这是一份 DeepSeek Harness 本地完整部署保姆级教程，面向 Windows 系统、零基础也能照做。内容覆盖 Node.js 26.7 环境安装、DeepSeek 官方仓库拉取、pnpm 依赖安装、项目编译构建与 Web 服务启动，再配合 LlamaCpp 部署 qwen2.5-1.5b 本地量化模型，完成接口对接与可视化对话调试，帮你搭起一套无外网依赖、本地高效运行的私有化 AI Agent 工作台，适合个人做本地 AI 开发、模型测试和智能体调试。
一、项目简介
DeepSeek Harness是DeepSeek开源的全插件式AI Agent工作台，支持自定义大模型接入、可视化对话调试、多插件拓展，具备轻量化、高适配、可私有化部署的优势。相比在线AI工具，本地部署可实现数据本地化、无调用次数限制，搭配LlamaCpp量化模型，低配设备也能流畅运行大模型对话能力，是本地AI开发、智能体测试的优质工具。
本次部署走双仓库源码路线，把官方核心源码和适配优化版本合在一起，全程手动编译，稳定性更好，也更适合对接本地模型。
项目仓库地址：
1. 官方核心仓库：
2. 适配优化仓库：
二、部署前置：安装Node.js 26.7环境
DeepSeek Harness 的运行依赖 Node.js 环境，这里指定安装最新稳定版 Node.js 26.7.0，以避免版本不兼容带来的报错。
2.1 环境下载
官方下载地址：
2.2 安装步骤
下载对应Windows系统安装包，默认路径安装即可，无需修改配置，全程下一步完成安装。
2.3 环境验证
打开CMD命令提示符，输入以下命令，输出版本号即为安装成功：
node -v
npm -v
三、拉取项目源码并进入项目目录
将上述两个仓库源码下载至本地，解压后统一命名为 deepseek-harness ，存放至桌面或自定义英文目录（路径请勿包含中文、空格）。
打开CMD，切换至项目根目录：
cd deepseek-harness
四、项目依赖安装与编译构建
进入项目目录后，依次执行以下全套命令，完成包管理工具安装、依赖下载、项目打包构建。
# 全局安装pnpm包管理器
npm install -g pnpm
# 安装项目所有依赖
pnpm install
# 编译构建项目，生成前端静态资源
pnpm run build
构建时会自动打包前端资源，出现 chunk 体积提示属正常现象，无需理会，等 4-5 秒构建结束即可。
五、启动DeepSeek Harness Web工作台
项目构建完成后，执行启动命令，拉起本地Web服务：
pnpm dsh web
启动成功后，终端会输出本地访问地址，默认地址为：**
在浏览器中打开这个地址，就能进入 DeepSeek Harness 的可视化工作台页面。
六、LlamaCpp本地模型启动部署
本次部署采用qwen2.5-1.5b-instruct-q4_k_m.gguf 量化模型，通过LlamaCpp搭建本地模型接口，实现本地大模型对接，无需联网调用API。
把下好的模型文件放进 LlamaCpp 根目录，执行下面这条启动命令即可拉起本地模型服务：
llama-server.exe -m qwen2.5-1.5b-instruct-q4_k_m.gguf --host 127.0.0.1 --port 11433 -c 16384 --cors-origins *
参数说明：
- --port 11433 ：本地模型服务端口，与后续工作台配置对应
- -c 16384 ：设置上下文窗口大小，提升对话连贯性
- **--cors-origins *** ：开启跨域，允许工作台跨域调用模型接口
七、工作台配置本地模型接口
7.1 新增自定义模型配置
进入DeepSeek Harness Web页面，点击右下角【设置】，新增自定义模型提供方，填写对应配置信息：
- 模型名称：qwen2.5-1.5b-instruct-q4_k_m.gguf
- API地址：
- API协议：openai-completions
- 模型目录：自定义模型存放路径
填写完成后点击【保存】，并获取可用模型，确认配置生效。
7.2 启用本地模型对话
回到工作台主页面，在模型选择栏里选中配好的 qwen2.5-1.5b 量化模型，打开标准对话模式。
八、功能测试与效果验证
新建一个会话，输入提问指令（比如"请简单介绍一下自己"），发出对话后，工作台就能正常调用本地 LlamaCpp 模型并把回答返回来。
页面可实时查看对话日志、Token消耗、推理速度、缓存命中率等数据，代表整套本地部署+模型对接流程完全成功。
注：内容由AI生成，仅供参考。
评论0