DeepSeekHarness入驻B站24小时涨粉40万，评论区成开发者插件集市

DeepSeek Harness（DSH）官方账号于近日正式入驻B站，发布首条视频《属于你的HARNESS，你来定义》，24小时内播放量突破211万, 粉丝数激增40万。这一数据本身已属亮眼，但真正引发科技圈关注的，是其评论区呈现出的独特生态——它不再只是点赞与灌水的阵地，而演变为一场自发的“插件创作展”。

视频内容聚焦DSH的“创造模式”（Creator Mode）：用户仅需用自然语言描述需求，系统即可现场编写、安装并运行一个可执行插件。官方演示包括倒计时工具、便签墙、沙盒小游戏及Transformer的3D可视化模块。然而，评论区用户的实践远超演示范围：有人开发了“dsh猫猫”拟人化插件；有人构建了近现代史纲要与毛中特的可视化学习工具，被考研群体广泛求取链接；还有开发者实现了手机远程连接插件，专为通知优化与UI适配设计。一位用户甚至将女儿手绘作品转化为平台跳跃小游戏，获赞六千余次。

这些插件的共同特征在于高度个性化——它们并非通用能力，而是针对“我的具体痛点”的解决方案。专业开发者侧重基础设施层（如记忆管理、任务调度、远程通信），普通爱好者则聚焦日常交互中的微小不便。二者在同一个框架下并行产出，形成互补生态。

B站随之涌现出完整的教学链路。UP主发布《DeepSeek Harness从入门到实战》系列长视频，从Cordis架构原理讲至插件开发实操；另有创作者实测桌面端集成，演示如何将PDF阅读器封装为DSH插件；知乎专栏亦有教程记录“让DeepSeek自己编写arXiv搜索插件”的全过程。一个开源框架的生命力，往往不取决于官方文档厚度，而在于是否催生“第二作者群”——DSH显然已触发这一信号。

与此同时，“大肥鱼”现象在B站快速扩散。该名称源于DeepSeek拟人化鲸鱼娘形象的二创热潮，结合DSH的开放能力，部分用户为其配置自动化脚本，使其能自主刷B站、发弹幕、回复评论，甚至发布短视频与直播。这些AI账号常以二次元头像示人，行为模式高度拟人，引发社区热议：有人视其为创意实验，也有人担忧AI账号挤占真实用户发言空间。

值得注意的是，此类行为触及平台规则边界。B站用户协议明确禁止通过自动化程序干扰网站正常运行，2020年曾批量封禁V圈机器人账号，2025年亦发布整治AI技术滥用公告。但当前“大肥鱼”仍处于灰色地带——其技术实现通常规避提示词注入风险，并仅扫描字幕与语音内容，跳过视频简介，再结合评论区互动逻辑进行响应，显示出开发者对合规性的主动考量。

DeepSeek官方对此回应称，这是一场值得认真对待的“代理感”实验，核心问题在于责任归属模糊化：当评论区对话对象是一个由人配置、却具自主决策能力的AI时，“屏幕对面是谁在说话”这一基本信任前提开始松动。若AI账号在评论区发生争执，责任应由配置者、模型本身还是工具链承担？现有社区规范尚未提供答案。

技术层面，DSH的爆发与其底层设计密不可分。其基于Cordis的“一切皆插件”架构，仅需TypeScript编写插件并导出apply(ctx)函数，通过上下文注册工具、事件与定时器；框架在卸载时自动清理资源。该机制足够轻量，使“让DeepSeek自动生成arXiv插件”成为普通开发者一个下午即可完成的任务。

更深层的趋势指向Agent架构的范式转移。10月31日，DeepSeek发布Super-Agent技术文章，直指当前Coding Agent的核心瓶颈：以Session为中心的设计导致用户需同时管理3–5个独立会话，人反而沦为“AI项目经理”。其提出的Router–Worker双层架构，旨在实现任务路由、并行执行与主动干预——例如在群聊中自动识别Bug讨论，后台复现、分析甚至提PR。

这一方向要求系统具备可观测性、状态持久化与异常恢复能力，而插件化正是支撑上述能力的基础。当模型能力趋同，生态扩展性将成为关键竞争维度：谁能让更多人愿意动手共建，谁就掌握了Agent时代的入口。

目前，DSH已支持七类典型场景的插件生成，包括著名地标3D画廊、Transformer计算逻辑交互演示、全局像素风界面切换器、海报设计工作台、带时间轴的视频编辑器、论文阅读器及用量统计插件。官方公开了完整提示词模板，降低复现门槛。

行业观察指出，Codex与Cursor等工具也在强化插件生态。Codex右侧工作区正从“查看记录”升级为“多功能交互区”，目标是将AI生成后的5%人工微调环节也纳入Agent流程。而补足这5%的关键路径，正是低门槛的插件机制。

DSH的走红揭示了一个现实：在AGI演进过程中，工具链的易用性与社区动员力，可能比单点模型性能更具决定性。当用户能用一句话让AI写出一个专属插件，并将其投入真实工作流时，Agent才真正从“演示Demo”走向“日常生产力”。

B站这场“插件集市”仍在持续发酵，其后续发展将不仅检验DSH的技术韧性，更考验整个AI社区对“代理权责边界”的共识构建能力。