发布日期2026-09-01 | 话题标签DeepSeek Harness、多 Agent、SubAgent、Agent 编排DeepSeek HarnessDSH内置了subagent、subagent_fork、workflow、ralph四个多 Agent 编排工具以及list_agents、send_message、interrupt_agent三个子 Agent 管理工具全部开箱即用无需额外安装是 DSH 一切皆插件理念中少数内置于核心框架的能力之一。subagent以完全独立的上下文运行子 Agent 并在完成后返回结果subagent_fork则会将父会话历史一并传递workflow用于并行执行固定结构的批量任务ralph以每轮换新 Agent 结构化交接报告的机制防止单 Agent 在同一思路上钻牛角尖进阶场景可安装社区插件nanmicoder/dsh-agent-teams获得任务依赖管理和持久化状态能力。本文给出每种工具的触发指令模板、选型速查表和常见踩坑帮开发者在正确的场景用对多 Agent 工具。为什么要用多 Agent单 Agent 跑长任务有三个硬伤上下文污染任务跑到一半早期的上下文包括已经完成的步骤、中间产物、错误信息全部堆在同一个会话里模型越来越难分清哪些信息是当前最重要的。无法并行单线程按顺序跑审查代码、收集资料、写初稿这三件事只能排队一件没完成就等着。越跑越偏长任务里模型容易在一个方向上钻牛角尖反复尝试同一个失败的路径浪费大量 token。DSH 的多 Agent 方案核心是上下文隔离每个子 Agent 只持有自己任务相关的上下文主 Agent 负责拆解任务、派发、收集结果。整个过程 token 消耗可控结果可追溯。4 个内置派活工具DSH 开箱即用不需要安装额外插件直接对话就能调用这四个工具。subagent最常用的独立子 Agent子 Agent 在完全独立的上下文里运行不继承父会话的历史记录任务完成后结果返回给主 Agent。适合场景任务之间相互独立、不需要知道彼此的情况。触发示例并行启动三个 subagent分别完成 1. 搜索「DeepSeek Harness 插件安全」的最新资料整理成摘要 2. 搜索「DSH 多模态使用」的最新资料整理成摘要 3. 搜索「DSH RC.8 更新内容」整理成摘要 等三个都完成后把结果合并给我。指令需要包含三个要素任务拆分规则 等待机制等都完成后 输出要求整理成摘要缺少任何一个都容易出现任务遗漏或结果格式混乱。subagent_fork带父会话记忆的子 Agent与subagent的区别subagent_fork会把父会话中已经完成的对话内容一并传给子 Agent子 Agent 知道之前发生了什么。适合场景子任务需要基于主会话前期的分析结论继续推进而不是从零开始。基于我们刚才分析的这份代码仓库结构 用 subagent_fork 启动两个子 Agent - 一个针对认证模块写单元测试 - 一个针对 API 层写集成测试 两个都完成后给我合并结果。workflow并行多任务统一汇总workflow用于在脚本层面定义多个任务并行执行全部完成后统一汇总。它比subagent更适合任务数量多、结构固定、需要精确控制执行顺序的场景。适合场景批量处理比如同时分析 10 篇文档、多维度评测同时跑 5 个基准测试。用 workflow 并行执行以下 5 项任务 - 任务1分析 auth.py 的安全风险 - 任务2分析 api.py 的性能瓶颈 - 任务3分析 db.py 的 SQL 注入风险 - 任务4检查 tests/ 目录的覆盖率缺口 - 任务5审查 README 的准确性 5 项全部完成后生成一份综合报告。ralph防止钻牛角尖的迭代工具ralph的逻辑完全不同它不是多个 Agent 并行而是每轮换一个新 Agent 来推进同一个目标。每轮结束后当前 Agent 写一份结构化交接报告下一轮新 Agent 读报告继续推进。这解决了单 Agent 长任务中最常见的问题在同一个错误思路上反复打转。新 Agent 不背历史包袱从交接报告出发更容易找到新路径。适合场景需要多轮迭代、反复改进的复杂任务比如逐步优化一篇文章、调试一个棘手的 Bug。用 ralph 帮我把这份技术方案写好。 每轮结束后记录已完成的部分和下一步方向 直到方案完整且逻辑自洽为止。3 个管理工具随时掌控子 Agent 状态派出去的子 Agent 不是放出去不管了DSH 内置三个管理工具工具用途list_agents查看当前所有子 Agent 的运行状态send_message给某个指定子 Agent 补充新要求无需重新启动interrupt_agent中断某个子 Agent 的任务不销毁可随时继续interrupt_agent的设计特别值得注意——它是暂停而非销毁。