# 影片筆記：Deepseek Harness超强本地插件 10+ 项音视频生成应用· 全实操讲解 · 小白也轻松上手· Qwen3.8-27B全面支持 · token自由


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
- 待修正：部分時間軸可能不精確（unit 301: 6 chars owns 11.440s (max 8.000s)；unit 381: 8 chars owns 21.300s (max 8.000s)）
- 待修正：逐字稿可先使用，但有待校正清單（segment=621 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複；segment=622 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

影片介紹了如何將 **DeepSeek Harness**（作為本地智能體「大腦」）與 **Model Stack**（作為本地生成引擎「腳手」）進行多機協同部署，通過修改配置文件打通兩台機器，實現了文生圖、圖生視頻、語音轉換等 10+ 項本地化音視頻生成應用，並強調了資產管理、雙向鏈接追溯及完全離線運行的能力。

## 核心重點

1.  **架構設計：大腦與腳手分離**
    *   **DeepSeek Harness (DSH)**：被定義為智能體開發框架（類似操作系統），負責多輪對話、目標管理、插件調用及任務調度，部署在性能較弱的筆記本電腦上作為「大腦」。
    *   **Model Stack**：負責實際的模型推理與內容生成，部署在高性能機器上作為「腳手」。
    *   **協同方式**：通過修改 DeepSeek Harness 的配置文件（`profile/web` 下的遠程地址），將兩台機器打通，實現指令下發與結果返回。

2.  **十一項典型應用演示**
    *   影片演示了打通後的十一項功能，包括：
        1.  文生圖
        2.  圖生視頻
        3.  文生視頻
        4.  文字轉語音（含音色選擇）
        5.  文檔轉語音
        6.  語音轉文字
        7.  指令修圖（背景/髮型/服裝修改）
        8.  去除背景
        9.  圖片放大
        10. 文章解析（複雜圖表與文字識別）
        11. 服務關閉後的備用機制（爬蟲獲取圖片、鏡頭晃動模擬視頻）

3.  **本地化與資產管理**
    *   **完全本地運行**：演示了不依賴雲端服務，僅依靠本機硬體與本地模型（提及「千問 3.8」）進行對話與生圖。
    *   **資產譜系與雙向鏈接**：
        *   文件來源可追蹤，資產有譜系。
        *   支持從任務定位到生成的圖片，也可從圖片反查其被用於哪個任務及輸出位置。
    *   **Model Stack 功能**：包含菜單自定義、資產庫（去重/指紋）、輸出庫、任務記錄、模板存儲、插件市場及模型下載（支持 BF16/8bit 量化等）。

4.  **技術細節與配置**
    *   **DeepSeek Harness 特性**：強調「一切皆插件」、智能體循環（多輪對話/工具調用）、目標管理、搜索工具、MCP 接入、子代理、待辦清單、文件/技能系統。
    *   **近期更新**：提及 8月13日至8月22日的更新，包括圖片接入能力、原生圖片接收、視覺模型上線、文件 API 上傳支持。
    *   **配置步驟**：
        *   Model Stack 安裝版本需 v40+。
        *   開啟局網訪問，複製 MCP/DSH 接入行。
        *   在 Mac 系統下，修改 `.dsh` 目錄中的 `profile/web` 配置文件，設置遠程地址（如 `127.0.1.136` 等）。

## 詳細大綱

### 1. DeepSeek Harness 簡介與發展
*   **定義澄清**：DeepSeek Harness 是智能體開發框架（類似操作系統），並非大元模型（大腦）。
*   **智能體定義對比**：
    *   中國定義：強調自主、決策、責任。
    *   國際標準：強調自動化、無需人工干預。
*   **核心特性**：
    *   一切皆插件。
    *   智能體循環：多輪對話、工具調用。
    *   目標管理、搜索工具。
    *   MCP 接入、子代理、待辦清單。
    *   文件/技能系統。
*   **近期更新（8月13日至8月22日）**：
    *   圖片接入能力。
    *   原生圖片接收。
    *   視覺模型上線。
    *   文件 API 上傳支持。

### 2. DeepSeek Harness 與 Model Stack 的協同架構
*   **多機協同策略**：
    *   「大腦」（DeepSeek Harness）部署於筆記本。
    *   「腳手」（Model Stack）部署於高性能機器。
*   **資產化與任務管理**：
    *   文件來源跟蹤。
    *   資產譜系管理。
    *   任務模板化與全程化管理。

### 3. 十一項典型應用演示細節
*   **圖像與視頻生成**：
    *   文生圖、圖生視頻、文生視頻。
    *   指令修圖：可修改背景、髮型、服裝。
    *   後期處理：去除背景、圖片放大。
*   **語音與文本處理**：
    *   文字轉語音：支持音色選擇。
    *   文檔轉語音。
    *   語音轉文字：資產庫管理。
*   **高級解析與備用機制**：
    *   文章解析：識別複雜圖表與文字。
    *   服務關閉後的備用機制：爬蟲獲取圖片、鏡頭晃動模擬視頻。

