DeepSeek Harness 專案實戰：從需求到交付完成一個真實專案
完整重現一次 dsh 真實專案開發：新增工作區、需求追問、PRD、任務拆分、TDD 開發，直到程式碼推上 GitHub，每一步都有實機截圖。
最近更新: 2026-09-16
裝好 DeepSeek Harness 之後，大家最在意的往往不是它有哪些功能，而是它能不能真的拿來做事。這篇攻略完整重現了一次真實專案：從一句「做一個命令列待辦清單」，到追問需求、產出 PRD、拆任務、TDD 開發，最後程式碼合進 GitHub——全程沒有打開過任何編輯器。
下面 8 個步驟與來源影片的畫面一一對應，指令與檔名都以影片中實際出現的為準（CONTEXT.md、ADR、todo-cli-v1.md……）。每張截圖都能點回來源影片對應的秒數，建議先讀完一遍再照著做。
從需求到交付的 8 個步驟
- 1
新增工作區，先做工程初始化設定
專案開始前先新增一個工作區，然後讓 Agent 把工程基礎建好：本機用 git 管理、遠端推上 GitHub、issue 追蹤約定寫進 AGENTS.md 和 docs/agents/。它每一步呼叫了什麼工具，「軌跡」面板都查得到——這也是之後出問題能回溯的底氣。
軌跡面板把初始化會話的每次工具呼叫都攤給你看。跳到影片 2:46 處 
從第一天起，全部專案程式碼就住在 GitHub 儲存庫裡。跳到影片 5:42 處 - 2
在設定裡接上模型
打開「設定 → 模型」，把在 DeepSeek 開放平台申請的 API 金鑰貼進去，按儲存就能用。想用其他模型也行：同一個頁面支援新增其他模型與自訂提供方，後面整個流程不鎖任何一家。
設定裡貼一把 Key，專案就能開跑。跳到影片 1:02 處 - 3
寫下需求，讓 Agent 追問到方案清晰
用 /grill-with-docs 這個 skill 開場，需求一句話就夠：從零做一個 todo 命令列工具，v1 只做新增、列出、標記完成，資料存本機 JSON，「請追問我，直到方案清晰」。Agent 會從領域規格、技術規格、UI 規格三個方面輪番追問，你答得越具體，後面的返工越少。
$我想从零做一个命令行待办清单 todo-cli，v1 只要：添加待办、列出待办、标记完成。数据先存在本地 JSON 文件。请拷问我直到方案清晰。
一切從這句「請追問我，直到方案清晰」開始。跳到影片 3:06 處 - 4
追問結果寫成 CONTEXT.md 和技術選型 ADR
追問下來的結論會寫成兩份人機共用的文件：領域術語（「待辦」到底指什麼、哪些詞不准用）寫進 CONTEXT.md；技術決策（只用 Python 3 標準函式庫，並附上否決 Go 和 Node.js 的理由）寫進 docs/adr/。命令列專案確認走 headless 模式後，UI 追問直接結束，不多產生檔案。
「待辦」到底是什麼，人和 Agent 看的是同一份定義。跳到影片 3:42 處 
技術怎麼選的、為什麼，都落在 ADR 檔案裡。跳到影片 4:34 處 - 5
把定稿需求整理成 PRD
新開一個會話，讓 Agent 把前面所有討論整理成 docs/prd/todo-cli-v1.md：問題陳述、解決方案、驗收標準，每一條都能回溯到 CONTEXT.md 的術語和 ADR 的決策。
追問定案的內容，寫成一份可以審閱的 PRD。跳到影片 5:16 處 - 6
PRD 拆成任務單，推上 GitHub 統一管理
下一個會話把 PRD 切成 6 個互相獨立的任務切片，以 issue 形式推上 GitHub：每個都帶 ready-for-agent 標籤、驗收標準與依賴項；需要人來拍板的切片 6 則標上 ready-for-human。
6 張任務單，驗收標準和依賴項寫得清清楚楚。跳到影片 5:52 處 - 7
逐單開發：領單、切分支、TDD 紅綠循環
每個任務單單獨開一個會話，先從最新的 main 切出分支，然後照 TDD 走：先寫 RED 測試、跑出預期失敗，再寫最小實作變 GREEN，循環推進。單一片段完成後，Agent 會回報交付了哪些檔案、手動驗證了什麼，然後開 PR 等合併。
$从最新 main 拉取分支，准备实现 todo-cli 的 GitHub issue #3
RED、預期失敗、最小 GREEN——每個切片都這樣滾出來。跳到影片 7:26 處 - 8
合進 main、寫 README、實機驗收
PR 合併後，只要驗收標準全部通過，對應的 issue 會自動關閉。交付前讓 Agent 寫一份 README——安裝、快速上手、命令參考——並用 pip 打包出全域 todo 指令。最後一步自己來：裝起來，把 add、list、done 真正跑一遍。
PR 一合，issue 自己關——驗收標準全過才算數。跳到影片 9:18 處 
交付文件也交給 Agent 起草，你只要把關。跳到影片 9:02 處 
最後一關：對著真正的執行檔把三條指令跑通。跳到影片 9:36 處
常見問題
關於用 DeepSeek Harness 做真實專案的常見疑問，一次說清楚。
不會寫程式，也能照這個流程做專案嗎？
可以。來源影片的作者全程沒打開過編輯器，需求、驗收、合併都靠回答問題和看 PR。追問環節和驗收標準存在的意義，就是讓你不需要懂程式語法，只需要懂你的業務邏輯。
CONTEXT.md 是什麼？為什麼這麼重要？
它是追問環節產出的領域詞彙表：專案裡每個關鍵術語（「待辦」是什麼、哪些詞不准用）都有一份人和 Agent 共用的定義。沒有它，「待辦」在你的腦海裡和 Agent 產生的程式碼裡可能是兩回事——這是 AI 編碼最常見的翻車點。
追問需求這一步可以跳過嗎？
能跳，但別跳。跳過追問等於讓 Agent 自己腦補所有空白，而這些假設會在開發階段變成返工。領域、技術、UI 三個方向的追問，是整個流程裡糾錯最便宜的地方。
中途做錯了怎麼辦？怎麼回退？
三道保險：軌跡面板記錄了每一次工具呼叫，能定位到哪一步開始跑偏；每個切片都在自己的 git 分支上做，壞的切片碰不到 main；PR 必須過驗收標準才能合併，main 隨時處於可交付狀態。
專案資料存在哪裡？會上傳嗎？
程式碼和檔案都存在你本機的工作區目錄，由 git 管理並推到你自己的 GitHub 儲存庫（示範專案是私人儲存庫）；待辦資料依需求約定存在本機 JSON 檔案。會外流的只有你自己設定的模型 API 呼叫——金鑰換成哪家，資料就走哪家。
一定要用 DeepSeek 官方模型嗎？
不必。設定 → 模型裡可以新增其他模型與自訂提供方，相容 OpenAI 介面的第三方代理也能接。影片示範用的是 DeepSeek 官方 API 金鑰，但流程本身不綁定任何一家模型。
相關攻略
這個流程用到的每一塊能力，都有更深入的拆解。
來源與致謝
所有畫面皆取自一次在 DeepSeek Harness Web 介面上完整錄下的實戰過程。指令與檔名以影片畫面為準；每張圖的連結會跳到來源影片的對應秒數。