如果发现某个子 Agent 跑偏了可以中断它用send_message补充修正指令再让它继续不需要从头再来。Agent Teams进阶多 Agent 协作如果内置工具满足不了需求DSH 官方提供了实验性扩展包deepseek-ai/dsh-experimental-tool-agent-team在标准模式之外提供更完整的多 Agent 协作管理层。它默认禁用需要通过 Agent Teams profile patch 启用。启用后当前会话自动成为Team Lead负责拆分和分配任务可以通过spawn_teammate创建多个持久 Teammate 并行工作并通过team_task_create、team_task_get、team_task_update管理任务状态。核心工具工具用途spawn_teammate创建持久 Teammate Agentteam_task_create创建带依赖关系的任务team_task_list/team_task_get查看任务状态followup_task追加后续任务wait_agent等待指定 Teammate 完成Agent Teams 是多 Teammate 协作拓扑与内置的subagent星型拓扑不同。灵活性更高但 token 消耗更多适合需要 Agent 之间反复协商、任务有依赖链的复杂场景。工具选型速查场景推荐工具独立任务并行互不干扰subagent子任务需要基于前期分析继续subagent_fork固定结构的批量并行任务workflow需要多轮迭代、防止钻牛角尖ralph长期协作 任务依赖 Teammate 管理Agent Teams 扩展包90% 的日常场景用subagent就够了。workflow适合批量操作ralph适合需要反复打磨的创作或调试Agent Teams 是重型武器token 消耗和复杂度都更高不建议随手用。常见踩坑并行写操作容易冲突多个子 Agent 同时修改同一个文件结果互相覆盖。多 Agent 最适合读操作搜索、分析、审查写操作建议主 Agent 收到所有子 Agent 的结果后统一处理。指令缺少等待机制触发多个子 Agent 后没有写等全部完成后再汇总主 Agent 可能在子 Agent 还在跑的时候就开始处理不完整的结果。任务拆分太细每个子 Agent 都有自己的启动成本把一个 5 分钟任务拆成 10 个子 Agent 反而更慢。一般建议单个子 Agent 的任务量不低于独立完成一件有意义的事。FAQQ多个子 Agent 同时跑API 费用会翻倍吗A基本上是的——3 个子 Agent 并发消耗的 token 约等于 3 倍单 Agent。但总完成时间更短适合对时间敏感、对成本相对不敏感的任务。用七牛云 AI 大模型广场qiniu.com/ai/models接入 DSH 时可以按用量统一计费方便对比多 Agent 和单 Agent 的实际成本差异。Q子 Agent 可以再派生子 Agent 吗多级嵌套A技术上支持但强烈不建议。多级嵌套的任务链路难以追溯出错后几乎无法定位是哪一级出的问题。保持星型结构主 Agent → 子 Agent是最稳的方案。Qsubagent和subagent_fork哪个更省 tokenAsubagent更省因为子 Agent 没有父会话的上下文包袱。如果子任务不需要了解前期过程优先用subagent。QDSH 的多 Agent 和 Claude Code 的 SubAgent 能互相调用吗ARC.8 版本更新后Claude Code 和 Codex 都可以作为 Profile Bundle 安装进 DSH并被 Harness 当作子代理调用。也就是说DSH 可以在需要时把某些子任务委托给 Claude Code 执行再把结果收回来。总结DSH 的多 Agent 体系由 4 个派活工具subagent/subagent_fork/workflow/ralph和 3 个管理工具list_agents/send_message/interrupt_agent构成全部内置开箱即用。核心价值是上下文隔离——让每个子 Agent 只处理自己的任务主 Agent 统一调度避免单线程长任务的上下文污染和死胡同问题。进阶需求可以启用官方实验性 Agent Teams 扩展获得任务依赖管理和持久 Teammate 协作能力。从并行信息收集到多维代码审查多 Agent 真正让招一队黑色鲸鱼帮你干活变成可操作的现实。延伸阅读DeepSeek Harness 工具目录文档https://deepseek-harness.github.io/deepseek-harness/七牛云 AI 大模型广场dsh可接入https://www.qiniu.com/ai/models
