不懂代码的人，现在也能拼出一个替你上班的AI分身

8月13日晚，DeepSeek发布了DeepSeek Harness，简称DSH。两天后，这个项目在GitHub上接近9万Star，成为平台史上涨星最快的项目之一。但DSH目前仍是开发者预览版，官方甚至暂时不接受外部PR——社区却在两天内涌进了近三千个插件仓库。

DSH的核心设计是“一切皆插件”。模型、工具、技能、会话、沙箱、UI，全部可以替换重组。它基于Node.js运行，支持Windows、Mac、Linux三种系统，安装后通过浏览器访问localhost:3080，输入DeepSeek API Key就能启动。不过出厂状态是“毛坯”：图片识别、@文件引用这些基础功能都没有，全靠插件补全。

从“同事交接”到“数字分身”

当天Star数第一的插件叫Colleague-skill，作者是B站UP主@只是路过的titanwings，本名周天奕，24岁，在上海人工智能实验室工作。

这个插件的灵感来自一条新闻：国外某大厂裁员时，要求员工离职前自己提交一份Skill。周天奕由此想到，同事离职了，经验怎么留下来？

Colleague-skill的做法是直接从原材料里“蒸馏”——分析飞书、钉钉、Slack、微信、邮件、PDF等，生成两个维度：Work Skill负责工作能力，Persona负责人格。项目后来进化成dot-skill，任何人都能被蒸馏成一个。skill文件。社区里已经有人做出了“户晨风。skill”和“罗翔。skill”。

目前Colleague-skill在GitHub超2.1万Star，社区产出215+个Skills，165位贡献者。周天奕还为这个项目发了一篇arXiv论文。

主动搜信息，而不是被动刷

当天Star第三的插件是OpenBiliClaw，作者也是B站UP主，ID是@littlewish，本名whiteguo233，BIP大赛参赛选手。

这个插件通过你在各平台的使用行为、反馈和对话，构建五层用户模型。画像建好之后，Agent会跨平台主动去B站、小红书、抖音、YouTube、X、知乎、Reddit、微博等找内容，每条推荐都附带理由。整个项目本地运行，数据不上传，MIT协议开源，还提供Chrome扩展。

它的设计意图很明确：让你主动控制信息流，而不是被动接受算法推荐。但推荐质量是否真的优于平台算法，目前缺乏公开验证。

插件从哪来，到哪找

基础功能层面，社区已经补上了modlens（读图）、dsh-at-file（@引用文件）、dsh-paste-input（粘贴文件）、dsh-cc-tui（终端界面）、dsh-web-ui（Web UI）、dsh-memory-evolve（跨会话长期记忆）等插件。

找插件的渠道也在快速生长。dsh.so已收录1650个插件，另有可视化插件市场dshmarket可以直接内置到DSH中。

B站成了技术“卖场”

DSH上线当天，dsh-plugin话题下出现上千插件仓库，贡献者里不少是B站UP主，二次元头像在AI技术圈意外成为辨识度标志。

GitHub决定项目能不能被找到，B站决定有没有人真的去看、去用、去传。B站正在成为技术产品"Sell"这一半最重要的场域之一。

DSH的插件生态能火多久，现在没人说得准。官方还没开放外部PR，正式版也没有时间表。近三千个仓库里，审核机制尚未建立，插件的安全与隐私风险同样没人系统评估过。