DeepSeek Harness (dsh): यह क्या है और इसे कैसे चलाएं
DeepSeek Harness, DeepSeek AI द्वारा बनाई गई एक ओपन एजेंट परत है, जिसे 13 अगस्त 2026 को MIT लाइसेंस के तहत जारी किया गया। यह न तो कोई मॉडल है और न ही एक और कोडिंग एजेंट — यह वह स्कैफोल्डिंग है जो किसी भी मॉडल को एक कार्यशील एजेंट में बदलती है, जिसे आधिकारिक उत्पाद पृष्ठ एक सरल सूत्र से सीधे बताता है: Agent = Model + Harness।
DSH Field Guide एक स्वतंत्र सामुदायिक संसाधन है जो DeepSeek Harness को उन लोगों के लिए दस्तावेज़ करने के लिए बनाया गया है जो इसे रोज़ाना सेटअप और चलाते हैं। यह DeepSeek से संबद्ध नहीं है, उनके द्वारा समर्थित नहीं है, और न ही उनके द्वारा संचालित है; DeepSeek और DeepSeek Harness अपने-अपने स्वामी के ट्रेडमार्क बने रहते हैं।
DeepSeek Harness वास्तव में क्या है
DeepSeek Harness — कमांड नाम dsh — DeepSeek AI द्वारा विकसित किया गया है और MIT लाइसेंस के तहत TypeScript में लिखा गया है, जिसका टैगलाइन है “Everything is a Plugin।” GitHub रिपॉजिटरी, deepseek-ai/deepseek-harness, 3 सितंबर 2026 तक 210,610 स्टार और 24,639 फोर्क जमा कर चुकी थी — इतनी तेज़ शुरुआत कि यह रिकॉर्ड पर सबसे तेज़ी से बढ़ने वाले ओपन-सोर्स लॉन्च में शुमार है।
मॉडल एजेंट की आत्मा है। Harness एजेंट को अपने परिवेश को समझने, उपकरण उपयोग करने और वास्तविक परिस्थितियों में काम करते रहने देता है। — DeepSeek, आधिकारिक DeepSeek Harness उत्पाद पृष्ठ
यह पंक्ति पूरे डिज़ाइन इरादे को दर्शाती है। DeepSeek Harness एक भाषा मॉडल नहीं है — मॉडल बाहर से प्लग होता है, जिसमें तृतीय-पक्ष या स्थानीय मॉडल शामिल है। यह महज एक और कोडिंग एजेंट भी नहीं है: Claude Code और Codex को इसके अंदर सबएजेंट के रूप में माउंट किया जा सकता है, न कि इसके प्रतिस्पर्धी के रूप में। और यह एक बेंचमार्क फ्रेमवर्क नहीं है — EleutherAI का lm-evaluation-harness एक अलग Python प्रोजेक्ट है जो मॉडलों को स्कोर करने के लिए उपयोग होता है, और deepseek-ai/DeepSeek-Harness नाम की कोई रिपॉजिटरी जिसमें pip install -r requirements.txt सेटअप हो, मौजूद नहीं है। असली dsh Node.js पर चलता है और npx के ज़रिए इंस्टॉल होता है।
Agent = Model + Harness सूत्र
मॉडल को ट्रेन करने के अलावा सब कुछ DeepSeek Harness में रहता है: टास्क प्लानिंग, टूल कॉल, कोड एक्ज़ीक्यूशन, कॉन्टेक्स्ट मैनेजमेंट, सेशन, अनुमतियां, और इंटरफेस। DeepSeek की अपनी भर्ती सामग्री इस परत को सीधे model control layer के रूप में वर्णित करती है — वह हिस्सा जो कॉन्टेक्स्ट प्रबंधित करता है, टूल कॉल करता है, फ़ाइलें पढ़ता और लिखता है, टर्मिनल चलाता है, और परिणाम को स्व-सुधारता है।
dsh क्या नहीं है
प्रोजेक्ट से नए लोगों के लिए तीन अंतर बार-बार सामने आते हैं:
- भाषा मॉडल नहीं। DeepSeek Harness एक adapter के ज़रिए मॉडल से जुड़ता है; मॉडल DeepSeek का खुद का हो सकता है या किसी बिल्कुल अलग प्रदाता का।
- केवल एक कोडिंग एजेंट नहीं। असली Claude Code और Codex CLI इसके नीचे सबएजेंट के रूप में चल सकते हैं।
- बेंचमार्क फ्रेमवर्क नहीं।
lm-evaluation-harness(EleutherAI) एक Python प्रोजेक्ट है जो DeepSeek के मॉडलों को ग्रेड करने के लिए उपयोग होता है, न कि DeepSeek का उत्पाद — दोनों असंबंधित कोडबेस हैं जो केवल नाम में एक शब्द साझा करते हैं।
Everything is a Plugin
DeepSeek Harness Cordis, एक plugin runtime पर बना है, और “Everything is a Plugin” टैगलाइन मार्केटिंग की चमक-दमक नहीं है — मॉडल, टूल, स्किल, सेशन, सैंडबॉक्स, फ़ाइल सिस्टम, मुख्य लूप, ऑर्केस्ट्रेशन और UI सब प्लगइन के रूप में लागू हैं। packages/ डायरेक्टरी में 200 से अधिक workspace packages हैं, और एक प्रोसेस को रीस्टार्ट किए बिना किसी प्लगइन को on the fly अनमाउंट किया जा सकता है।
यह एक सामान्य एजेंट फ्रेमवर्क से अलग क्यों है
एक सामान्य एजेंट फ्रेमवर्क में एक मुख्य लूप होता है और हाथ से जोड़ी गई क्षमताओं का ढेर; नई क्षमता जोड़ने का मतलब है लूप को संपादित करना, prompt असेंबली को फिर से बनाना और टूल्स को फिर से रजिस्टर करना। DeepSeek Harness ने मुख्य लूप को ही एक प्लगइन बना दिया, इसलिए इसे विस्तारित करने का मतलब है core को patch करने की बजाय एक नया प्लगइन मौजूदा के बगल में लगाना।
