DeepSeek Harness 更新至 v0.1.1-rc.2，适配器接入官方多模态视觉模型

2026 年 8 月 21 日——DeepSeek 于 8 月 21 日接连发布 Agent 工具 DeepSeek Harness 的 v0.1.1-rc.1 与 v0.1.1-rc.2 两个预览版本：rc.1 为 DeepSeek 模型适配器新增官方多模态视觉理解模型 deepseek-v4-flash-vision-exp 的调用支持，rc.2 进一步将图像上传链路切换为优先通过 Files API 并复用已上传文件。经 GitHub Releases 与 npm registry 双源核实，该消息属实。

据 npm registry 官方数据，@deepseek-ai/dsh 包的最新标签（latest）已指向 0.1.1-rc.2；据 GitHub 仓库页面显示，deepseek-ai/deepseek-harness 仓库当前星标数约 18.2 万、复刻数约 1.99 万，两个版本均标注为预发布（Pre-release）。

1. 版本核实信息

以下信息整理自 GitHub Releases 页面与 npm registry（截至 2026 年 8 月 21 日）：

2. v0.1.1-rc.1：接入官方视觉模型

据 GitHub Release 说明，rc.1 的新增功能为"DeepSeek 适配器新增多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp"。本站已将本地环境升级至 v0.1.1-rc.2 实测确认：适配器默认模型目录即包含该视觉模型，与 deepseek-v4-flash、deepseek-v4-pro 并列公布，三者的上下文窗口均为 1M tokens；视觉模型条目显式声明 inputModalities: [text, image]。用户在会话中可直接选用该模型，无需手动修改适配器配置。

同期版本还包含以下变更（据 Release 说明）：

• 问题修复：修复输入框内 @ 引用前增删改文本时的潜在布局问题；修复 Bubblewrap 沙箱内受限进程可经 /proc/<pid>/root 绕过限制的问题。
• 体验优化：优化会话中 Markdown 表格的自适应表现、缓存命中率处于 99.x% 区间时的精度显示、子代理会话标题切换交互；ask_user_question 回答内容支持多行输入、自动换行与 Shift+Enter 换行。

3. v0.1.1-rc.2：图像链路优化

rc.2 在 rc.1 基础上聚焦图像输入体验，据 Release 说明包含两项优化：

• Files API 上传优先：DeepSeek 适配器发送图像时优先通过 Files API 上传，并可复用已上传文件，同一图片多次引用时避免重复传输；
• 图像预处理优化：根据模型要求自动缩放图像并转换为合适格式后再提交请求。

本站据升级后本地环境的适配器随包文档与源码核实了具体实现：图像预处理按总像素预算等比缩放（默认 640,000 像素，例如 2048×1024 的图片会缩放至约 1130×565 后提交，不做正方形裁切），编码格式按图片特征自动选择——低色数图片先尝试 PNG，其余依次尝试质量 85 与 80 档的 WebP 或 JPEG；通过 Files API 上传的图片默认有效期为 7 天，临近过期会自动更换文件 ID，并发生成任务共享同一次上传，上传失败或超时会自动回退为 base64 内联方式；单次请求默认最多保留 600 张图片或 128 MiB 图像数据，超出时从最旧的图片开始省略。

上述优化与 DeepSeek API 视觉模型的计费规则相衔接：据官方文档，图像按尺寸转换为 token 后计入输入费用，单张图片消耗上限为 384 tokens，Files API 单图最大支持 64 MiB。

4. 背景：多模态支持的三步落地

Harness 的多模态能力并非首次出现。据本站此前报道，8 月 19 日发布的 v0.1.0-rc.8 已增强多模态支持度，允许 DeepSeek 适配器配置启用原生图片请求，其配置文件中出现 private-vision 模型条目，社区随后在源码中发现 deepseek-v4-flash-vision-exp 这一模型 ID；8 月 21 日，DeepSeek API 平台正式上线该视觉实验模型。至此，从配置预留、API 上线到 Harness 适配器默认接入，官方视觉模型的完整调用链路已经打通。

已安装用户可通过以下命令升级至最新预览版本：

npm install -g @deepseek-ai/dsh@latest