DSH 职场实操系列课程

用 DeepSeek Harness（dsh）干那些 Claude Code / Codex 做不了、或不划算 的活。 面向普通职场人士——不要求会编程。每一课都落在一个非常确定的场景上，给你能直接复制粘贴的提示词和逐步操作步骤。

为什么是 DSH，而不是 Claude Code / Codex

大多数 AI 编程助手（Claude Code、Codex、Cursor）都是绑定自家模型、闭源、面向「写代码」的产品。它们很好用，但有三个天花板，恰好是 DSH 的机会：

一句话结论：凡是要「量大、时间长、反复做、要省钱、要无人值守」的活，DSH 的性价比碾压；而「单次、交互式、纯写代码」的活，Claude/Codex 更成熟。

⚠️ 诚实提示：DSH 目前是「开发者预览版」，界面和命令以后可能变。本课程基于当前版本撰写，若某一步和你屏幕不一致，以屏幕为准。

课程清单

前 6 课是 DSH 的「差异化主场」，附录是「Claude 也能做、但 DSH 更省」的常规速查。

开始之前，先确认三件事

1. 装了 Node.js（版本 22 或更高）——nodejs.org 下载，一路下一步即可。
2. 有一个 DeepSeek API Key（sk-... 开头）——DeepSeek 开放平台申请。
3. 会打开终端：Windows 搜 PowerShell，macOS 搜 终端。

通用心智模型（30 秒）

• dsh 是一个「AI 干活的环境」，它能读你的文件、写你的文件、在你电脑上跑命令、搜网页。
• 你做的事只有三件：① 指定它干活的文件夹（工作区）→ ② 用大白话说清楚要什么 → ③ 它要动真格时你点头同意。
• 核心经验：DSH 的能力边界 = 读文件 + 写文件 + 跑命令 + 搜网页 + 委派子任务。能拆成这几件事的活，它都能干；你的角色是说清需求 + 圈定范围 + 把关审批。

风险提示（重要，先读）

1. 先备份：让 AI 批量改/删文件前，先把原文件夹复制一份。
2. 先小范围试：先拿几个文件试，确认对了再放大。
3. 盯着审批：它要「写/删/跑命令」会问你，别一路全放行。
4. 别喂敏感数据：API Key 背后是云端模型，公司机密、个人隐私文件慎用。

01 · 快速上手：30 分钟跑起来，完成第一次任务

目标：从零开始，30 分钟内启动 dsh，让它成功帮你完成一件小事。 本课是后面所有场景的地基，请先完整走一遍。 关于「DSH 和 Claude Code/Codex 到底差在哪、为什么选 DSH」，见总目录。

一、你要准备的东西

二、第一步：启动 dsh

打开终端（Windows 用 PowerShell，macOS 用终端），输入：

npx @deepseek-ai/dsh web

回车后它会自动下载并启动，稍等片刻，屏幕上会打印一个地址：

http://127.0.0.1:3080

用浏览器打开这个地址，你会看到 dsh 的网页界面。

💡 第一次运行 npx 会问「Ok to proceed?」之类的话，输入 y 回车即可。

三、第二步：配置模型（填 API Key）

1. 在网页界面右上角或侧边栏找到 设置（Settings）。
2. 进入 模型（Models） 页面。
3. 把 DeepSeek API Key 粘贴进去，点 保存。

✅ 官方说明：模型路由保存后立即可用，不需要重启服务器。 如果模型页提供多个模型选项，选默认的 deepseek-chat（或 deepseek-reasoner）即可。

四、第三步：选择工作区（最重要的一步）

「工作区」就是 dsh 被允许干活的文件夹——它只能在这个文件夹范围内读文件、改文件、跑命令。

1. 点击界面上的 选择工作区（Select workspace）。
2. 添加你准备的那个测试文件夹（注意：是添加 dsh 启动时所在的那个项目目录）。
3. 选中它。

