DeepSeek Harness (dsh): Was es ist und wie man es betreibt
DeepSeek Harness ist eine offene Agent-Schicht, entwickelt von DeepSeek AI, veröffentlicht am 13. August 2026 unter der MIT-Lizenz. Es ist weder ein Modell noch ein weiterer Coding-Agent — es ist das Gerüst, das aus einem beliebigen Modell einen funktionsfähigen Agenten macht. Die offizielle Produktseite bringt das mit einer einfachen Formel auf den Punkt: Agent = Modell + Harness.
DSH Field Guide ist eine unabhängige Community-Ressource, die geschaffen wurde, um DeepSeek Harness für Menschen zu dokumentieren, die es einrichten und täglich nutzen. Sie ist weder mit DeepSeek verbunden, noch von DeepSeek befürwortet oder betrieben. DeepSeek und DeepSeek Harness sind Marken ihrer jeweiligen Eigentümer.
Was DeepSeek Harness wirklich ist
DeepSeek Harness — Befehlsname dsh — wird von DeepSeek AI entwickelt, ist in TypeScript unter der MIT-Lizenz geschrieben und trägt den Leitspruch „Everything is a Plugin.” Das GitHub-Repository deepseek-ai/deepseek-harness hatte bis zum 3. September 2026 bereits 210.610 Sterne und 24.639 Forks gesammelt — ein Wachstumstempo, das es zu einem der am schnellsten aufgestiegenen Open-Source-Projekte überhaupt macht.
Das Modell ist die Seele des Agenten. Das Harness ermöglicht es dem Agenten, seine Umgebung zu verstehen, Werkzeuge zu nutzen und unter realen Bedingungen weiter zu arbeiten.— DeepSeek, offizielle DeepSeek Harness-Produktseite
Diese Aussage fasst die gesamte Designabsicht zusammen. DeepSeek Harness ist kein Sprachmodell — das Modell wird von außen eingesteckt, auch ein Drittanbieter- oder lokales Modell. Es ist auch nicht einfach ein weiterer Coding-Agent: Claude Code und Codex lassen sich als Subagenten darin einbinden, anstatt mit ihm zu konkurrieren. Und es ist kein Benchmark-Framework — EleutherAIs lm-evaluation-harness ist ein eigenständiges Python-Projekt zur Modellbewertung, und ein Repository namens deepseek-ai/DeepSeek-Harness mit einem pip install -r requirements.txt-Setup existiert nicht. Das echte dsh läuft auf Node.js und wird über npx installiert.
Формула «Агент = Модель + Harness»
В DeepSeek Harness сосредоточено всё, кроме обучения самой модели: планирование задач, вызов инструментов, выполнение кода, управление контекстом, сессии, разрешения и интерфейс. Собственные материалы DeepSeek для рекрутинга описывают этот слой прямо: уровень управления моделью — часть, которая управляет контекстом, вызывает инструменты, читает и записывает файлы, запускает терминал и самостоятельно исправляет результат.
Чем dsh НЕ является
Новичков в проекте постоянно преследуют три путаницы:
- Not a language model. DeepSeek Harness подключается к модели через адаптер; моделью может быть как собственная разработка DeepSeek, так и совершенно другой провайдер.
- Not just a coding agent. Настоящие Claude Code и Codex CLI могут работать как субагенты внутри него.
- Not a benchmark framework.
lm-evaluation-harness(EleutherAI) — это Python-проект для оценки моделей DeepSeek, а не продукт DeepSeek: это две несвязанные кодовые базы, которые объединяет лишь одно слово в названии.
Everything — это плагин
DeepSeek Harness построен на Cordis, среде выполнения плагинов, и слоган «Everything is a Plugin» — не маркетинговый приём: модели, инструменты, навыки, сессии, песочницы, файловые системы, главный цикл, оркестрация и интерфейс — всё реализовано в виде плагинов. В каталоге packages/ хранится более 200 рабочих пакетов, а плагин можно выгрузить на лету без перезапуска процесса.
Чем это отличается от обычного агентного фреймворка
Типичный агентный фреймворк — это один главный цикл плюс набор возможностей, подключённых вручную; добавление новой возможности требует правки цикла, перестройки сборки промпта и повторной регистрации инструментов. DeepSeek Harness превратил сам главный цикл в плагин, поэтому расширение означает добавление нового плагина рядом с существующими, а не правку ядра.
