导读上一篇盘点了 DeepSeek Harness 桌面版 5 天 13 个版本的更新发出去之后被提得最多的一个缺口是agent 会写网页、会起服务但它自己看不见自己做出来的东西——页面得切到系统浏览器里打开人在中间来回传话。这个需求听到了。8 月 24 日凌晨 1 点 35 分一个改了 20 个文件、新增 3500 多行的提交合进了主干给 agent 一个长在应用里的浏览器。它开在对话旁边agent 能导航、能点击、能输入、能读控制台和网络请求你全程看得见随时能接管。这篇讲三件事为什么 agent 需要一个自己的浏览器、它现在怎么工作以及我让它当场考了一次试的完整记录。仓库github.com/huyang218/dsh-desktopMIT 开源。01 一个页面被打开进了 Safari先说这个功能的起点它来自一次很日常的使用。让 agent 写一个网页它写完了起了个本地服务然后调用系统命令打开页面——页面弹在了 Safari 里。从这一刻起事情就别扭了。页面和产生它的对话分属两个互相看不见的应用。你在 Safari 里看到按钮位置不对得切回来用文字描述给 agentagent 改完了你再切过去刷新、再看、再切回来。它写的代码它自己却看不见跑出来的样子——发现问题、确认修好这两件本该它自己闭环的事全靠人肉在两个窗口之间当传声筒。更根本的问题在验收上。agent 说「改好了」依据往往只是它读了一遍自己的 diff。代码看起来对和页面渲染出来对中间隔着一整个浏览器样式覆盖、脚本报错、接口 404这些只有真的打开页面才知道。上一篇文章发出去之后这个缺口在反馈里被反复提到。所以有了这次更新。02 现在浏览器长在对话旁边新版本里主窗口右侧可以展开一个浏览器面板。它不是嵌了个网页预览那么简单——重点是 agent 能操作它。agent 拿到了一整套动词navigate 打开页面snapshot 读取页面上有什么click 真实点击type 输入还有滚动、拖拽、刷新、改视口尺寸、存截图以及读 console 日志、network 请求列表和每个请求实际返回的内容。其中 snapshot 值得单独说一句。它返回的不是一张图而是一份带编号的页面清单按人的方式描述页面heading Counter text #count 0 button 增加计数 [ref_0]后续的 click、type 都拿这些ref编号做目标。agent 点的不是坐标是「那个叫增加计数的按钮」——页面改版了、按钮挪了位置操作照样成立。另外两个设计决定了它用起来的感受。一是 agent 想「打开网页」的动作会被接进这个面板不再甩给系统浏览器对话和页面从此在同一个屋檐下二是这个面板对你完全透明——agent 点了什么、页面变成了什么样你全程看得见地址栏、前进后退、刷新都在随时可以自己上手。配套还内置了一个 browser 技能教 agent 一条纪律改完 UI不能只读 diff 就说做好了要自己打开页面、亲眼看到渲染结果、点过、验过才能交差。03 让它自己考了一次试功能好不好说明书说了不算。我给 agent 出了一道完整的题自己写一个带 bug 的网页自己用内置浏览器把 bug 复现出来再自己修好、自己复验全程不许打开系统浏览器没有真实工具输出不许说通过。题目是一个计数器页面故意埋了个小 bug变量声明在了点击处理函数里面每次点击都从零开始连点两次计数还是 1。接下来的过程完全不用人插手。它写好页面和一个无依赖的 Node 服务在后台把服务跑起来拿到端口然后开始用浏览器动词干活navigate 打开页面snapshot 确认初始状态真实 click 两次再读 console——两条日志都写着count 1bug 实锤读 network——只有一条 200排除接口问题。然后它改代码把变量挪到函数外面reload重新 snapshot再真实点两次第一次计数 1第二次计数 2页面状态翻成 PASS。console 无报错network 无 4xx/5xx。最后它自己调 screenshot把验收画面存进了项目目录。这是它存下的那张图也是整个闭环里唯一一张不是我截的图整个过程 1 轮对话、14 步从发出指令到交出验收表用时 2 分 10 秒其中工具调用只占 4.6 秒首 token 1.4 秒输出 82 tok/s缓存命中 94%。写码、起服务、复现、修复、复验、留证据一条指令跑完全程。中间还有个小插曲截图前我重启了一次应用agent 之前起的服务跟着没了。再让它打开页面时它发现服务不在了自己把服务重新拉起来、换了新端口、继续验证——没有回来问我怎么办。04 两处看不见的工程这个功能的实现里有两个决定外表完全看不出来但值得写下来。第一个是「一张动词表三个出口」。浏览器的这套动作有三个消费者模型侧的 MCP 工具、命令行的dsh-browser、以及主进程里真正执行的引擎。三处如果各写各的早晚会出现同一个动作在这边叫这个名、在那边叫那个名的漂移。现在三个出口读的是同一张动词表一处定义处处一致。连接用的 socket 地址和令牌通过环境变量传给 harness不在磁盘上留任何秘密。第二个是「两个记录员」。网络请求的记录走了两条路一条是浏览器调试协议能拿到请求 ID、响应体和调用栈另一条是 Electron 自己的监听它站在浏览器进程一侧恰好能看见跨页面跳转那一瞬间发出的请求——那正是页面自己的脚本最容易落地的地方也是第一条路的盲区。任何一条单独用都会漏所以两条都开着各自标记对方已经记过的条目。agent 问「刚才那个请求返回了什么」时答案才是完整的。05 怎么用上这次更新已经合进主干版本号 v0.1.14。写这篇稿子的时候安装包还在打包的路上发布以仓库的 Releases 页为准等不及的可以直接从源码跑npm install npm start两条命令。旧的边界照旧交代dsh仍在 rc 阶段本地端口没有鉴权多人共用的机器要留意macOS 安装包是 ad-hoc 签名首次打开要在系统设置里点一次允许。写在最后这个系列写到第五篇回头看是一条线桌面版解决「装得上」插件库解决「补得齐」安卓版解决「带得走」13 个版本解决「住得下」。这一篇补的是最后一块agent 终于能亲眼看见自己做出来的东西了。写代码的 agent 不稀奇稀奇的是它交付前会自己打开页面点一遍。「做完了」和「验过了」之间的那段距离以前靠人来回切窗口填现在它自己走完。这大概就是熬这个大夜的意义。评论区聊聊有了会自己开网页、自己点按钮的 agent你第一个想让它干的活是什么还缺什么能力也直接提——上一篇的需求就是这么变成这一篇的。参考资料本文项目仓库https://github.com/huyang218/dsh-desktop版本发布记录https://github.com/huyang218/dsh-desktop/releases上游仓库https://github.com/deepseek-ai/deepseek-harness前作《5 天 13 个版本那个「双击就能用」的 DeepSeek Harness现在长什么样了》说明文中提交数、代码行数统计自 GitHub 仓库2026 年 8 月 24 日封面为 AI 生成界面截图为实机实拍其中一张验收截图由 agent 在测试中自行保存。