⚠️ 关键：选中工作区之前，聊天输入框是灰的、不能用。 这是刻意的安全设计——先圈定范围，再放行。

五、第四步：发第一条指令

在工作区里放几个测试文件（比如随便放 2-3 个 .txt 文件），然后在输入框发送：

帮我看看这个工作区里有哪些文件，简单说明每个文件是什么。

它会： 1. 先「看」工作区（用搜索文件的工具列出文件） 2. 读文件内容 3. 用大白话回复你

这就完成了第一次任务。

六、第五步：理解「审批」，这是你唯一要会的「把关」

当 dsh 要做有风险的事（改文件、删文件、跑命令）时，它会停下来问你：

是否允许执行 xxx？

• 你点 允许，它继续。
• 你点 拒绝，它换别的办法或停下来问你怎么做。

这是它最核心的安全机制：AI 可以「想」，但「动手」要不要放行，由你决定。

七、验证你真的会了

依次完成下面三件事，就算过关：

1. ✅ 浏览器里能看到 dsh 界面。
2. ✅ 它成功列出了你测试文件夹里的文件。
3. ✅ 让它「把工作区里的文件名改成全小写」，并观察它是先问你再动手，还是直接动手。

八、常见问题

Q1：npx 命令卡住不动 / 报错？ - 检查 Node 版本：node -v，要 ≥ 22。 - 网络慢就多等一会儿，第一次要下载较多内容。

Q2：发消息没反应？ - 检查是不是忘了「选择工作区」（输入框会提示）。 - 检查 API Key 是否保存成功、是否还有额度。

Q3：它读不到我的文件？ - 确认文件确实在「工作区」文件夹内。工作区之外的文件它默认碰不到。

Q4：Windows 和 macOS 有区别吗？ - 使用体验基本一致。跑命令时，Windows 走 PowerShell（pwsh），macOS/Linux 走 bash，但你不需要自己敲命令，AI 会自己选择正确的方式。

Q5：关掉终端，dsh 就关了吗？ - 是的。那个终端窗口就是 dsh 的「服务器」，关掉它就停了。下次再输入同样的启动命令即可，之前的工作区配置通常还在。

下一步：环境通了，直接跳到和你工作最相关的场景课，按步骤和提示词开干。

02 · 场景：大批量批处理（性价比之王）

适合：需要「一次处理几十～几千个文件/数据/文章」的人——运营、行政、数据、财务、内容团队。 前置：已完成 01 快速上手。

为什么这个场景 Claude Code / Codex 不划算

核心：AI 是按「用了多少字（token）」计费的。

• 处理 1 个文件：DSH 和 Claude 成本差不多，无所谓。
• 处理 1000 个文件：总 token 量 = 单个 × 1000，差价被放大 1000 倍。
• Claude / Codex 只能用 Claude / GPT 模型，单价高；DSH 换 DeepSeek，社区实测成本约为 Claude 的 1/10～1/30。

同样一笔「批量改写 500 篇文章」的活： - Claude Code：可能烧掉几十到上百元 - DSH + DeepSeek：可能只要几块钱

这就是 DSH 的性价比主场。 凡是「重复 × 大量」的活，都该用 DSH。

这个场景能干什么（都是真实能跑的）

操作步骤

1. 启动 dsh（npx @deepseek-ai/dsh web），打开 http://127.0.0.1:3080，填好 Key。
2. 选择工作区 = 放这批文件的文件夹（先拿一个子文件夹或几个文件试）。
3. 复制下面的提示词，替换「文件类型」「数量」等，发送。

可直接复制的提示词

场景 A：批量重命名 + 归类（几百个文件）

请整理工作区里的所有文件：按文件扩展名分类，把同类型移动到对应子文件夹
（图片/、文档/、表格/、其他/）。
先列出分类方案和每类数量，等我确认后再动手。处理完报告一共移动了多少个文件。

场景 B：批量改写文章（规模化，核心场景）

请把工作区里所有 .txt 文件逐一改写成公众号风格：
- 每篇起 1 个标题，正文控制在 800 字以内
- 输出到「改稿/」子文件夹，文件名保持原名
先列出你打算处理的文件清单（共几篇），然后从第一篇开始，
每处理完 10 篇汇报一次进度。全部完成后告诉我一共改了几篇、花了多久。

场景 C：批量清洗 CSV 数据

请处理工作区里的「原始数据.csv」：
1. 把日期统一成 2026-08-16 这种格式
2. 删除完全重复的行
3. 金额列去掉「元」「￥」等字符，只留数字
4. 把结果存成「清洗后数据.csv」
先只处理前 20 行，把前后对比给我看，确认规则正确后再处理全部。

