# 影片筆記：本地部署DeepSeek Harness 加 Qwen3.8-27B教程，实现token自由！我还发现“梁圣”在源码中的彩蛋！

## 一句話總結

講者演示如何在本地環境部署 **DeepSeek Harness** 框架並接入 **Qwen 3.8-27B** 模型，通過插件化架構實現 Agent 能力組合與數據安全，同時實測展示了該模型在單一任務下的強大生產力，但也揭示了多任務並發時對硬體記憶體與顯存的極高需求。

## 核心重點

*   **DeepSeek Harness 定位**：被描述為類似「樂高底板」的 Agent 框架，具備高度自由度與插件化架構，用戶可自定義模型、工具、存儲及 UI，且運行過程透明開源。
*   **Qwen 3.8-27B 能力**：具備原生視覺語言能力（可讀圖）及強大的 Agent 能力，在單一任務（如生成遊戲代碼、撰寫科幻小說）中展現出接近人類水平的生產力。
*   **本地部署流程**：需安裝 Node.js 與 LM Studio，透過配置 API Key 與自定義模型連接，將本地模型接入 DeepSeek Harness 進行對話與任務執行。
*   **硬體瓶頸警告**：實測同時執行三個高負載任務（飛行小遊戲、科幻小說、天體生成）時，導致 32G 記憶體電腦資源耗盡、系統卡死，驗證了本地部署大模型對硬體資源的巨大消耗。

## 詳細大綱

### 一、 DeepSeek Harness 介紹與特性
*   **框架定位**：非單純的 Codex 或 Cloud 替代品，而是類似「樂高底板」的 Agent 框架。
*   **核心優勢**：
    *   **插件化架構**：Agent 能力皆為插件，可任意組合、按需替換。
    *   **高度自由**：用戶決定使用何種模型、加載何種工具、調度方式及存儲方式。
    *   **UI 自定義**：支援更換 UI 皮膚。
    *   **透明性**：運行過程有跡可循且公開透明，區別於其他閉源軟體。
    *   **生態兼容性**：原始碼設計考慮了調用同類本地 Agent 能力（如 Codex），展現大格局。

### 二、 DeepSeek Harness 安裝與配置
*   **前置條件**：需安裝 Node.js。
*   **安裝步驟**：
    1.  從官網下載安裝 Node.js。
    2.  從 DeepSeek Harness 官網複製快速體驗命令。
    3.  在 PowerShell 中執行命令，輸入 `Y` 確認下載。
    4.  獲取外部 UI 地址並透過瀏覽器開啟。
*   **API Key 配置**：
    *   需從 DeepSeek Harness 官網的 API 開放平台創建 API Key。
    *   確保帳戶有餘額方可使用。
*   **工作區（Workspace）設定**：
    *   定義為具體項目的「生產車間」，用於存放文件資料及生成處理結果。
*   **權限等級選擇**：
    1.  **只讀**：僅讀取文件，不更改電腦。
    2.  **工作區域寫入**（推薦）：僅對指定資料夾進行寫入。
    3.  **全部權限**：適合進階用戶。

### 三、 Qwen 3.8-27B 本地部署與測試
*   **LM Studio 安裝**：
    1.  下載安裝 LM Studio。
    2.  設定語言為中文。
    3.  搜尋並下載 Qwen 3.8 系列模型。
*   **硬體與量化選擇建議**：
    *   **16G 顯存**：可選擇 17B 模型（部分資源可能佔用記憶體）。
    *   **16G 記憶體**：選擇 Q6 量化版本。
    *   **29G+ 顯存**：選擇 Q8 量化版本。
*   **連通性測試**：
    *   在 LM Studio 中加載模型並發送訊息，確認能收到回覆。
*   **視覺能力測試**：
    *   驗證 Qwen 3.8-27B 作為原生視覺語言模型的能力。
    *   實測數筆數量（15支筆），模型成功數出正確數量，且未受筆桿與筆帽分離的干擾。

### 四、 本地模型接入 DeepSeek Harness
*   **LM Studio 服務端設置**：
    1.  開啟運行按鈕。
    2.  加載 Qwen 3.8-27B 模型。
*   **Harness 端配置**：
    1.  進入設置 > 模型 > 添加自定義配置方。
    2.  **Provider ID**：必須小寫字母開頭。
    3.  **顯示名稱**：隨意填寫。
    4.  **API 地址**：從 LM Studio 複製，並務必在後方加上 `/v1`。
    5.  **API 協議**：選擇 OpenAI Compatible。
    6.  **模型目錄**：從 LM Studio 複製（注意去除空格）。
*   **最終測試**：在對話窗口切換至 Qwen 3.8 進行連通性測試。

### 五、 高負載實測與硬體瓶頸
*   **測試場景**：同時執行三個任務（飛行小遊戲、科幻小說、天體生成）。
*   **執行過程**：
    *   初期運行流暢，但隨任務增加，電腦風扇狂轉。
    *   系統出現嚴重延遲，滑鼠移動困難，點擊無反應。
    *   任務管理器卡死，講者被迫關閉錄製軟體才能恢復操作。
*   **原因分析**：
    *   硬體限制：電腦僅 32G 記憶體。
    *   上下文載入：多個任務的上下文同時夾在記憶體中導致撐不住。
*   **建議**：
    *   根據硬體情況執行任務。
    *   記憶體不足時，LM Studio 可設置上下文長度（建議 64K 以下）。
    *   避免同時執行多個高負載任務。