DeepSeek Harness 多 Agent 实战：4 个内置工具 + 1 个社区插件，让子 Agent 并发帮你干活
发布日期2026-09-01 | 话题标签DeepSeek Harness、多 Agent、SubAgent、Agent 编排DeepSeek HarnessDSH内置了subagent、subagent_fork、workflow、ralph四个多 Agent 编排工具以及list_agents、send_message、interrupt_agent三个子 Agent 管理工具全部开箱即用无需额外安装是 DSH 一切皆插件理念中少数内置于核心框架的能力之一。subagent以完全独立的上下文运行子 Agent 并在完成后返回结果subagent_fork则会将父会话历史一并传递workflow用于并行执行固定结构的批量任务ralph以每轮换新 Agent 结构化交接报告的机制防止单 Agent 在同一思路上钻牛角尖进阶场景可安装社区插件nanmicoder/dsh-agent-teams获得任务依赖管理和持久化状态能力。本文给出每种工具的触发指令模板、选型速查表和常见踩坑帮开发者在正确的场景用对多 Agent 工具。为什么要用多 Agent单 Agent 跑长任务有三个硬伤上下文污染任务跑到一半早期的上下文包括已经完成的步骤、中间产物、错误信息全部堆在同一个会话里模型越来越难分清哪些信息是当前最重要的。无法并行单线程按顺序跑审查代码、收集资料、写初稿这三件事只能排队一件没完成就等着。越跑越偏长任务里模型容易在一个方向上钻牛角尖反复尝试同一个失败的路径浪费大量 token。DSH 的多 Agent 方案核心是上下文隔离每个子 Agent 只持有自己任务相关的上下文主 Agent 负责拆解任务、派发、收集结果。整个过程 token 消耗可控结果可追溯。4 个内置派活工具DSH 开箱即用不需要安装额外插件直接对话就能调用这四个工具。subagent最常用的独立子 Agent子 Agent 在完全独立的上下文里运行不继承父会话的历史记录任务完成后结果返回给主 Agent。适合场景任务之间相互独立、不需要知道彼此的情况。触发示例并行启动三个 subagent分别完成 1. 搜索「DeepSeek Harness 插件安全」的最新资料整理成摘要 2. 搜索「DSH 多模态使用」的最新资料整理成摘要 3. 搜索「DSH RC.8 更新内容」整理成摘要 等三个都完成后把结果合并给我。指令需要包含三个要素任务拆分规则 等待机制等都完成后 输出要求整理成摘要缺少任何一个都容易出现任务遗漏或结果格式混乱。subagent_fork带父会话记忆的子 Agent与subagent的区别subagent_fork会把父会话中已经完成的对话内容一并传给子 Agent子 Agent 知道之前发生了什么。适合场景子任务需要基于主会话前期的分析结论继续推进而不是从零开始。基于我们刚才分析的这份代码仓库结构 用 subagent_fork 启动两个子 Agent - 一个针对认证模块写单元测试 - 一个针对 API 层写集成测试 两个都完成后给我合并结果。workflow并行多任务统一汇总workflow用于在脚本层面定义多个任务并行执行全部完成后统一汇总。它比subagent更适合任务数量多、结构固定、需要精确控制执行顺序的场景。适合场景批量处理比如同时分析 10 篇文档、多维度评测同时跑 5 个基准测试。用 workflow 并行执行以下 5 项任务 - 任务1分析 auth.py 的安全风险 - 任务2分析 api.py 的性能瓶颈 - 任务3分析 db.py 的 SQL 注入风险 - 任务4检查 tests/ 目录的覆盖率缺口 - 任务5审查 README 的准确性 5 项全部完成后生成一份综合报告。ralph防止钻牛角尖的迭代工具ralph的逻辑完全不同它不是多个 Agent 并行而是每轮换一个新 Agent 来推进同一个目标。每轮结束后当前 Agent 写一份结构化交接报告下一轮新 Agent 读报告继续推进。这解决了单 Agent 长任务中最常见的问题在同一个错误思路上反复打转。新 Agent 不背历史包袱从交接报告出发更容易找到新路径。适合场景需要多轮迭代、反复改进的复杂任务比如逐步优化一篇文章、调试一个棘手的 Bug。用 ralph 帮我把这份技术方案写好。 每轮结束后记录已完成的部分和下一步方向 直到方案完整且逻辑自洽为止。3 个管理工具随时掌控子 Agent 状态派出去的子 Agent 不是放出去不管了DSH 内置三个管理工具工具用途list_agents查看当前所有子 Agent 的运行状态send_message给某个指定子 Agent 补充新要求无需重新启动interrupt_agent中断某个子 Agent 的任务不销毁可随时继续interrupt_agent的设计特别值得注意——它是暂停而非销毁。