Швы возможностей
Каждая заменяемая возможность разделена на три роли: определение, реализация и потребитель. Замена одной реализации меняет поведение продукта везде, где эта возможность используется, — без необходимости создавать форк.
Cordis: ядро среды выполнения
Cordis — это среда выполнения плагинов, лежащая в основе DeepSeek Harness; она описывает себя как фреймворк для «пространственно-временной компонуемости». Её устройство задокументировано в препринте arXiv 2608.25512, «A Programming Paradigm for Spatiotemporal Composability» — 88-страничной статье, опубликованной August 13, 2026 авторами Yifan Shi, Wei Zhang и Tianyi Cui.
Модель определяют два свойства. Временна́я компонуемость означает, что выгрузка компонента полностью отменяет все произведённые им эффекты. Пространственная компонуемость означает, что компоненты декларируют зависимости и соединяются реактивно. DeepSeek встраивает Cordis непосредственно в DeepSeek Harness, не подключая его как внешний пакет.
Cordis появился раньше DeepSeek Harness — это самостоятельный проект с открытым исходным кодом разработчика Yifan Shi (известного как Shigma), который с 2019 года служит плагинным ядром фреймворка чат-бота Koishi. Правило «выгрузка плагина должна отменять всё, что он сделал» родилось именно в том более раннем проекте.
Лог сессий с дозаписью
Каждый запуск пишет в лог с дозаписью: системные промпты, цепочки рассуждений, вызовы инструментов и их результаты, планирование субагентов и все инъекции контекста. Возобновление, ветвление, поиск и воспроизведение работают путём чтения этого лога, а не отдельного хранилища состояний.
Веб-интерфейс отображает статистику, которую большинство сред выполнения агентов полностью скрывают: токены в секунду, коэффициент попаданий в кэш, количество ходов и общее время работы. Когда проект обсуждался на Hacker News, тред набрал 747 очков и 314 комментариев, а прозрачность этого лога сессий стала одной из наиболее высоко оцененных особенностей в обсуждении.
Четыре режима: стандартный, Code, минимальный, Creator
| Режим | Что даёт | When использовать |
|---|---|---|
| Standard | Полный набор инструментов, агент общего назначения | Повседневные задачи |
| Code | Инструменты, доступные через SDK режима Code; модель пишет программу на TypeScript | Сложная многошаговая автоматизация |
| Minimal | Только bash и редактор в стиле str_replace | Честное, сравнимое тестирование моделей |
| Creator | Составление собственного пресета | Создание пользовательского профиля или пакета |
Быстрый старт одной командой
Самый быстрый способ запустить экземпляр — одна строка:
npx @deepseek-ai/dsh webЭта команда запускает веб-интерфейс по адресу http://127.0.0.1:3080 и открывает его в браузере; добавьте --no-open, чтобы пропустить открытие браузера на машине без монитора. Требуется Node.js ^22.19.0 или ≥ 24.0.0, а также pnpm 11.7.0 при сборке из исходников:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- Прочитайте
SAFETY.mdпрежде чем направлять агента на реальный проект — README этого требует. - Добавьте ваш API-ключ при появлении запроса; он хранится в
$DSH_HOME/.credentials.yamlи отображается в интерфейсе в замаскированном виде.
Первые три шага
Откройте Настройки, перейдите в раздел «Модели» и вставьте API-ключ — маршрут активируется сразу, перезапуск сервера не требуется. Добавьте и выберите рабочую папку: поле ввода задачи остаётся недоступным, пока папка не выбрана. Затем отправьте задачу. Всё, что выходит за рамки уже выданных разрешений, будет вынесено на ваше подтверждение перед выполнением.
Другие способы запуска
Помимо веб-интерфейса, DeepSeek Harness включает TUI (dsh --profile tui), безголовый режим для скриптов и CI (dsh --profile headless "task description"), Python SDK (pip install deepseek-harness-sdk, который поставляется с собственной средой выполнения, поэтому системный Node.js не нужен — сборка для Windows x64 появилась в 0.1.2-rc.1), а также TypeScript SDK для встраивания непосредственно в другие приложения.
