上一篇DeepSeek Harness保姆安裝教學之後，因為 DeepSeek Harness 最重要的設計原則：一切皆外掛。今天，我們就來教大家如何玩外掛！

自己寫一個最小外掛，理解 Harness 怎樣註冊工具。

安裝別人寫好的外掛，直接獲得完整能力。

第一部分是學習機制，第二部分是日常使用。

保姆教學：寫一個DeepSeek Harness的最小外掛

我們做一個 greet 工具。Agent 呼叫它並傳入名字，外掛返回：

你好，Datawhale！你的第一個 Harness 外掛已經運行。

直接體驗 Harness 時，用 npx @deepseek-ai/dsh web 就夠了。開發原始 TypeScript 外掛，需要進入 Harness 原始碼倉庫，這也是官方入門文件採用的方式。

git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harness
corepack enablepnpm installpnpm run build

本文實測使用 Node.js v24.19.0。Harness 聲明的 Node.js 範圍是 ^22.19.0 || >=24.0.0，不確定時直接用 Node 24。

pnpm run build 不要省。我第一次只安裝依賴，外掛日誌雖然出現了，Web 頁面卻缺少建構產物。

仍在 deepseek-harness 倉庫根目錄執行：

新建 scratch-plugin/src/greet-tool.ts：

import type { Context } from'@deepseek-ai/cordis'import { defineTool } from'@deepseek-ai/dsh-tools'
exportconst name = 'greet-tool'exportconst inject = ['tools']
exportfunctionapply(ctx: Context) {  ctx.tools.register(defineTool({name: 'greet',description: 'Greet someone by name.',parameters: {name: {type: 'string',required: true,description: 'The name to greet',      },    },output: {schema: { type: 'string' },render: (_args, value) => [{ type: 'text', text: value }],    },asyncexecute(args) {return`你好，${args.name}！你的第一個 Harness 外掛已經運行。`    },  }))console.log('[greet-tool] loaded; tool name: greet')}

先不用研究所有類型。這個外掛只有四個部分：

inject：聲明需要 Harness 的工具服務。

ctx.tools.register(...)：註冊一個模型可以呼叫的工具。

parameters 告訴模型該傳什麼；execute 真正執行程式碼；output 約定結果的類型和顯示方式。

先執行 pwd，拿到當前 Harness 倉庫的絕對路徑。

- insert:- id: greet-tool      name: '/Users/yourname/deepseek-harness/scratch-plugin/src/greet-tool.ts'

把 name 換成你機器上的絕對路徑。

外掛最好放在 Harness 原始碼倉庫內。這個示例依賴倉庫裡的 @deepseek-ai/cordis 和 @deepseek-ai/dsh-tools；放到另一個目錄，可能出現 Cannot find module。

pnpm dsh web --patch ./scratch-plugin/cordis.yml

如果 3080 連接埠已經被佔用：

pnpm dsh web --patch ./scratch-plugin/cordis.yml--port3082

看到下面兩行，說明外掛和 Web 服務都已就緒：

[greet-tool] loaded; tool name: greetdsh web: http://127.0.0.1:3082

進入“設定 → 外掛 → 外掛列表”，搜尋 greet-tool.ts，狀態應為“已啟用”。

選擇工作區，新建一個標準模式會話，輸入：

請呼叫 greet 工具問候 Datawhale。、

展開工具呼叫，可以看到輸入和輸出：

IN   { "name": "Datawhale" }OUT  你好，Datawhale！你的第一個 Harness 外掛已經運行。

至此，外掛最小閉環已經跑通：載入外掛、註冊工具、模型呼叫、返回結果。

greet 適合學習，但解決不了真實問題，開發一個完整外掛的難度也是比較高的。所以，我們可以直接用大佬們做的外掛。

以 DSH Vision Toolkit 為例。DeepSeek 當前這條 Chat Completions 路由是純文字模型，不能直接理解圖片；Vision Toolkit 可以把圖片交給單獨的視覺模型，再把文字、坐標和檔案產物送回 Harness。

它提供圖片問答、OCR、元素定位、圖片裁剪、像素對比和 HTML 截圖等工具。

如果你的終端裡已經有 dsh 命令：

dsh plugin --profile web add @dsh-external/dsh-vision-toolkit

如果上一篇一直使用 npx，可以寫成：

npx @deepseek-ai/dsh@0.1.0-rc.6\  plugin --profile web add @dsh-external/dsh-vision-toolkit

外掛安裝到 web Profile 後，檢查配置裡是否已經出現它：

dsh --profile web --dump-config | grep vision-toolkit

然後重啟正在運行的 Harness Web 服務。外掛的宿主程式碼和瀏覽器程式碼都在啟動時載入，只刷新頁面通常不夠。

Vision Toolkit 要求 Python 3.11 或更高版本。第一次使用 managed 執行階段還需要聯網安裝它鎖定的 Python 依賴。

打開 Harness 的“設定 → 視覺工具”，配置：

一個相容 OpenAI 介面的視覺模型地址；

一個 DSH Credential 引用，例如 VISION_API_KEY。

金鑰可以通過命令寫入 Harness 的憑據系統：

這裡配置的應該是視覺服務 Key，不是默認的 DeepSeek 文字模型 Key，除非你使用的閘道器明確同時提供視覺模型。

在設定頁面點選“測試連接”。遠端圖片問答、定位和 OCR 需要視覺服務；裁剪、顏色分析、像素對比等本地工具不需要 Key。

把圖片複製進當前工作區，例如：

在會話中先載入外掛附帶的 Skill：

請用 vision_glance 分析 ./screenshot.png，告訴我頁面上出現了什麼錯誤。

請用 vision_ground 定位截圖裡的傳送按鈕，並生成帶標註的預覽圖。請比較 reference.png 和 actual.png，告訴我差異最大的區域。

外掛會按需向當前 Agent 暴露對應的 vision_* 工具。生成的裁剪圖、熱力圖和報告會保存在工作區的 .dsh-vision-toolkit/artifacts 目錄中。

dsh plugin --profile web updatedsh plugin --profile web remove @dsh-external/dsh-vision-toolkit

倉庫是否公開，許可證和維護者是否清楚；

安裝指令碼會下載什麼，是否會運行額外程序；

外掛需要那些目錄、網路和憑據權限；

是否說明支援的 Harness 版本、解除安裝方式和測試方法。

Harness 外掛運行在宿主處理程序裡，屬於可信程式碼。不要因為安裝命令只有一行，就跳過原始碼和權限檢查。

apply(ctx) → 註冊工具 → execute(args) → 返回結構化結果

plugin add → 重啟 Profile → 配置憑據 → 載入 Skill → 呼叫工具

前者讓你理解 Harness，後者讓 Harness 真正變得有用。 (Datawhale)

彙整鉅亨號中所有使用「外掛教學」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`