实测对比： DeepSeek Harness (dsh) vs BitFun，两个开源 Agent Harness 的不同解法

[bowen628]

DeepSeek 今天把 Harness （ dsh ）开了开发者预览、MIT 协议。我两个都装了本机跑了一遍——dsh 和我一直在做的 BitFun——写个客观对比给选型的朋友。

## 定位
- **dsh**：DeepSeek 官方 agent harness ，Node/TS ，跑在 Cordis 元框架上，核心是「 everything is a plugin 」；形态 web / headless / tui 三种 profile 。
- **BitFun**：Rust + Tauri 桌面 agent ，模型无关，走「桌面 + 任务专属 Mini App 」路线。

## 架构
dsh 的 profile 是插件 bundle 的 patch 层按序叠加，换 provider 就是往 ctx.llm 注册个适配器（内置 llm-deepseek 、llm-pi-ai ）。
BitFun 是四层定制：自定义 Agent → MCP / Skills / Codex 兼容 Hooks → Mini Apps → 源码级；模型开箱即多，catalog 里有 Claude / DeepSeek / GLM / Kimi / Qwen 。

## 上下文成本（我最在意的）
dsh 用 compaction （ basic + tool-result-pruner ）+ token-meter 压上下文。
BitFun 走另一条路：prompt 拼接字节级稳定，跨轮不带会抖动的时间戳、不重排，SWE-Bench-Pro 实测 KV cache 平均命中率 98.67%；检索用常驻跨轮索引 flashgrep ，Chromium 级仓库最高省 94.6%、平均约 36 倍。

## 权限
都有审批：dsh 的 tool-ask-user ，BitFun 的权限审批 + 远程审批； BitFun 额外有零知识中继的自托管多设备控制。

## 结论
不是谁更好，是默认取舍不同。要 DeepSeek 官方生态 + 插件可组合性跟 dsh （注意还是 dev preview ，会有 breaking change ）；要开箱多模型 + 桌面形态 + 已实测的性能工程看 BitFun 。两个都 MIT ，建议都装上、拿自己的真实任务跑一遍再下结论。

- BitFun: https://github.com/GCWing/BitFun
- dsh: https://github.com/deepseek-ai/deepseek-harness