### 4. 配置與系統設置实操
*   **Model Stack 側**：
    *   安裝與版本要求（v40+）。
    *   外部接入配置：開啟局網訪問、複製 MCP/DSH 接入行。
    *   功能模块：菜單自定義、資產庫（去重/指紋）、輸出庫、任務記錄、模板存儲、插件市場、模型下載（BF16/8bit 量化等）。
*   **DeepSeek Harness 側**：
    *   Mac 系統路徑：`.dsh` 目錄。
    *   配置文件：`profile/web`。
    *   關鍵操作：修改遠程地址以連接 Model Stack。

### 5. 本地化運行驗證與未來規劃
*   **本地化驗證**：
    *   演示完全不使用雲端服務，僅依靠本機硬體與本地模型（提及「千問 3.8」）進行對話與生圖。
    *   強調本地加載模型與生圖模型耗時較長，但最終成功生成。
*   **雙向鏈接功能**：
    *   系統包含「解鎖版」功能，對話相對自由。
    *   任務管理：生成的任務與圖片可記錄於文件庫/輸出庫。
    *   雙向追溯：從任務定位圖片，從圖片反查任務來源。
*   **未來規劃預告**：
    *   原理講解：MCP 架構原理、DeepSigHonest 與 ModelStack 的調用邏輯。
    *   通道打通：手機遠程控制電腦、打通微信/飛書/釘釘等通訊軟體。
    *   模型評測：千問 3.8 與 minimax H3 在 Mac 上的效能評測。

## 工具 / 模型 / 名詞整理

*   **DeepSeek Harness** (影片中也稱為 Deep-Seek-Hardings, DeepSickHanness, DeepHardness, DeepSickHoney, DeepContent, Depunish, Depalix, DeepHanness, DeepHunless, DeepSigHonest, DeepSeq Harness)
*   **Model Stack** (影片中也稱為 Modestack, Modus)
*   **MCP** (Model Context Protocol，模型上下文協議)
*   **大元模型** (Large Meta Model)
*   **GPT**
*   **文心語言** (Wenxin Yiyan)
*   **Deep Seek**
*   **Transformer**
*   **BF16** (模型格式)
*   **8bit 量化** (模型格式)
*   **4bit 量化** (模型格式)
*   **千問 3.8** (影片中提及的本地模型版本，疑為口誤或特定版本)
*   **minimax H3** (影片中提及的模型)
*   **Memo** (對話對象或系統名稱)
*   **OpenCloud / Omic Cloud** (影片中提及的雲端服務)
*   **微信 / 飛書 / 釘釘** (通訊軟體)
*   **Mac** (運行環境)
*   **局委网** (疑為「局域網」聽寫錯誤)
*   **解鎖版 / 解鎖板** (系統功能狀態)

## 操作流程整理

1.  **環境準備**：
    *   準備兩台機器：一台性能較弱的筆記本（運行 DeepSeek Harness），一台高性能機器（運行 Model Stack）。
    *   確保 Model Stack 版本為 v40+。
2.  **Model Stack 配置**：
    *   安裝 Model Stack。
    *   開啟局網訪問功能。
    *   複製 MCP/DSH 接入行代碼。
3.  **DeepSeek Harness 配置**：
    *   在 Mac 系統中，打開隱藏文件夾（使用 `Command + Shift + .` 快捷鍵）。
    *   進入 `.dsh` 目錄。
    *   找到並編輯 `profile/web` 配置文件。
    *   修改遠程地址，填入 Model Stack 所在機器的 IP 地址（如 `127.0.1.136` 或類似地址）。
4.  **啟動與測試**：
    *   啟動 DeepSeek Harness 與 Model Stack。
    *   進行多輪對話測試，確認指令可下發至 Model Stack。
    *   測試十一項應用（文生圖、圖生視頻等），確認資產可存入輸出庫並實現雙向鏈接追溯。
5.  **本地化驗證**：
    *   斷開雲端服務。
    *   使用本地模型（如千問 3.8）進行對話與生圖，觀察加載與生成時間。

## 值得注意的限制或風險

*   **性能延遲**：本地加載模型與生圖模型耗時較長，需耐心等待。
*   **配置複雜度**：需要手動修改配置文件（`profile/web`）並設置正確的 IP 地址，對小白用戶可能存在門檻。
*   **版本兼容性**：Model Stack 需 v40+ 版本，舊版本可能不支持某些功能。
*   **資產管理**：雖然支持資產譜系，但需確保資產庫的去重與指紋功能正常運作，以避免數據混亂。
*   **模型準確性**：影片中提及的「千問 3.8」版本可能存在口誤，實際運行效果需依賴具體模型質量。

