# DeepSeek Harness 三大进阶玩法 > 斜杠命令、自定义工具、多 Agent 军团，让你的黑色鲸鱼直接起飞 大家好，我是程序员鱼皮。 最近 DeepSeek Harness（DSH）真是太火了！之前我在本教程编程工具板块「DeepSeek Harness」目录中的《DeepSeek Harness 保姆级入门教程》里教过大家如何安装使用，还在《DeepSeek Harness 精选插件推荐》中盘点过一批超火的 DSH 插件。 ![](https://pic.yupi.icu/1/image-20260814143547057.png) 不过显然大家对这些玩法并不满足，所以这篇文章我会继续分享 DSH 的 3 大进阶玩法： - 通过斜杠命令减少重复输入 - 自定义工具给 AI 装上手脚 - 打造多 Agent 军团帮你干活 这套组合拳打下来，让你的黑色鲸鱼直接起飞！ ![](https://pic.yupi.icu/1/1786708419-deepseek%E5%A4%A7%E8%82%A5%E9%B2%B8.jpeg) ## 一、斜杠命令 先来说最容易上手、使用频率也最高的一个进阶玩法，就是斜杠命令。 如果你用过 Codex 或者 Cursor，那么你对斜杠命令应该并不陌生，比如 Codex 中的 `/compact`、`/plan` 等命令，你不需要每次都写一大段提示词，敲一下就能快速执行某一项操作。 ![](https://pic.yupi.icu/chengfang/082403DSH.png) DSH 也是类似的套路。当你在对话框中输入 `/` 的时候，界面就会弹出当前已经注册的命令列表。 ![](https://pic.yupi.icu/chengfang/082402DSH.png) 因为在 DSH 中，一切皆插件。这些命令同样由插件提供，因此不同版本、不同配置下，菜单里的命令可能略有区别。 我用的这个版本里一共注册了 6 个内置命令，下面挨个介绍一下。 ### /compact 压缩上下文 在对话框中输入 `/compact` 后，DSH 会把当前对话中的关键信息整理成一份更加紧凑的摘要，在接下来的对话中 AI 会带着这份摘要继续工作。 如果一个任务已经做了很久，但又不想重新开启会话，就可以用它给你的大肥鱼「减减肥」了。既能让 AI 更专注，又能省下不必要的 Token 消耗。 ![](https://pic.yupi.icu/chengfang/082404DSH.png) ### /export 导出当前对话 输入 `/export`，DSH 可以直接把当前对话框内容打包下载。 ![](https://pic.yupi.icu/chengfang/082414DSH.png) 命令执行成功后，浏览器会自动下载一个 zip 压缩包，里面是完整的对话记录。当你想保存对话，或者把 AI 的回答整理成文档时，就不用再一个一个地从聊天窗口里复制粘贴了。 ### /goal 设置长期目标 直接在对话框中输入 `/goal`，后面跟上你的目标描述，DSH 就会把它存成一个长期目标。接下来每一轮对话，AI 都会自动围绕这个目标往下推进，就算聊到一半跑题了，它也会自己绕回来。 ``` /goal 重构项目的登录模块，并补齐测试和迁移说明 ``` ![](https://pic.yupi.icu/chengfang/082405DSH.png) `/goal` 还提供了几种控制目标的用法： ``` /goal /goal edit < 输入修改后的目标 > /goal pause /goal resume /goal clear ``` ![](https://pic.yupi.icu/chengfang/082407DSH.png) 其中，单独输入 `/goal` 可以查看当前目标。`edit` 用来修改目标，`pause` 和 `resume` 分别用来暂停和恢复目标，`clear` 用来清除当前目标。 ### /plan 开启计划模式 输入 `/plan`，后面跟上你的需求，比如： ``` /plan 帮我规划登录模块的重构方案 ``` 计划模式会引导 DSH 先了解项目、整理方案并交给你确认，等你同意了才开始动手。 ![](https://pic.yupi.icu/chengfang/082408DSH.png) 不需要继续规划时，可以通过 `/plan off` 命令退出。 `/plan` 命令比较适合陌生项目、大范围重构或者风险较高的改动，可以减少 AI 没有理解清楚需求就直接动手修改代码的情况。 ### /permission 调整操作权限 直接输入 `/permission`，就能查看并切换当前对话的权限设置。 ![](https://pic.yupi.icu/chengfang/082409DSH.png) 但其实在 Web 界面，点一下输入框旁边的权限按钮就能切换，所以这个命令更适合习惯终端操作的用户，在 `/permission` 命令后面直接跟上权限预设就可以了。 ### /feedback 提交使用反馈 在 `/feedback` 后面写上反馈内容，就能把这条意见记到当前对话的日志里。 ``` /feedback < 输入你想反馈的内容 > ``` 如果你在使用 DSH 的过程中碰到了 Bug 或者哪个交互用着别扭，随手敲一行就直接给大肥鱼反馈了。不过要注意，只有开启了相应的遥测能力，反馈才会继续传给官方；遥测关闭时，内容只留在本地。 ![](https://pic.yupi.icu/chengfang/082410DSH.png) ### 自定义一个斜杠命令 如果你觉得上面这些内置命令还不够用，DSH 还支持自定义斜杠命令。 比如每次打开一个项目，我都想先看看当前在哪个分支、最近提交了什么。虽然可以反复让 AI 执行 Git 命令，但我觉得更省事的做法，是把整个流程压缩成一条 `/repo` 命令，以后一键搞定。 所以我让 DSH 给我自定义了一条斜杠命令，下面这段提示词直接丢给它就行： ``` 请帮我创建并安装一个 DSH 斜杠命令插件。 命令名是 /repo，执行后显示当前 Git 仓库所在的分支和最近 3 次提交。如果当前目录不是 Git 仓库，请给出友好提示。 完成后检查插件是否安装成功，并告诉我怎么重启和验证。 ``` 运行成功后，重启一下 `dsh web`，在任意 Git 项目对话框中输入 `/repo` 命令，来看看效果。 ![](https://pic.yupi.icu/chengfang/082413DSH.png) 当前分支和最近 3 次提交直接就出来了，很方便吧~ 所以，只要你有一套流程需要反复描述，而且每次步骤都差不多，完全可以把它交给 DSH 压缩成一条斜杠命令，以后用起来就方便多了。 ## 二、给 AI 提供工具 斜杠命令解决的是重复操作的问题，接下来这个玩法，解决的是 AI 能不能动手干活的问题。 有时候你让 AI 顺手查个数据库、调个第三方接口，它只会阿巴阿巴，这是因为 AI 只是个大脑，它没有对应的工具来做这些事情。 装上工具之后就不一样了，`read` 是它的眼睛，能看文件；`bash` 是它的手，能敲命令；`write` 是它的笔，能把结果写进项目。这时候 AI 才从「嘴强王者」变成真正能动手干活的帮手。 ![](https://pic.yupi.icu/chengfang/082444DSH.png) ### DSH 自带的工具箱 刚才提到的 `read`、`bash` 和 `write` 只是冰山一角。DSH 默认内置了一大批工具，覆盖文件读写、命令执行、任务管理、联网搜索和多 Agent 协作等方向。 除了这三个核心工具之外，还有几个高频工具。比如 `glob` 和 `grep` 负责查找文件和搜索内容，`todo_write` 让 AI 自己维护一份任务清单，`ask_user_question` 会在 AI 拿不准的时候回头问你确认，`web_search` 负责联网搜索信息，`skill` 用来调用预设的技能流程。 ![](https://pic.yupi.icu/chengfang/082445DSH.png) 工具数量会随着版本和插件变化，因此不用记住这些。 另外还有 `subagent`、`workflow` 那一串多 Agent 工具，后面我会专门介绍。 ### 工具、插件和 Skill 的区别 在动手之前，先搞清楚三个容易混淆的概念。