DeepSeek开源外壳，真能一键白嫖吗？

五天前，我手动把本地模型接进 DeepSeek Harness。后来重新核对配置才发现，原来的方案少了两个关键声明：图片会被静默拒掉，长对话则可能整段进不了模型。最危险的配置错误，不是立刻报错，而是让系统看起来还能工作。

现在我把这套接入做进了方寸智匣 v1.2.9。打开“集成”页，分别写入模型与工具配置，六个内置 MCP 和一个本地模型就能接上。六个工具包括 whisper、tts、image、video、webminer 和 docfactory，语音、图像、联网与文档处理都留在同一套本地工作流里。

这并不只是给配置界面套个按钮。DeepSeek Harness 把模型设置放在 settings.yaml，把工具插件放在 cordis.patch.yml。前者使用设置命名空间，后者必须是顶层 YAML 数组，还允许 `!!js` 表达式。两份文件各管一半，也各有一套不能混用的规则。

更麻烦的是，官方明确警告不要覆盖现有 patch，因为里面可能还有无关的用户配置。settings.yaml 会被监听并热更新，写回时还会创建兄弟锁文件，锁的获取上限是 2 秒。锁文件即使看起来很旧也不能随手删，因为文件年龄无法证明写入进程已经死掉。一键接入的含金量，取决于它替你避开了多少暗坑。

这个仓库在 2026-08-13 建立，2026-08-24 复核时已有 187375 个 stars 和 20833 个 forks，许可证是 MIT，主语言为 TypeScript。本文首发时这两个数字还是 176135 和 19093——三天又涨了一万一千多。与热度形成强烈反差的是，npm 上 latest 与 next 已同为 0.1.1-rc.2，累计仍只有 10 个版本；首发时它还停在 0.1.0-rc.7。

官方把它标成 developer preview，并用大写警告会出现兼容性破坏。187375 个 stars 能证明注意力已经涌进来，却不能替代码质量作担保。这更像一次先抢入口、再逐步补稳定性的发布节奏，适合折腾和观察，不适合闭眼扔进关键业务。

热度已经向外围扩散，且还在涨：deepseek-harness-desktop 已有 18862 个 stars，awesome-dsh-plugin 11834 个，dsh-routing-suite 6695 个，dsh-web-ui 5725 个。生态一旦围绕同一套插件接口生长，框架就不再只是代码仓库，而会变成工具、模型与用户碰面的集市。

早在 VS Code 把编辑器与扩展生态绑在一起时，插件化就证明过自己的粘性。今天的相似之处是“万物皆插件”；差别在于，编辑器换掉后还要重学操作，而智能体换模型可能只改一行 provider。外壳的护城河正在变浅，生态的护城河反而越来越深。

我在 macOS 和 Node v25.9.0 环境安装 `@deepseek-ai/dsh`，一共拉下 453 个包，耗时 6 分钟，中途没有任何输出。只看终端，很容易怀疑它已经卡死。完成后运行 `dsh web`，服务会落在 `http://127.0.0.1:3080`。

单个 4231797 字节文件冷取时，官方源花了 17.62 秒，约 234 KB/s；淘宝镜像只用 0.63 秒，约 6.7 MB/s。看起来镜像已经赢麻了，但整棵依赖树解析仍耗时 380 秒，与官方源相当。真正拖慢安装的不是大文件带宽，而是 453 个包的串行元数据延迟。

※ 均为同一台机器上的单次实测，不代表其他网络环境。

这组结果解释了一个常见误区：换镜像不等于所有 npm 安装都会变快。六个相关包的 0.1.0-rc.7 在淘宝镜像都返回 HTTP 200，包并没有缺失。慢的是请求数量和往返延迟，单纯盯着下载速度，就像高速公路很宽，却在每个路口都要停车盖章。

这里也暴露了本地工具最容易被忽视的体验成本。用户并不怕等 6 分钟，怕的是 6 分钟里没有反馈，不知道该继续等、换源，还是直接重来。💰 免费开源省下了订阅费，却没有自动免除安装、排错和维护的时间账单。免费省下的是账单，自动化省下的才是时间。

本地模型接入至少有三类硬声明。带 reasoning 的模型可能需要把 developer role 关掉，并把输出上限字段改回 max_tokens。没有真实凭据的本地服务，也仍要放一个占位 credential。少填任何一项，都可能让兼容接口在真正调用时翻车。

图片链路更绕。模型路由只认 text 与 image，图片附件支持 PNG、JPEG、WebP 和 GIF。MCP 返回的图片要真正进入上下文，既要挂载 `ctx.attachments`，路由也要显式声明 image 输入。只满足一边，图片就会退化成诊断文本。

