DeepSeek Harness 接入本地模型：Ollama 與免費額度
把 DeepSeek Harness 接到 OpenRouter 免費模型或本機 Ollama 服務上，不花 API 費用也能跑真實任務。
最近更新: 2026-10-02
DeepSeek Harness 預設走 DeepSeek 官方 API，但這不是唯一的路。Models 面板接受任意 provider——接上 OpenRouter 的免費模型，或者本機的 Ollama 服務，整個工作階段可以零成本執行。
本攻略按下面兩支影片演示的完整流程走一遍：安裝 Harness、接入 OpenRouter、在 localhost:11434 掛上 Ollama，最後用真實任務驗證模型確實跑在你自己的機器上。
七步接好模型
- 2
開啟 Settings → Models：三條接入路線
首次啟動會彈出 DeepSeek API key 對話方塊，點 Configure later 跳過也沒問題。Models 面板裡擺著三條路：內建的 DeepSeek 官方 key、下拉式清單裡的託管 provider，以及留給其他服務的自定義 provider——Ollama 就走第三條。
首次啟動會要 DeepSeek key——點 Configure later 跳過也行，接下來就能新增免費 provider。回看影片 1:36 
所有 provider 都在 Models 面板裡：官方 DeepSeek key、託管 provider，或者你自己的自定義端點。回看影片 2:40 
OpenRouter 是內建 provider——在同一個下拉里選中它就行。回看影片 2:59 - 3
先薅免費額度：接入 OpenRouter
在 OpenRouter 的 API keys 頁面建立一個 key，回到 Harness 的 provider 下拉里選 openrouter 並貼上。展開 Customize settings 後用 Add model 可以按模型 ID 固定某個模型——在 OpenRouter 搜“free”能看到全部免費型號。影片裡固定的是免費的 NVIDIA Nemotron，並提到免費模型每天限約 50 次請求。
把在 OpenRouter API keys 頁面建立的 key 粘進來，再展開 Customize settings 固定免費模型。回看影片 2:55 
Add model 可以按 ID 固定任意 OpenRouter 模型——比如免費的 NVIDIA Nemotron——顯示名隨你起。回看影片 3:30 - 4
安裝 Ollama 並拉一個本地模型
從 ollama.com 裝好 Ollama，拉取想要的模型，再用 ollama list 確認——影片里拉的是 qwen3.8:latest（17 GB）。如果提示 could not connect to ollama server，先把服務起起來：Linux 上執行 sudo systemctl start ollama.service。
$ollama list$sudo systemctl start ollama.service
Ollama 沒執行就先把服務起起來——否則 DeepSeek Harness 連不上 localhost:11434。回看影片 6:31 
拉取任意 Ollama 模型——圖中是 17 GB 的 qwen3.8:latest——之後就能在本地服役。回看影片 6:41 - 5
把 Ollama 新增為自定義 provider
回到 Settings → Models，點 Add a custom provider：provider ID 和顯示名都填 ollama，Base URL 填 http://localhost:11434/v1，協議選 openai-completions，API key 一欄隨便填個 ollama 佔位即可。點 Fetch available models 會列出本地已裝的模型，勾選自己的，再點 Create provider。
新增一個叫 ollama 的自定義 provider：端點和協議保持預設，API key 隨便填個佔位符就行。回看影片 6:23 
Fetch available models 會直接從你的 Ollama 拉模型列表——勾選想要的即可。回看影片 6:55 - 6
在工作階段裡選模型
輸入框旁的模型選擇器按 provider 分組——DeepSeek、openrouter、ollama 各佔一組。想讓這次執行留在本機就選本地模型；換 provider 只是點開下拉的事，會話中途也能換。
每個已接入的 provider 在模型選擇器裡各佔一組——本地和託管模型之間一鍵切換。回看影片 4:57
dsh 對比 LM Studio：編排層與本機執行環境