很多人分不清工具、插件和 Skill 之间的关系，但它们其实是三个不同层次的东西。 **工具** 是 AI 的手脚，解决的是「能不能动手」的问题。比如 `read` 能读取文件、`bash` 能运行命令、`web_search` 能搜索网络，这些都是具体的操作能力。 **插件** 是 DSH 的扩展模块，解决的是「怎样把新能力装进系统」的问题。一个插件可以注册工具，也可以扩展命令、模型、服务甚至界面，是整个 DSH 的能力载体。 **Skill** 更像一份操作手册，解决的是「这件事应该怎么做」的问题。Skill 本身不会凭空增加系统权限，它的作用是告诉模型该按什么流程干活、什么时候该调用哪些工具。 ![](https://pic.yupi.icu/chengfang/082446DSH.png) 举个例子，`write` 是一支笔，提供写文件的能力。安装这支笔的模块就是插件，而文章的「写作教程」就是 Skill，用来教 AI 应该如何使用这支笔写出更好的文章。 ### 通过 MCP 把现成服务接进来 搞清楚工具、插件和 Skill 之后，接下来就可以继续给 AI 扩展能力了。 但问题来了，如果每需要一个新工具，都得自己写插件，那也太麻烦了。。。 ![](https://pic.yupi.icu/chengfang/082417DSH.png) 好在很多工具早就有人做好了，我们只需要通过 MCP 拿来用就行。 MCP 全称 Model Context Protocol 模型上下文协议，你可以把它理解成 AI 世界的 USB 接口。就像键盘、鼠标、U 盘都可以通过 USB 接到电脑上一样，MCP 给 AI 和外部工具也定了一套统一的连接标准。只要一个服务实现了 MCP 协议，DSH 就能直接把它接进来当工具用。 现在社区里已经有大量现成的 MCP 服务了，比如我的 [鱼皮 AI 导航](https://ai.codefather.cn) 专门整理了优质的 MCP 资源大全，还支持分类搜索，找起来很方便。 ![](https://pic.yupi.icu/yuyi/image-20260320155129046.png) 这里我拿一个最简单的例子来演示效果。我给 DSH 接入了一个文件系统 MCP，然后让它读取演示目录中的文档。 ![](https://pic.yupi.icu/chengfang/082416DSH.png) DSH 很快调用了 `mcp__files__read_text_file` 这个工具，成功读取了文件内容，还总结出了这只大肥鱼刚刚解锁的能力。 这样一来，别人已经做好的能力，我们只需要一行配置就能接进来，没必要每次都自己从头造轮子。 ### 让 AI 临时创造一个工具 现成的服务可以通过 MCP 接进来，那想造一个全新的工具怎么办？ DSH 提供了一个叫做 Creator Mode 创造模式的运行模式，在这个模式下，AI 可以使用动态 Cordis 插件的能力，不需要建文件、不需要装依赖，直接在对话里现写现运行一个临时工具。 比如我让它创建一个 `word_count` 工具，接收一段文字，返回字符数、行数和单词数。 ![](https://pic.yupi.icu/chengfang/082420DSH.png) 插件运行成功后，`word_count` 会真正加入当前进程的工具列表。 ![](https://pic.yupi.icu/chengfang/082425DSH.png) 接下来再给它一段文字，模型就能调用刚刚创造出来的工具了。 ![](https://pic.yupi.icu/chengfang/082424DSH.png) 工具调用卡片上真的出现了 `word_count`，并且成功返回了字符数、行数和单词数。 需要注意的是，动态工具主要适合临时实验和快速验证想法。它只在当前进程生效，停止插件或者重启 DSH 后就会消失。如果验证通过想长期使用，再让 AI 把它整理成正式的仓库插件就好。 另外提醒一句，动态插件虽然运行在沙箱环境里，但并不是安全边界。运行之前一定要先检查一下生成的代码逻辑，再确认它申请了哪些权限。 ## 三、打造 AI Agent 军团 斜杠命令解决了重复操作的问题，工具让 AI 能够完成更多工作。但还有一个问题没解决，就是任务一旦复杂起来，一个 AI 还是容易忙不过来。比如你让它同时兼顾代码审查、写测试、查安全漏洞，不仅效率低，还有可能顾了这头丢了那头。 既然一个 Agent 忙不过来，那就多叫几个，打造一支 AI 军团。 ![](https://pic.yupi.icu/1/1159_S.jpg) DSH 内置了几种多 Agent 工具，主 Agent 可以把复杂任务拆成相对独立的部分，再根据依赖关系选择并行或者分阶段处理，最后汇总结果。 ### 内置 Agent 工具 DSH 一共内置了 4 个 Agent 派活工具和 3 个后台管理工具，先从最容易上手的 `subagent` 开始介绍。 `subagent` 会创建一个拥有独立上下文的后台子 Agent，它不会看到父会话的任何对话历史，适合处理和主任务无关的独立工作。任务完成后，结果会回到父会话。 ![](https://pic.yupi.icu/chengfang/082433DSH.png) `subagent_fork` 跟 `subagent` 的用法差不多，区别在于 `subagent_fork` 会把父会话中已经完成的对话内容一并带给子 Agent，让它从一开始就拥有前文信息。 比如我没有重新提供完整的审查报告，只让 AI 根据刚才的结果整理一段总结。从总结内容里能看出来，它确实拿到了上一次 `subagent` 的审查报告。 ![](https://pic.yupi.icu/chengfang/082434DSH.png) `workflow` 同样是一个内置的 Agent 工具，它可以在一段脚本中定义多个任务，让它们并行执行，等所有结果全部返回后再统一汇总。 我让 AI 同时完成变更总结、风险检查和测试清单三个任务，它等到三个 Agent 全部完成后，才交给第四个 Agent 整理成发布前的总结清单。 ![](https://pic.yupi.icu/chengfang/082435DSH.png) 最后一个派活工具是 `ralph`，它比较特殊，每一轮都会换一个全新的子 Agent 来继续推进同一个目标，目的是防止同一个 Agent 越干越钻牛角尖。每轮之间只靠一份结构化的交接报告传递进展，不会继承上一轮的对话历史，相当于换个人从新的角度重新审视问题。 我让它执行 3 轮，检查最近的一次仓库提交，并反馈给我风险清单。结果第二轮的 Agent 修正了第一轮的优先级判断，还合并了重复内容、补上了第一轮遗漏的问题。第二轮干完以后，它直接判定目标已完成，第三轮都省了。 ![](https://pic.yupi.icu/chengfang/082436DSH.png) 除了派活，DSH 还提供了 3 个后台管理工具，方便你随时掌握子 Agent 的状态。 `list_agents` 可以查看后台子 Agent 的运行状态，`send_message` 可以继续给某个子 Agent 补充新的要求，`interrupt_agent` 则可以中断它当前正在执行的任务。 我先启动一个子 Agent 审查代码，通过 `list_agents` 看到它正在运行。接着用 `send_message` 让它重点检查触控区域和减弱动效的实现，最后用 `interrupt_agent` 停止当前任务，Agent 的状态也从 `running` 变成了 `idle`。 ![](https://pic.yupi.icu/chengfang/082437DSH.png) 需要注意，`interrupt_agent` 只是中断当前这一轮任务，并不会销毁这个子 Agent。已经排队的消息也不会自动消失，之后你还可以继续用 `send_message` 找它干活。 了解了这 4 个工具之后，再来看看怎么选择。 我的建议是，独立任务用 `subagent` 就够了，需要让子 Agent 了解前文背景就用 `subagent_fork`，多个任务要并行跑就交给 `workflow`，同一个目标想让不同 Agent 反复迭代审视就用 `ralph`。 上面这些内置工具，手动派两三个 Agent 确实很方便。