## 逐字稿辨識疑點

*   **segment 621: adjacent_duplicate** — 與前一段完全重複，可能是滾動字幕或 ASR 重複。
*   **segment 622: adjacent_duplicate** — 與前一段完全重複，可能是滾動字幕或 ASR 重複。
*   **Deepseek HANIS / Deep-Seek-Hardings / DeepHardness / DeepSickHanness / DeepSickHoney / DeepContent / Depunish / Depalix / DeepHanness / DeepHunless / DeepSigHonest / DeepSeq Harness**：講者在不同段落對 DeepSeek Harness 的稱呼不一致，疑為口誤或聽寫差異。
*   **Modestack / Modus / ModelStack**：講者對 Model Stack 的稱呼不一致。
*   **国家在2026年的5月份**：講者提及國家相關定義發布時間為 2026 年 5 月，時間點存疑，需查證實際發布時間。
*   **局委网未**：講者描述服務關閉後的提示音，疑為「局域網未」或類似詞語的聽寫錯誤。
*   **40pg**：講者描述圖片尺寸時提及，疑為「400px」或類似單位誤聽。
*   **三银花**：講者解析圖片內容時提及，疑為「三銀花」或中藥名稱「三銀花/三花」等，需查證具體藥材名稱。
*   **断球残雪**：講者朗讀語音內容時提及，疑為「斷橋殘雪」的聽寫錯誤。
*   **苏低**：講者朗讀語音內容時提及，疑為「蘇堤」的聽寫錯誤。
*   **灵影古叉**：講者朗讀語音內容時提及，疑為「靈隱古刹」或類似詞語的聽寫錯誤。
*   **吊儿郎郎**：講者描述音色時提及，疑為「吊兒郎當」的聽寫錯誤。
*   **震热**：講者描述圖片風格時提及，疑為「寫實」或類似詞語的聽寫錯誤。
*   **at**：講者提及生成視頻時說「還是用 at」，語意不明，疑為口誤或特定術語聽寫錯誤。
*   **一碟的**：講者描述視頻生成時反覆提及，疑為「一動的」或「一動的」等詞語的聽寫錯誤。
*   **32的是不是32的倍数**：講者討論圖片尺寸對齊時提及，語意稍顯混亂，需確認是否指 32 的倍數。
*   **400乘400**：講者多次提及圖片尺寸，疑為 400x400 像素。
*   **1000×1432**：講者提及另一張圖片尺寸，需確認是否為準確數值。
*   **1.1 应该是 0**：講者猜測 IP 地址時提及，語意不明，疑為口誤。
*   **136**：講者確認 IP 地址尾數時提及，需確認是否為準確 IP 地址的一部分。
*   **127.0.1**：講者提及本地配置地址時提及，疑為「127.0.0.1」的聽寫錯誤。
*   **ProfileWeb**：講者提及配置文件路徑時提及，疑為「profile/web」或類似路徑結構。
*   **点dsh**：講者提及隱藏文件夾時提及，疑為「.dsh」的聽寫錯誤。
*   **command加sift加这个点**：講者提及 Mac 快捷鍵時提及，疑為「Command + Shift + .」的聽寫錯誤。
*   **问号旁边这个小点**：講者描述快捷鍵時提及，疑為對快捷鍵圖標或位置的描述誤聽。
*   **BF16的 8bit量化的**：講者提及模型格式時提及，需確認是否為準確的模型量化格式名稱。
*   **千万三点把**：逐字稿中說「用这个千万三点把来支撑的」，語意不通，疑為「千問 3.x 版本」或類似名稱的嚴重聽寫錯誤。
*   **云单**：逐字稿中說「不用有云单的模型」，疑為「雲端」的聽寫錯誤或口誤。
*   **Omic Cloud**：逐字稿中出現此名稱，疑似為雲端服務名稱，需查證。
*   **minimax H3**：逐字稿中提及此模型名稱，需確認是否為正確的產品型號。
*   **解鎖板**：逐字稿中先說「解鎖板」，後說「解鎖版」，疑為口誤，指代同一功能。

## 可延伸追問

1.  DeepSeek Harness 與 Model Stack 的具體通信協議是什麼？MCP 在其中扮演什麼角色？
2.  本地模型（如千問 3.8）在 Mac 上的具體性能表現如何？與雲端模型相比，生成質量與速度差異有多大？
3.  Model Stack 的資產庫去重與指紋技術是如何實現的？能否處理高度相似的圖片？
4.  影片中提到的「服務關閉後的備用機制」具體是如何運作的？爬蟲獲取圖片的合法性與穩定性如何？
5.  如何進一步打通微信、飛書等通訊軟體？是否有現成的插件或腳本支持？
6.  DeepSeek Harness 的「智能體循環」在多輪對話中如何保持上下文一致性？是否有記憶限制？