场景 D：批量翻译一个文件夹的文档

请把工作区里所有 .md 文件翻译成英文，存到「en/」子文件夹，文件名保持原名。
先翻译 1 篇让我看质量，我确认风格后再批量处理剩余的全部。

关键技巧：让批量活「稳」的三个口诀

1. 先小后大：提示词里明确写「先处理前 N 个，确认后再处理全部」——批量最容易在「规则理解错」上翻车，先用小样本对齐规则。
2. 要求报进度：让它「每处理完 10 个汇报一次」，你心里有数，也能中途叫停。
3. 断点续做：批量跑到一半停了，直接说「从上次停的地方继续」，它会读回已生成的文件接着干。

预期结果

• 工作区里出现 改稿/、en/、清洗后数据.csv 等产出。
• 对话里能看到进度汇报。
• 成本远低于用 Claude/Codex 跑同样的量。

常见问题

Q：批量跑到一半停了 / 报错？ - 让它「从停的地方继续」。若是某个文件损坏，让它「跳过这个文件，记录到跳过清单，继续处理后面的」。

Q：处理质量不统一？ - 先用小样本对齐：给它看 2 个「你满意的结果」当范例，再批量。

Q：担心批量改错毁掉原文件？ - 老规矩：先备份，并让它在提示词里「输出到新子文件夹，不要覆盖原文件」。

Q：一次让它处理 5000 个会不会崩？ - 分批：每批 200-500 个，或让它「只处理前 500 个，剩下的下一轮再继续」。

下一课推荐：03 长时与定时自动化，或回到总目录。

03 · 场景：长时任务与定时自动化

适合：需要「每天/每周自动产出报告、监控数据、无人值守跑任务」的人——运营、数据、市场、行政。 难度：⭐ 进阶（碰一点命令行，照做即可）。 前置：已完成 01 快速上手。

为什么这个场景 Claude Code / Codex 不划算

「定时自动化」的本质是长期、高频、无人看管——这三点恰好都是 DSH 的强项：便宜所以敢天天跑，开源所以能放服务器，headless 所以能无人值守。

典型场景

• 每天早上 9 点：汇总昨日销售/运营数据，生成日报存盘
• 每周五：搜一次竞品动态，生成周报
• 每隔几小时：抓某个页面，看价格/内容有没有变
• 月初：把上月数据清洗、汇总、生成月报

第一步：先手动跑通一次 headless 任务

1. 准备一个「任务描述文件」

在你要处理的工作区里新建 任务.md，写清楚要做什么：

读取工作区「数据」文件夹下最新的 CSV，生成日报：
1. 统计昨日销售额和订单数，与前一天对比算出环比
2. 输出成「日报-YYYY-MM-DD.md」保存到「日报」文件夹
3. 只读数据、只写结果，不要改动任何原始文件

2. 设置 API Key 环境变量

Windows（PowerShell）：

$env:DEEPSEEK_API_KEY = "sk-你的key"

macOS / Linux：

export DEEPSEEK_API_KEY="sk-你的key"

每次新开终端要重设一次（下一节教永久生效）。

3. 在工作区目录里运行

npx @deepseek-ai/dsh --profile headless "按任务.md里的要求生成日报"

跑完退出。去工作区检查「日报」文件是否生成。

本地已装 dsh 命令的话，用 dsh --profile headless "..." 等价。

第二步：让它定时自动跑

Windows：任务计划程序

1. 开始菜单搜「任务计划程序」，打开 → 右侧「创建基本任务」。
2. 名称填「每日销售日报」，触发器选「每天」，设时间（如 9:00）。
3. 操作选「启动程序」，程序填 powershell.exe，参数填（替换路径和 key）：

-Command "$env:DEEPSEEK_API_KEY='sk-你的key'; cd 'C:\你的工作区路径'; npx @deepseek-ai/dsh --profile headless '生成日报'" 4. 完成。到点自动运行。

macOS / Linux：cron

终端运行 crontab -e，加一行（每天 9 点）：

0 9 * * * export DEEPSEEK_API_KEY="sk-你的key"; cd /你的工作区路径 && npx @deepseek-ai/dsh --profile headless "生成日报"

