepseek.com/dsh-desk/feeds/mac-arm64/nightly-mac.yml

注意,Mac 版清单里给的是 .zip 格式的自动更新包,把链接结尾的 .zip 换成 .dmg,就是我们平时双击安装的安装包了。

OK 就聊到这里,如果你还不了解 DeepSeek Harness,或者想学习更多 AI 编程工具的玩法和技巧,可以看看我免费开源的 《AI 编程零基础入门教程》,上千张图、几十万字,带你从 0 开始快速学会 AI 编程,做出自己的产品、跑通变现全流程,一次拿捏。

开源指路:https://github.com/liyupi/ai-guide

鱼皮的 AI 编程教程

我是鱼皮,持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~

你已经装上 DeepSeek Harness 桌面端了么?用起来感觉怎么样?欢迎在评论区聊聊~

AI
编程
程序员
AI编程
DeepSeek
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
320
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
9
我的第一个出海产品!7 天 2 万
300
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260