DeepSeek Harness 项目实战：从需求到交付做完一个真实项目
完整还原一次 dsh 真实项目开发：新建工作区、需求拷问、PRD、任务拆分、TDD 开发，直到代码推上 GitHub，每一步都有真机截图。
最近更新: 2026-09-16
装好 DeepSeek Harness 之后，大家最关心的其实不是它有什么功能，而是它能不能真正拿来干活。这篇攻略完整还原了一次真实项目：从一句「做一个命令行待办清单」，到拷问需求、落 PRD、拆任务、TDD 开发，最后代码合进 GitHub——全程没打开过一行编辑器。
下面的 8 个步骤与源视频的画面一一对应，命令和文件名都以视频里实际出现的为准（CONTEXT.md、ADR、todo-cli-v1.md……）。每张截图都能点回源视频对应的秒数，建议先通读一遍再照着做。
从需求到交付的 8 个步骤
- 1
新建工作区，先做工程初始化配置
项目开始前先新建一个工作区，然后让 Agent 把工程底座搭好：本地用 git 维护、远程推到 GitHub、issue 跟踪约定写进 AGENTS.md 和 docs/agents/。它每一步调了什么工具，「轨迹」面板里都能查到——这也是后面出了问题能回溯的底气。
轨迹面板把初始化会话的每次工具调用都摊开给你看。跳到视频 2:46 处 
从第一天起，全部工程代码就住在 GitHub 仓库里。跳到视频 5:42 处 - 2
在设置里接上大模型
打开「设置 → 模型」，把在 DeepSeek 开放平台申请的 API Key 贴进去，点保存就能用。想用别的模型也行：同一个页面支持添加其他模型和自定义提供方，后面整个流程不锁任何一家。
设置里贴一个 Key，项目就能开跑。跳到视频 1:02 处 - 3
写下需求，让 Agent 拷问到方案清晰
用 /grill-with-docs 这个 skill 开场，需求一句话就够：从零做一个 todo 命令行工具，v1 只做添加、列出、标记完成，数据存本地 JSON，「请拷问我，直到方案清晰」。Agent 会从领域规格、技术规格、UI 规格三个方面轮番盘问，你答得越实在，后面的返工越少。
$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。
一切从这句「请拷问我，直到方案清晰」开始。跳到视频 3:06 处 - 4
拷问结果落成 CONTEXT.md 和技术栈 ADR
拷问下来的结论会写成两份人机共用的文档：领域术语（「待办」到底指什么、哪些词不许用）写进 CONTEXT.md；技术栈决策（只用 Python 3 标准库，并给出否决 Go 和 Node.js 的理由）写进 docs/adr/。命令行项目确认走 headless 模式后，UI 拷问直接结束，不生成多余文件。
「待办」到底是什么，人和 Agent 看的是同一份定义。跳到视频 3:42 处 
技术栈怎么定的、为什么，都落在 ADR 文件里。跳到视频 4:34 处 - 5
把定稿需求整理成 PRD
新开一个会话，让 Agent 把前面所有讨论整理成 docs/prd/todo-cli-v1.md：问题陈述、解决方案、验收标准，每一条都能回溯到 CONTEXT.md 的术语和 ADR 的决策。
拷问定稿的东西，落成一份可以评审的 PRD。跳到视频 5:16 处 - 6
PRD 拆成任务单，推上 GitHub 统一管理
下一个会话把 PRD 切成 6 个互相独立的任务切片，以 issue 形式推到 GitHub：每个都带 ready-for-agent 标签、验收标准和依赖项；需要人来拍板的切片 6 则打上 ready-for-human。
6 张任务单，验收标准和依赖项写得明明白白。跳到视频 5:52 处 - 7
逐单开发：领单、拉分支、TDD 红绿循环
每个任务单单独开一个会话，先从最新 main 拉分支，然后按 TDD 走：先写 RED 测试、跑出预期失败，再写最小实现变 GREEN，循环推进。单个切片完成后，Agent 会汇报交付了哪些文件、手工验证了什么，然后开 PR 等合并。
$从最新 main 拉取分支，准备实现 todo-cli 的 GitHub issue #3
RED、预期失败、最小 GREEN——每个切片都这么滚出来。跳到视频 7:26 处 - 8
合进 main、写 README、真机验收
PR 合并后，只要验收标准全部通过，对应的 issue 会自动关闭。交付前让 Agent 写一份 README——安装、快速上手、命令参考——并用 pip 打包出全局 todo 命令。最后一步自己来：装上它，把 add、list、done 真正跑一遍。
PR 一合，issue 自己关——验收标准全过才算数。跳到视频 9:18 处 
交付文档也交给 Agent 起草，你只需要把关。跳到视频 9:02 处 
最后一关：对着真二进制把三条命令跑通。跳到视频 9:36 处
常见问题
关于用 DeepSeek Harness 做真实项目的高频疑问，一次说清。
不会写代码，也能照这个流程做项目吗？
可以。源视频的作者全程没打开过编辑器，需求、验收、合并都靠回答问题和看 PR。拷问环节和验收标准存在的意义，就是让你不需要懂语法、只需要懂业务。
CONTEXT.md 是什么？为什么这么重要？
它是拷问环节产出的领域词汇表：项目里每个关键术语（「待办」是什么、哪些词不许用）都有一份人和 Agent 共用的定义。没有它，「待办」在你的脑子里和 Agent 生成的代码里可能是两个东西——这是 AI 编码最常见的翻车点。
需求拷问可以跳过吗？
能跳，但别跳。跳过拷问等于让 Agent 自己脑补所有空白，而这些假设会在开发阶段变成返工。领域、技术、UI 三个方向的盘问，是整个流程里纠错最便宜的地方。
中途做错了怎么办？怎么回退？
三道保险：轨迹面板记录了每一次工具调用，能定位到哪一步开始跑偏；每个切片都在自己的 git 分支上做，坏的切片碰不到 main；PR 必须过验收标准才能合并，main 随时是可交付状态。
项目数据存在哪里？会上传吗？
代码和文档都存在你本地的工作区目录，由 git 管理并推到你自己的 GitHub 仓库（演示项目是私有仓库）；待办数据按需求约定存在本地 JSON 文件。外发的只有你自己配置的模型 API 调用——Key 换成哪家，数据就走哪家。
一定要用 DeepSeek 官方模型吗？
不必。设置 → 模型里可以添加其他模型和自定义提供方，兼容 OpenAI 接口的第三方代理也能接。视频演示用的是 DeepSeek 官方 API Key，但流程本身不绑定任何一家模型。
相关攻略
这个流程用到的每一块能力，都有更深入的拆解。
来源与致谢
所有画面均取自一次在 DeepSeek Harness Web 端完整录下的实战过程。命令与文件名以视频画面为准；每张图都可跳回来源视频的对应秒数。