进阶：DSH 内置的定时任务（了解即可）

dsh 自带定时任务（schedule）能力（schedule_create 等工具），能让 AI 在一个会话里自己安排定时触发。

它是「需要额外选择启用」的插件，配置门槛较高，且依赖一个常驻会话进程。对普通职场人士，建议先用「操作系统定时任务 + headless」，稳定透明。熟悉后再探索内置 schedule。

自动化任务的安全红线（必读）

1. 只读 + 只写结果：自动化任务让它「只读数据、把结果写到指定文件夹」，无人值守时绝不让它删文件、改源文件。
2. 先手动、后定时：手动跑 2-3 次，确认输出稳定，再挂定时。
3. Key 别外泄：含 Key 的脚本别提交到公开仓库、别发群里。
4. 留日志：让任务每次结果存成带日期的文件，出问题能回溯。

常见问题

Q：headless 报「找不到命令」？ - 确认在工作区目录里运行（已 cd 过去）。npx 首次运行需联网下载。

Q：定时任务没跑？ - Windows 看「上次运行结果」；cron 看 crontab -l 是否保存成功。多半是路径或 Key 没设对。

Q：任务里说「没有权限」？ - headless 的审批与网页不同。把任务范围收窄（只读只写指定目录），或先在网页版确认该操作能被放行。

下一课推荐：04 把 SOP 做成技能，或回到总目录。

04 · 场景：把公司 SOP 做成「技能」，团队反复复用

适合：想把「团队的标准流程、固定格式、做事规矩」固化下来的人——部门负责人、运营主管、内容主编、HR、财务。 门槛：⭐ 只需要会写一份说明文档（就是打字，不写代码）。 前置：已完成 01 快速上手。

为什么这是 DSH 的特色

「技能（skill）」是 DSH 的一个核心机制：把一段「操作规范」写成文件，AI 会在合适的时机自动加载并严格遵守。

• 你每次让 AI 写周报，它都自动套用你公司的周报模板；
• 你每次让 AI 写文案，它都自动遵守你定的语气和禁区；
• 新人来了，不需要口口相传，skill 就是「会干活的说明书」。

Claude Code 也有类似的 skills 概念，但 DSH 的优势在于：技能目录完全开放、放在你自己的电脑上、配合「模型自由」可以低成本批量复用——一个 skill 写一次，全团队用一年，每次调用都省下「重新解释需求」的口水成本。

先理解：skill 到底是什么

一个 skill = 一个文件夹里的一份 SKILL.md 说明文档，包含两样东西：

1. 一句话说明（描述这个技能是干什么的、什么时候该用）
2. 正文规则（具体怎么做，可以写得很详细）

AI 每次干活前，会扫描这些技能；发现你的任务匹配某个技能，就自动加载它、照它说的做。

动手做一个：公司周报技能

第一步：建目录

打开你的用户目录，新建路径：

~/.dsh/skills/weekly-report/SKILL.md

• Windows：C:\Users\你的用户名\.dsh\skills\weekly-report\SKILL.md
• macOS/Linux：~/.dsh/skills/weekly-report/SKILL.md

（weekly-report 是技能名，只能用小写字母、数字和连字符 -。）

第二步：写入内容（照抄格式，改内容）

---
name: weekly-report
description: 按公司标准模板生成周报。当用户要求写周报、周总结、weekly report 时使用。
---