如果发现某个子 Agent 跑偏了可以中断它用send_message补充修正指令再让它继续不需要从头再来。Agent Teams进阶多 Agent 协作如果内置工具满足不了需求DSH 官方提供了实验性扩展包deepseek-ai/dsh-experimental-tool-agent-team在标准模式之外提供更完整的多 Agent 协作管理层。它默认禁用需要通过 Agent Teams profile patch 启用。启用后当前会话自动成为Team Lead负责拆分和分配任务可以通过spawn_teammate创建多个持久 Teammate 并行工作并通过team_task_create、team_task_get、team_task_update管理任务状态。核心工具工具用途spawn_teammate创建持久 Teammate Agentteam_task_create创建带依赖关系的任务team_task_list/team_task_get查看任务状态followup_task追加后续任务wait_agent等待指定 Teammate 完成Agent Teams 是多 Teammate 协作拓扑与内置的subagent星型拓扑不同。灵活性更高但 token 消耗更多适合需要 Agent 之间反复协商、任务有依赖链的复杂场景。工具选型速查场景推荐工具独立任务并行互不干扰subagent子任务需要基于前期分析继续subagent_fork固定结构的批量并行任务workflow需要多轮迭代、防止钻牛角尖ralph长期协作 任务依赖 Teammate 管理Agent Teams 扩展包90% 的日常场景用subagent就够了。workflow适合批量操作ralph适合需要反复打磨的创作或调试Agent Teams 是重型武器token 消耗和复杂度都更高不建议随手用。常见踩坑并行写操作容易冲突多个子 Agent 同时修改同一个文件结果互相覆盖。多 Agent 最适合读操作搜索、分析、审查写操作建议主 Agent 收到所有子 Agent 的结果后统一处理。指令缺少等待机制触发多个子 Agent 后没有写等全部完成后再汇总主 Agent 可能在子 Agent 还在跑的时候就开始处理不完整的结果。任务拆分太细每个子 Agent 都有自己的启动成本把一个 5 分钟任务拆成 10 个子 Agent 反而更慢。一般建议单个子 Agent 的任务量不低于独立完成一件有意义的事。FAQQ多个子 Agent 同时跑API 费用会翻倍吗A基本上是的——3 个子 Agent 并发消耗的 token 约等于 3 倍单 Agent。但总完成时间更短适合对时间敏感、对成本相对不敏感的任务。用七牛云 AI 大模型广场qiniu.com/ai/models接入 DSH 时可以按用量统一计费方便对比多 Agent 和单 Agent 的实际成本差异。Q子 Agent 可以再派生子 Agent 吗多级嵌套A技术上支持但强烈不建议。多级嵌套的任务链路难以追溯出错后几乎无法定位是哪一级出的问题。保持星型结构主 Agent → 子 Agent是最稳的方案。Qsubagent和subagent_fork哪个更省 tokenAsubagent更省因为子 Agent 没有父会话的上下文包袱。如果子任务不需要了解前期过程优先用subagent。QDSH 的多 Agent 和 Claude Code 的 SubAgent 能互相调用吗ARC.8 版本更新后Claude Code 和 Codex 都可以作为 Profile Bundle 安装进 DSH并被 Harness 当作子代理调用。也就是说DSH 可以在需要时把某些子任务委托给 Claude Code 执行再把结果收回来。总结DSH 的多 Agent 体系由 4 个派活工具subagent/subagent_fork/workflow/ralph和 3 个管理工具list_agents/send_message/interrupt_agent构成全部内置开箱即用。核心价值是上下文隔离——让每个子 Agent 只处理自己的任务主 Agent 统一调度避免单线程长任务的上下文污染和死胡同问题。进阶需求可以启用官方实验性 Agent Teams 扩展获得任务依赖管理和持久 Teammate 协作能力。从并行信息收集到多维代码审查多 Agent 真正让招一队黑色鲸鱼帮你干活变成可操作的现实。延伸阅读DeepSeek Harness 工具目录文档https://deepseek-harness.github.io/deepseek-harness/七牛云 AI 大模型广场dsh可接入https://www.qiniu.com/ai/models