一個常見混淆：LM Studio 不是 dsh 的競品——它是「本機模型執行環境」，負責把你機器上的開源模型跑成本機 API 服務。DeepSeek Harness 是它上面那一層的編排工具：工作階段、工具、權限、外掛目錄都歸它管。兩者可以配合使用：在 LM Studio 裡起一個模型服務，再照上面第 5 步的自訂 provider 方式把 dsh 連過去（與 Ollama 同一條路）——LM Studio 負責跑模型，dsh 負責駕馭模型。
本地模型常見問題
拉一個 17 GB 的模型之前，先看看這幾個問題。
跑本地模型需要什麼配置的機器？
取決於你拉什麼模型。兩支影片用的是中小型模型——llama3.2:3b、qwen3:4b 和 qwen3.8:latest（最後一個下載體積 17 GB）——16 GB 記憶體或同級別視訊記憶體的 GPU 是個舒服的起點。3B-4B 的小模型普通筆記本就能跑，更大的模型再往上加配置。
為什麼 Fetch available models 報錯或列表為空？
幾乎都是 Ollama 服務沒起來。先在終端跑 ollama list——如果看到 could not connect to ollama server，就執行 ollama serve（或 Linux 上的 sudo systemctl start ollama.service）。然後核對 Base URL 是 http://localhost:11434/v1、協議是 openai-completions。
OpenRouter 免費模型和本地 Ollama 模型能混著用嗎？
能。兩支影片都同時配了 DeepSeek、OpenRouter 和 Ollama，模型選擇器會按 provider 分組。免費託管模型和本地模型隨時可切——同一個工作階段裡換也行。
還需要 DeepSeek API key 嗎？
不需要。首次啟動的對話方塊會要 key，但點 Configure later 就能跳過；Models 面板允許你完全跑在 OpenRouter 免費模型或本地 Ollama 上。只有想用 DeepSeek 官方模型時才必須填 key。
OpenRouter 上有哪些免費模型可用？
在 OpenRouter 的模型列表裡搜“free”——影片裡用的是 NVIDIA Nemotron 3 Ultra (free)，上下文視窗 1M。免費模型有限額（錄製時約每天 50 次請求），所以和本地 Ollama 模型搭配著用正合適。
本地模型和 API 模型的效果差距有多大？
難任務上差距明顯，但日常改檔案沒想像中那麼大。影片裡 4B 級別的本地模型完成了目錄分析和完整的動畫 HTML 頁生成。隱私、成本、離線場景用本地模型；最難的步驟切到託管模型——選擇器裡兩下就切過去了。
Ollama 有官方整合嗎——怎麼連接、設定、讓 dsh 跑在 Ollama 上？
兩條路線。手動路線就是上面的逐步教學：啟動 Ollama 服務，拉一個模型（ollama pull，再用 ollama list 驗證），在 Settings → Models → Add provider 裡把 Ollama 加為自訂 provider，然後在工作階段裡選它。官方路線更新：Ollama 自家文件現在已收了 DeepSeek Harness 整合頁（docs.ollama.com/integrations/deepseek-harness），在那條路線裡 ollama launch dsh 會在需要時自動安裝 @deepseek-ai/dsh 套件，並讓 harness 跑在 Ollama 模型上——啟動設定放在 ~/.ollama/launch/dsh/settings.yaml，你的 dsh profile、工作階段和金鑰都不會被動到。該路線下網頁搜尋會自動開啟，但需要 Ollama 雲端存取權限和支援工具呼叫的模型。
相關教程
更多 DeepSeek Harness 實操教程
把 dsh 部署到伺服器 7×24 常駐
十三張實測截圖:從一台空 VPS 到常運行的 DeepSeek Harness——SSH 與瀏覽器終端機、自訂模型與上下文視窗、不離開分頁裝外掛,建置結果直接給你公開網址。
閱讀教學DeepSeek Harness Windows 安裝教學
10 步實機截圖安裝教學:Node.js、npm 全域安裝、3080 埠的 Web UI、API key,Win10/11 免 WSL。
閱讀教學Profile、Patch 與 Preset
一個 dsh 行程如何由層層設定組裝而成 —— 以及怎麼把它調成你的形狀。
閱讀教學安全地安裝外掛
dsh 裡「安裝外掛」到底發生什麼，附一套第三方程式碼審查清單。
閱讀教學DSH MCP 與工具外掛（DeepSeek Harness）
MCP 伺服器與工具，給 DSH agent 裝上新能力。
閱讀教學dsh 對比 Claude Code
客觀比較：開放程度、價格、模型自由度與可擴充性。
閱讀教學讓便宜模型聽懂話：提示詞注入實錄
輪次中自動補注你的提示詞：手動一次性注入、條件注入與視窗判據，讓便宜模型做好指令遵循——帶真實錄影幀的圖文攻略。
閱讀教學來源與致謝
本頁所有截圖取自這兩支公開教程影片，每張圖都能點回影片裡對應的時刻。