# 公司周报规范

## 固定结构
1. 本周完成（按「做了什么 + 带来什么结果」写，动词开头）
2. 下周计划（每项注明预计产出）
3. 风险与求助（需要谁配合、卡在哪里）

## 写作要求
- 每项一句话，不写套话和空话
- 数字要具体，有数据就写数据
- 全文控制在 300 字以内
- 语气客观，不用感叹号

## 输出格式
保存成「周报-YYYY-MM-DD.md」，标题用「本周工作周报（MM.DD-MM.DD）」。

第三步：验证生效

重启 dsh（关掉终端重新 npx @deepseek-ai/dsh web），然后随便发一句：

帮我写这周的周报，我本周完成了 A、B、C 三件事。

你会发现它自动套用了你定义的模板，而不是自由发挥。

更多可固化的 SOP 例子

规律：description 决定「什么时候自动用」，正文决定「具体怎么干」。 description 写准了，AI 才能在对的时候想起它。

让团队共享一个技能库

把技能目录放到一个共享文件夹（公司网盘/共享盘），团队成员各自把它指到 DSH，或直接复制到各自的 ~/.dsh/skills/ 下，就能共用同一套 SOP。

进阶：项目级技能放在项目目录的 .dsh/skills/ 下，跟随项目走，更适合「这个项目特有的规矩」。

常见问题

Q：skill 没生效？ - 检查文件路径和文件名：必须是 skills/<技能名>/SKILL.md，SKILL.md 大写。 - 检查第一行 --- 前后、name: 后面是不是小写连字符格式。 - 重启 dsh 再试。

Q：AI 没自动用它？ - 在提示词里点名：「用 weekly-report 技能帮我写周报」。description 写得更具体，命中率更高。

Q：改完 skill 不更新？ - skill 正文是每次用时重新读取的，改完下次调用就生效；但「目录」可能缓存，重启 dsh 最稳妥。

Q：这和我每次手动粘贴一段提示词有什么区别？ - 手动粘贴：每次都要复制、每次都会漏、换人就忘。skill：写一次，永久生效，团队共享，零重复劳动。

下一课推荐：05 装社区插件，或回到总目录。

05 · 场景：装社区插件，白嫖开源生态的能力

适合：想「一条命令给 DSH 加上新能力」的人——不用自己开发，直接装别人做好的插件。 门槛：⭐ 会复制命令即可。 前置：已完成 01 快速上手。

为什么这是 DSH 的特色

Claude Code / Codex 是闭源产品——它有什么功能，你就只能用什么功能，加不了「插件」。

DSH 是 MIT 开源 + 一切皆插件——任何能力都能由社区做成插件，你装一下就用。这带来一个开源生态的「白嫖红利」：

• 别人做好的新工具、新界面、新工作流，你 add 一条命令就装上；
• 生态早期，谁贡献谁有先发优势，你作为使用者直接受益。

去哪找插件

怎么装

打开终端（可以先关掉正在跑的 dsh），执行：

dsh plugin --profile web add github:<owner>/<repo>

把 <owner>/<repo> 换成插件仓库的作者/仓库名。装完重启对应的 profile（就是重新 dsh web 启动）生效。

如果本地没有 dsh 命令，用 npx @deepseek-ai/dsh 替代前缀： npx @deepseek-ai/dsh plugin --profile web add github:<owner>/<repo>

怎么判断一个插件靠不靠谱（社区评分四把尺子）

dshfind 社区用四把尺子给插件打分，你装之前照这个看一眼，能避开一堆坑：

给普通人的三句话判断法： 1. README 有没有「怎么装 + 装完什么样」？ 2. 有没有真正发布过版本（不是只有 main 分支）？ 3. 它是不是真的为 DSH 做的？