### 六、 生成結果評估
*   **飛行小遊戲**：
    *   一輪提示詞下，碰撞、移動、敵人生成邏輯處理無誤。
    *   認為 27B 小模型具備此能力非常厲害，具備生產力潛力。
*   **科幻小說**：
    *   雖中途停止，但生成內容令人震驚，難以辨認是 AI 所寫。
    *   設定靈感類似《羊毛戰記》或《末日地堡》（地下桶湯、高層隱瞞真相、集水柱、牆上救贖等）。
    *   具備強烈的畫面感與震撼力。

## 工具 / 模型 / 名詞整理

*   **DeepSeek Harness**（逐字稿中亦稱為 DeepseekHannis）
*   **The Agent Codex**
*   **The Agent Cloud**
*   **Codex**
*   **Node.js**
*   **PowerShell**
*   **LM Studio**
*   **Qwen 3.8-27B**（逐字稿中亦稱為 千问3.8-27B、千万3.827B、Qwen 3.8）
*   **OpenAI Compatible**（API 協議）
*   **Q6 量化**
*   **Q8 量化**
*   **《羊毛戰記》**（提及的美劇/作品名稱）
*   **《末日地堡》**（提及的美劇/作品名稱）

## 操作流程整理

1.  **環境準備**：
    *   安裝 Node.js。
    *   安裝 LM Studio 並設定語言為中文。
2.  **DeepSeek Harness 部署**：
    *   從官網複製快速體驗命令。
    *   在 PowerShell 執行命令並確認下載。
    *   從官網 API 開放平台創建 API Key 並確保帳戶有餘額。
    *   獲取外部 UI 地址並透過瀏覽器開啟。
    *   設定工作區（Workspace）與權限等級（推薦「工作區域寫入」）。
3.  **Qwen 3.8-27B 本地加載**：
    *   在 LM Studio 搜尋並下載 Qwen 3.8 系列模型。
    *   根據硬體選擇量化版本（16G 顯存選 17B/Q6；29G+ 顯存選 Q8）。
    *   在 LM Studio 中加載模型並開啟服務端運行按鈕。
4.  **連接 Harness 與本地模型**：
    *   在 DeepSeek Harness 中進入設置 > 模型 > 添加自定義配置方。
    *   填寫 Provider ID（小寫字母開頭）、顯示名稱。
    *   複製 LM Studio 的 API 地址並加上 `/v1`。
    *   選擇 API 協議為 OpenAI Compatible。
    *   複製模型目錄（去除空格）。
5.  **實測驗證**：
    *   在對話窗口切換至 Qwen 3.8 進行連通性測試。
    *   執行高負載任務（如生成遊戲代碼、撰寫小說）並監控系統資源。

## 值得注意的限制或風險

*   **硬體資源消耗極大**：同時執行多個高負載任務（如遊戲生成、小說撰寫）會迅速佔滿記憶體與顯存，導致系統卡死、滑鼠無響應，甚至需要強制關閉錄製軟體才能恢復操作。
*   **記憶體限制**：對於僅有 32G 記憶體的電腦，建議將 LM Studio 的上下文長度設置在 64K 以下，以避免記憶體溢出。
*   **多任務並發不穩定**：目前實測顯示，單任務下生產力潛力巨大，但多任務並發時硬體瓶頸明顯，不建議同時執行多個高負載任務。

## 逐字稿辨識疑點

*   **DeepseekHannis**：逐字稿中多次出現此名稱，與常見的 DeepSeek 產品線名稱（如 DeepSeek-V3, DeepSeek-Coder 等）不符，疑為聽寫錯誤或特定暱稱。
*   **千万3.827B**：模型名稱疑點，通常 Qwen 系列為 7B, 14B, 32B, 72B 等，「3.827B」與「千问」的對應關係需查證，可能為「Qwen 2.5-32B」或「Qwen 1.5-7B」等的聽誤，或指代特定未公開版本。
*   **Meal**：在提及 API Key 時，講者說「DeepseekHannis的Meal...把API Key的Meal复制出来」，疑為「Key」或「Secret」的聽誤。
*   **正行命令**：疑為「命令行」或「指令」的聽誤。
*   **开始探测中**：疑為「開始菜單」或「終端」的聽誤。
*   **BN软件**：疑為「閉源軟體」或「商業軟體」的聽誤。
*   **派子Agent**：疑為「派生 Agent」或「子 Agent」的聽誤。
*   **通行留个门**：語意不明，疑為「同行留個門」或特定隱喻的聽誤。
*   **量身这格局**：疑為「這格局」或「深層格局」的聽誤。
*   **LM199**：疑為「LM Studio」或某個參數名稱的聽誤。
*   **一聘**：疑為「一並」的聽誤。
*   **精彩图片**：形容任務管理器卡死狀態，疑為「靜態圖片」或「截圖」的聽誤。
*   **录片软件**：疑為「錄屏軟體」的聽誤。
*   **后来提要**：疑為「後台提要」或「任務列」的聽誤。
*   **VV**：講者開頭自稱 ZZ，結尾自稱 VV，需確認講者暱稱。
*   **空外小说**：疑為「科幻小說」的聽誤。
*   **集水柱**：小說設定中的詞彙，疑為「蓄水池」或特定設定名稱。
*   **墙上的救赎**：小說設定中的詞彙，疑為特定隱喻或聽誤。

## 可延伸追問

*   DeepSeek Harness 的原始碼中提到的「梁聖」彩蛋具體指什麼內容？
*   Qwen 3.8-27B 的「3.8」參數具體代表什麼意義？是否為官方正式發行的版本？
*   在記憶體不足的情況下，是否有其他優化策略可以進一步降低本地部署的硬體門檻？
*   DeepSeek Harness 的插件生態目前支持哪些具體的工具類型？