liguobao/ds-harness-remote

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

DS Harness Remote是一组社区插件和客户端，用于从另一台PC、浏览器或Android访问已有的DeepSeek Harness主机。提示词和获准操作会发送至原主机，工作区、工具及会话执行仍保留在该电脑上。安装插件不会把代理迁移到手机。需要兼容的Harness、主机插件、账号登录和设备授权，默认使用项目托管的连接协调服务器。网络优先直连，也能回退至TURN或加密WebSocket中继，因此主机不必开放公网监听端口。加密文档及已查看的客户端传输源码展示了绑定设备身份和连接上下文的Noise通道，但它不隐藏通信元数据，也不能保护已被入侵的终端。当前README说明远程终端默认启用，并独立于代理审批以主机用户权限执行，必须单独审查权限。iOS及部分其他代理适配器仍在测试阶段，加密文档中旧的终端不开放描述也与现状有差异，采用前必须核对具体发行版的实际权限范围。

许可证

无许可证 未找到许可证文件。没有许可证时，默认不允许复用代码。

同领域的其他仓库

• shaobeichen/dsh-pocket
  DSH Pocket是从手机操作电脑上正在运行的DeepSeek Harness网页界面的插件。用户通过二维码地址和访问密码进入同一会话，发送任务、查看输出并处理批准。它使用HTTP与WebSocket代理以及移动布局调整连接现有界面，不是运行独立模型的产品。使用需要DeepSeek Harness和Node 22及以上，安装插件后必须重启dsh web。局域网与公网访问分开，公网访问需要另行开启cloudflared隧道。固定域名模式需要Cloudflare账号、域名和隧道配置。默认密码与自定义密码的轮换行为不同，已检查的设置源码也默认开启局域网访问及认证。远程界面能够操作电脑上的代码执行能力，因此公司网络暴露需谨慎，项目还注明不支持桌面advanced模式。
• bowenliang123/dsh-context
  dsh-context是用于查看DeepSeek Harness向模型发送哪些上下文的插件。管理长对话或多个智能体的用户，可通过它分析会话记录和宿主的词元统计投影。仪表盘与上下文浏览器展示会话组成、逐请求变化、压缩事件和文件活动。Fleet页面显示当前智能体、父智能体与子智能体的关系和状态。使用时需将插件加入兼容的DeepSeek Harness网页配置，再打开对应标签页或命令，它不是独立模型服务。包声明要求Node 22.19系列或24及以上，并有宿主版本兼容条件。各类别词元估算与供应商实际报告值分开显示，成本也是估算。设置中的系统提示词前缀与后缀可从下一模型步骤起改变行为，因此不能只把它视为只读统计工具。
• Alpha-Dojo/DojoAgents
  DojoAgents是面向个人投资研究和投资组合检查的AI智能体框架。它接收问题、持仓和市场资料，通过工具调用输出分析和仪表盘结果。README介绍了使用美国、香港、中国内地市场数据及持仓截图的流程。项目区分核心循环与金融Harness，已检查的金融工厂源码负责组装工具提供者、记忆、策略和结果展示器。运行要求Python 3.11及以上和模型API配置，从源码构建前端时还需Node 18及以上与npm 9及以上。用户可从发行包启动，再在本地仪表盘配置模型供应商或自定义端点。金融数据后端使用SDK或HTTP连接，安装本身不保证数据可访问或足够新。项目注明研究和演示用途，不能将其视为保证分析准确率或收益的自动交易产品。
• kuafuai/andee
  Andee是接收语音或文字请求、读取并操作其他应用界面的实验性Android智能体应用。输入是无障碍树和截图，输出包括点击、滚动、文本输入与结果页面。无法获得界面元素时，它使用带标签网格的截图定位，通知和计划任务也能触发工作。默认的设备内模式是指智能体循环在设备运行，并不意味着语言模型推理必然在本机完成。自行配置需要OpenAI兼容模型地址和密钥，语音还需要所选外部语音服务的独立配置。在Android 11或更新系统安装APK后，仍需授权悬浮窗、无障碍及其他必要权限，并非安装即可自动操作。它管理笔记和场景，并有部分代码级防护，例如拒绝通知触发轮次访问凭据库，但不能阻止全部高风险操作。安全文档列出无认证设备WebSocket、明文中枢连接及屏幕内容提示注入风险，因此不能认定它能够安全阻止付款或对外发送。对话和音频可能发送给选定的外部服务，许可证对多客户托管和嵌入其他产品分发等用途设有附加条件。
• google-research/harness2
  这是面向智能体开发者的研究框架，用于在不改变模型权重的情况下改进执行环境。输入任务和基础环境后，它提出修改候选，在同一任务上试运行，再根据执行差异组合改进方案。可编辑的组件包括提示词、记忆、工具说明和技能。并行递归用于探索候选，顺序递归用于逐步积累改进。采用的环境和有证据支持的经验会写入供后续任务使用的改进环境。输出包括任务产物、采用的配置、反思和评估记录。主要环境是Linux和Python，模型实验还需要认证、执行器和对应基准的依赖。本地演示无需模型认证，但模型实验会产生API费用。安装后不会自动改进已有智能体。执行器网络访问和Codex被关闭的沙箱需要单独控制，且这不是Google正式支持的产品。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。