你也能分享插件（一步）

你自己做了一个插件，想分享给社区？只需要：

给公开 GitHub 仓库加上话题 dsh-plugin，下次数据刷新就会被插件市场收录。

常见问题

Q：装完没反应？ - 确认重启了 profile（关掉终端重新 dsh web）。 - 看安装命令是否报错（依赖、网络）。

Q：装了个插件，界面变乱 / 出问题了？ - 卸掉它：在 profile 里移除对应插件即可。装新插件前先看它的 README 和评分。

Q：插件要求执行构建脚本，安不安全？ - 部分 GitHub 安装需要跑第三方构建脚本。只装你审查过、可信的仓库，并固定到具体 commit。

Q：我不会开发，也能贡献插件吗？ - 开发插件需要 TypeScript。但「分享一个 skill」（见 04 课）门槛低得多，先从那入手。

下一课推荐：06 模型自由与成本控制，或回到总目录。

06 · 场景：模型自由与成本控制

适合：想「换便宜模型省钱、接公司自有网关、对比不同模型效果」的人——管理者、技术负责人、成本敏感团队。 前置：已完成 01 快速上手。

为什么这是 DSH 的立身之本

Claude Code 只能用 Claude，Codex 只能用 GPT——你想省钱、想用自己的模型？没门。

DSH 是模型无关的：官方适配 DeepSeek，还能接任何 OpenAI 兼容端点——包括公司自建网关、私有化部署、第三方便宜模型。

社区实测：dsh 配 DeepSeek，成本约为 Claude 的 1/10～1/30。同样一套活，模型一换，账单立减一个数量级。

三种省钱玩法

操作步骤：换模型 / 加提供方

一、切换到 DeepSeek（默认）

打开 设置 → 模型，在 DeepSeek 卡片填 API Key，保存。模型路由下一次请求即生效，无需重启。

二、加其他目录提供方（Anthropic / OpenAI 等）

1. 设置 → 模型 → 添加提供方。
2. 选 Anthropic 或 OpenAI 等，填对应 API Key，保存。
3. 已安装目录会自动带出端点、协议和模型列表。

三、加自定义提供方（公司网关 / 自建 / 第三方）

1. 设置 → 模型 → 添加自定义提供方。
2. 填：Provider ID（小写，永久不可改，想改名就新建再删旧的）、基础 URL、API 协议、凭据、至少一个模型。
3. 「获取可用模型」可查询该端点支持哪些模型；选完保存。

常见第三方/自建端点大多是 OpenAI 兼容协议（api: openai-completions，baseURL 形如 https://xxx/v1）。

四、日常切换模型

已配置的提供方会出现在模型选择器里，点一下就切换；选中的会成为新会话的默认模型。

省钱实战建议

1. 批量、长时、定时任务 → 用便宜模型（DeepSeek 默认档），参考 02、03。
2. 关键、复杂、一次性任务 → 临时切强档模型，做完切回来。
3. 数据敏感 → 接公司私有网关，既省钱又不出内网。
4. 拿不准哪个模型好 → 同一个任务用两个模型各跑一遍对比（DSH 切换成本极低，这是锁死模型的 Claude/Codex 做不到的）。

常见问题

Q：填了 Key 报 MISSING_CREDENTIAL？ - 通过「模型页」存 Key，或提供被引用的环境变量。Key 是只写的，保存后界面只显示脱敏描述符。

Q：报 UNKNOWN_MODEL？ - 选一个已配置的模型，或给自定义提供方补上缺失的模型。

Q：「获取可用模型」返回 401？ - 检查 Key。模型发现会调 OpenAI 兼容的 GET /models 端点；不提供该端点的服务就手动输入模型。

Q：能接图片/多模态模型吗？ - 能，但需要给自定义提供方的模型显式声明 input: [text, image]（在 settings.yaml 里配）。纯文本是默认，不声明就按文本处理。

Q：换模型会影响历史会话吗？ - 已发送过请求的会话会保留自己日志里记录的模型；新会话用新默认值。

下一步：附录 · 常规场景速查，或回到总目录。

附录 · 常规场景速查

这一页是「DSH 的常规用法」速查表。这些活 Claude Code / Codex 其实也能做，DSH 的独特优势只有一个：同样的事，用便宜模型，成本低一个数量级。 用法都一样：启动 dsh → 选工作区 → 复制提示词 → 发送。提示词里把「路径」「文件名」「产品名」换成你自己的。

速查表

几条通用提示词技巧（所有场景适用）

1. 先列方案再动手：结尾加「先列方案，等我确认再执行」——批量/改动类操作尤其重要。
2. 要求另存：加「另存为新文件，不要覆盖原文件」。
3. 要求标来源：调研类加「每个结论标注来源链接」，抑制 AI 编造。
4. 先小后大：批量加「先处理前 N 个，确认后再全部」。
5. 精确计算别靠心算：涉及钱/数字，说「用脚本帮我精确计算」。

两条跨场景红线

1. 数据敏感（工资、客户、公司机密）：API Key 背后是云端模型，敏感数据先脱敏或换公司私有网关（见 06 课）。
2. 动手前必备份：批量改/删文件前，先复制一份原文件夹。

回到主线

• 想看「DSH 真正的差异化主场」，回到 02 大批量批处理 起步。
• 或回总目录重读「为什么是 DSH」的对比。