但任务一多，谁负责什么、哪些任务有依赖、现在执行到哪一步了，光靠脑子记就开始吃力了。 如果想真正拉起一支有队长、有分工、还能看到任务面板的 AI 军团，就得请出 Agent Teams 插件了。 ### Agent Teams 插件 Agent Teams 是一个社区开发的多 Agent 协作插件，可以让 DSH 同时拉起多个 Agent 各自干活，结果统一汇总到一个 Captain 队长节点。 > 开源仓库：https://github.com/NanmiCoder/dsh-agent-teams ![](https://pic.yupi.icu/chengfang/036DSH.png) 插件的安装方法很简单，输入一条命令就能装好： ``` dsh plugin --profile web add @nanmicoder/dsh-agent-teams@latest ``` 当然，你也可以直接把开源地址丢给 AI，让它帮你安装： ![](https://pic.yupi.icu/chengfang/082439DSH.png) 来试试看，我要用它检查一个前端项目，创建了 3 个成员 Agent，分别负责三个方向： ``` 前端 Agent 检查页面结构、交互逻辑、响应式和明显的前端问题 代码质量 Agent 检查项目结构、依赖管理和代码可维护性 安全 Agent 检查敏感信息泄露、依赖风险和明显的安全隐患 ``` 任务跑起来后，当前会话会自动成为 Captain，也就是整支团队的队长。 Captain 负责拆分任务、分配工作，最后统一汇总结果。下面的成员 Agent 则各自处理不同方向的问题。右边的活动面板能直接看到 3 个 Agent 同时在工作，等它们各自检查完成，结果会统一回到 Captain，由 Captain 汇总并给出最终报告。 ![](https://pic.yupi.icu/chengfang/14DSH.png) 更牛的是，这支 Agent 团队做完一次任务后不会马上消失，后面还能继续复用。 ![](https://pic.yupi.icu/chengfang/013DSH.png) 这一轮检查结束后，我又追问了一个 WebGL 降级的问题，并且指定只让 frontend 成员继续处理。结果活动面板里真的只有它重新进入了工作状态，另外两个成员没有被重复调度。 ![](https://pic.yupi.icu/chengfang/014DSH.png) 这也是 Agent Teams 和临时派几个子 Agent 最大的区别。Agent Teams 不只是派活，它还提供了成员管理、任务依赖、自动调度、持久化状态和实时活动面板，更像是一套完整的 AI 团队管理系统。 不过它也有一些限制。一个 Captain 同时只能带一个活跃团队，团队状态默认保存在当前工作区，不会自动同步到其他电脑。如果多个 DSH 进程同时操作同一个团队，也可能出现状态冲突。 如果只是临时拆分几个任务，DSH 内置的多 Agent 工具已经完全够用了。只有任务需要长期推进、成员反复协作，还要管理任务依赖和查看执行状态时，才适合上 Agent Teams。 当然，一个 Agent 能搞定的事情就没必要拉一支团队了。多用 AI 之后你自然会形成判断，什么时候该拆分 Agent、拆几个、要不要上 Agent Teams，这些都是靠实际任务跑出来的经验。 ## 写在最后 写到这里，DSH 的 3 大进阶玩法就全部介绍完了。 简单总结一下，斜杠命令可以把高频操作变成快捷指令，一键触发；工具可以让 AI 读取文件、运行命令和调用外部服务；多 Agent 协作可以把复杂任务拆开，让一支 AI 团队同时帮你干活。 如果你只是偶尔使用 DSH，可以先从内置命令和现成工具开始。等任务逐渐复杂了，再尝试 MCP、动态工具和多 Agent 协作就好。关键是先动起来，用得越多，你对这些能力的判断就越准。 如果你还想继续深入，可以阅读本目录中的《DeepSeek Harness Agent 预设详解》了解模式切换的原理，或者阅读《DeepSeek Harness 服务器部署教程》把你的鲸鱼搬到服务器上，随时随地指挥 AI 干活。