Модели, провайдеры и стоимость
Сам DeepSeek Harness бесплатен и распространяется с открытым исходным кодом под лицензией MIT — единственные регулярные расходы связаны с потреблением токенов выбранной моделью. DeepSeek API предоставляет deepseek-v4-flash, deepseek-v4-pro и экспериментальную deepseek-v4-flash-vision-exp: у всех контекстное окно 1M токенов и вывод до 384K токенов. Новое ценообразование вступило в силу 16 августа 2026 года в 16:00 UTC: тарифы разделены на пиковые и внепиковые периоды (пик: 01:00–04:00 и 06:00–10:00 UTC, понедельник–пятница).
| v4-flash | v4-pro | |
|---|---|---|
| Input, cache hit, off-peak | $0.007 / 1M | $0.022 / 1M |
| Input, cache miss, off-peak | $0.22 / 1M | $0.66 / 1M |
| Input, cache miss, peak | $0.44 / 1M | $1.32 / 1M |
| Output, off-peak | $0.66 / 1M | $1.98 / 1M |
Подробная информация — на странице тарифов DeepSeek API. Для тех, кто хочет полностью избежать затрат на API, адаптер @deepseek-ai/dsh-llm-pi-ai подключает DeepSeek Harness к сторонним и локальным бэкендам, включая Ollama, vLLM, LM Studio, llama.cpp и любой совместимый с OpenAI шлюз — то есть полностью локальная модель, работающая бесплатно, использует ту же настройку dsh.
Claude Code и Codex как субагенты
Одно из неочевидных архитектурных решений: DeepSeek Harness может делегировать задачи настоящим сторонним агентам для написания кода, а не заменять их. Пакет @deepseek-ai/dsh-subagent-claude-code запускает полноценный CLI Claude Code как дочерний процесс через официальный Agent SDK, а @deepseek-ai/dsh-subagent-codex делает то же самое для Codex через протокол app-server --stdio. Каждый субагент сохраняет собственную нативную конфигурацию и авторизацию — DeepSeek Harness не перехватывает и не переопределяет способ входа этих инструментов. Начиная с версии 0.1.2-rc.1, модель, используемую каждым субагентом, можно настроить независимо от родительской сессии.
Хронология выпусков и текущий статус
Возможности DeepSeek Harness впервые незаметно появились в официальном релизе DeepSeek V4 31 июля 2026 года — без отдельного продукта и открытых исходников. Официальный запуск состоялся 13 August 2026 года: в 11:56 UTC открылся публичный репозиторий, @deepseek_ai сообщил, что «DeepSeek Harness v0.1 доступен в Developer Preview», DeepSeek-V4-Pro-0813 вышел в общий доступ, а препринт Cordis появился на arXiv в тот же день. 14 August 2026 года — отдельная дата, заслуживающая внимания: это самый ранний коммит в истории публичного репозитория, поэтому в ряде публикаций именно этот день называют днём открытия кода — сам же репозиторий был создан 13-го.
С тех пор проект выпускает новые сборки почти каждый день: версия 0.1.1 вышла 21 August вместе с DeepSeek-V4-Flash-Vision-Exp, а 0.1.2-rc.1 последовала 3 September. В README заглавными буквами предупреждается о возможных изменениях, нарушающих обратную совместимость; Issues и Pull Requests в репозитории отключены — обратная связь принимается через GitHub Discussions или Discord.
Что читать дальше
Каждой части DeepSeek Harness посвящена отдельная страница этого руководства, и читать их можно в любом порядке.
Начните с установки DeepSeek Harness, если хотите просто запустить его, а если ваша машина работает под Windows — сначала прочитайте DeepSeek Harness на Windows: почти все известные ошибки установки связаны именно с Windows. When что-то идёт не так, руководство по ошибкам разбирает сбои по точным формулировкам, которые люди ищут.
Чтобы разобраться в том, что именно вы запускаете, обзор репозитория на GitHub объясняет, что находится внутри монорепозитория, а Cordis рассказывает о лежащем в основе плагинном ядре. Далее руководство по плагинам показывает, как добавляются, заменяются и поставляются возможности, а субагенты охватывают то, о чём почти никто не пишет, — dsh, запускающий Claude Code и Codex как дочерние процессы.
Если вас интересуют не механика, а решения: ценообразование и токеномика разбирает, что изменение цен API в August 2026 года сделало с аргументом «дешевле, чем Claude Code»; DeepSeek Harness против Claude Code честно сравнивает их с обеих сторон; запуск локальных моделей посвящён Ollama, vLLM, LM Studio и llama.cpp для тех, кто предпочитает не отправлять код никуда. Если вам интересно, кто это создаёт, страница команды собирает всё публично известное о группе внутри DeepSeek, стоящей за проектом.