少声明与多声明的代价还不对称。少写 image，系统会在图片附上前拒绝，并点名不支持的模型；多写 image，图片先进入持久化历史，provider 才拒绝，请求随后反复重试。能力声明宁可保守，也不能拿“看起来合理”当默认答案。

超时同样如此。MCP 工具调用默认只有 60000 毫秒，本地语音和图像任务很容易来不及。方寸智匣写入 600000 毫秒，与另一侧的 `tool_timeout_sec = 600` 对齐。

每个服务实例的名字还必须满足 `[A-Za-z0-9_-]{1,32}`，模型最终看到的是 `mcp__服务名__工具名`。

上下文窗口则是另一个“看似能跑”的陷阱。Qwen3.8 曾在默认 32K 下收到 OpenCode 的 69K 请求，被 llama.cpp 全部拒绝，客户端重试后出现“反复同一段回答”。

当前 agent 级模型使用 `--ctx-size 81920`，其余 GGUF 使用 32768，mlx_lm.server 的上限是 8192。错误默认值最会伪装成正常结果。

把组合树完整展开后，默认智能体模型的 provider 指向 deepseek-official，模型是 deepseek-v4-flash。

与此同时，llm-pi-ai 适配器以 dormant 状态挂载，不配置 provider 就没有路由。框架允许换脑，但默认入口仍牢牢指向 DeepSeek 自家的付费服务。

这套安排并不神秘：框架免费开源，模型可以替换，默认流量却先经过自己的入口。按调用量计费的服务方赚 token 账单，硬件厂商赚本地算力的钱，框架拥有者争夺用户首先打开的那扇门。真正的生意不在外壳，而在外壳把请求送向哪里。

这套剧本在免费额度上已经演过很多回：多家云与 AI 服务在用户规模稳定之后陆续下调免费额度、抬高触发付费的门槛，动作通常不做大规模宣告。相同之处是，免费层从来是获客成本而不是承诺；不同之处在于，dsh 的外壳是 MIT 许可的代码，发出去就撤不回，真正能缩水的是它默认指向的那一侧。判断一个免费还能撑多久，要看它现在还需不需要新用户。

Android 当年也走过“开源外壳、服务变现”的路。相同之处是，免费让生态迅速铺开，收费能力藏在服务与分发层；不同之处是，Android 依赖庞大的硬件厂商网络，而智能体框架的模型替换只需改 provider。替换成本越低，用户议价权就越高。

沉默的一方反而最值得看。按量计费的服务没有动机提醒你，哪些转写、文档处理和图像任务根本不必上传。🔒 本地方案把算力与电费留给用户，云端方案把成本变成持续账单；两边都不是真正的零成本，只是付款对象和数据边界不同。谁控制默认入口，谁就最接近下一张账单。

v1.2.9 已经用真实的 dsh 0.1.0-rc.7 跑过端到端验证：patch 解析零 stderr，六个 `dsh-mcp-client` 实例进入组合树，网页端干净启动，六个 Python 子进程真实拉起，主进程退出后又全部回收。按钮只是入口，进程生命周期闭环才算接通。

本地图片能力则通过模型目录里的 mmproj 判断。当前 `Blackfrost-AI--Qwen3.8-27B-ABLITERATED-GGUF` 目录包含 `mmproj-Qwen3.8-27B-ABLITERATED-F16.gguf`，大小为 927607424 字节。

目录判据与启动时是否传入 `--mmproj` 保持一致，避免界面宣称能看图，服务端却根本没挂视觉组件。

安装资产也能独立核验：`LocalBrain_1.2.9_aarch64.dmg` 为 5215305 字节，`LocalBrain.app.tar.gz` 为 5078533 字节，`latest.json` 为 695 字节，签名文件为 408 字节。自动更新端点返回 1.2.9，其中的下载地址实测为 HTTP 200。

不过边界必须说清楚：这套框架仍是 rc 阶段，兼容性可能随时变化；6 分钟安装只是单机单次结果；此前的重复回答事故也没有在这次接入里重新出现。更重要的是，这里没有验证 DeepSeek 官方云端模型的实际表现，不能拿本地链路成功去替它背书。

※ 选择依据来自当前实现边界，不代表各方案的永久状态。

如果你要自己动手，先备份 `~/.dsh`，再分别处理 settings.yaml 与 cordis.patch.yml；不要覆盖旧 patch，也别把锁文件当垃圾清理。想省掉手配，下载页已经给出。我的判断很直接：本地智能体真正值钱的不是免费，而是你终于有权决定哪些任务根本不用交费上传。