क्षमता सीम
हर बदली जा सकने वाली क्षमता तीन भूमिकाओं में विभाजित है — definition, implementation और consumer। एक implementation बदलने से उस क्षमता का उपयोग होने वाली हर जगह उत्पाद का व्यवहार बदल जाता है, बिना किसी fork की ज़रूरत के।
Cordis: रनटाइम कोर
Cordis, DeepSeek Harness के नीचे का plugin runtime है, जो खुद को “spatiotemporal composability” के लिए एक फ्रेमवर्क के रूप में वर्णित करता है। इसका डिज़ाइन प्रीप्रिंट arXiv 2608.25512 में प्रलेखित है, “A Programming Paradigm for Spatiotemporal Composability,” जो Yifan Shi, Wei Zhang, और Tianyi Cui द्वारा 13 अगस्त 2026 को प्रकाशित 88 पन्नों का पेपर है।
दो गुण इस मॉडल को परिभाषित करते हैं। Temporal composability का अर्थ है किसी घटक को अनलोड करने से उसके कारण हुए हर प्रभाव पूरी तरह वापस हो जाते हैं। Spatial composability का अर्थ है घटक अपनी dependencies घोषित करते हैं और reactively एक साथ जुड़ते हैं। DeepSeek, Cordis को DeepSeek Harness में सीधे vendor करता है, न कि इसे बाहरी package के रूप में depend करके।
Cordis खुद DeepSeek Harness से पहले से मौजूद है — यह डेवलपर Yifan Shi (Shigma के नाम से जाने जाते हैं) का एक standalone ओपन-सोर्स प्रोजेक्ट है, और 2019 से Koishi chatbot फ्रेमवर्क के plugin core के रूप में काम कर रहा है। “किसी प्लगइन को अनलोड करने से उसका हर काम पूर्ववत होना चाहिए” का नियम उसी पहले प्रोजेक्ट से आया।
Append-only सेशन लॉग
हर रन एक append-only लॉग में लिखता है: सिस्टम prompts, reasoning traces, टूल कॉल और उनके परिणाम, सबएजेंट प्लानिंग, और हर context injection। Resume, fork, search और replay उस लॉग को पढ़कर काम करते हैं, न कि किसी अलग state store से।
Web UI वे आंकड़े दिखाता है जो अधिकांश एजेंट रनटाइम पूरी तरह छुपाते हैं: tokens per second, cache hit rate, turn count, और elapsed run time। जब इस प्रोजेक्ट पर Hacker News पर चर्चा हुई, तो थ्रेड में 747 अंक और 314 टिप्पणियां आईं, और उस सेशन लॉग की पारदर्शिता चर्चा में सबसे सराही गई विशेषताओं में से एक थी।
चार मोड: standard, code, minimal, creator
| मोड | यह क्या देता है | कब उपयोग करें |
|---|---|---|
| Standard | पूरा टूल सेट, सामान्य-उद्देश्य एजेंट | रोज़मर्रा के कार्य |
| Code | Code Mode SDK के ज़रिए टूल उजागर; मॉडल एक TypeScript प्रोग्राम लिखता है | जटिल बहु-चरण automation |
| Minimal | केवल bash और एक str_replace-style editor | उचित, बराबरी का मॉडल बेंचमार्किंग |
| Creator | अपना खुद का preset असेंबल करना | कस्टम प्रोफ़ाइल या बंडल बनाना |
एक कमांड में Quick Start
चलती हुई instance तक सबसे तेज़ रास्ता एक लाइन है:
npx @deepseek-ai/dsh webयह कमांड http://127.0.0.1:3080 पर एक वेब इंटरफेस शुरू करता है और ब्राउज़र में खोलता है; headless मशीन पर ब्राउज़र लॉन्च छोड़ने के लिए --no-open जोड़ें। इसे Node.js ^22.19.0 या ≥ 24.0.0 चाहिए, और source से build करने पर pnpm 11.7.0:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- किसी वास्तविक प्रोजेक्ट पर एजेंट को इंगित करने से पहले
SAFETY.mdपढ़ें — README इसकी अनिवार्यता बताता है। - प्रॉम्प्ट होने पर अपनी API key जोड़ें; यह
$DSH_HOME/.credentials.yamlमें स्टोर होती है और इंटरफेस में masked दिखती है।
तीन चरणों में पहला रन
Settings खोलें, Models पर जाएं, और एक API key पेस्ट करें — route तुरंत सक्रिय हो जाता है, सर्वर रीस्टार्ट की ज़रूरत नहीं। एक working folder जोड़ें और चुनें; folder चुने जाने तक task input disabled रहता है। फिर एक task भेजें। पहले से दी गई अनुमतियों से परे कोई भी काम चलाने से पहले आपसे पुष्टि मांगी जाती है।
अन्य entry points
Web UI के अलावा, DeepSeek Harness एक TUI (dsh --profile tui), स्क्रिप्ट और CI के लिए headless मोड (dsh --profile headless "task description"), एक Python SDK (pip install deepseek-harness-sdk, जो अपना खुद का runtime बंडल करता है इसलिए सिस्टम Node.js install ज़रूरी नहीं — Windows x64 build 0.1.2-rc.1 में आया), और किसी अन्य एप्लिकेशन में सीधे embed करने के लिए एक TypeScript SDK के साथ आता है।
मॉडल, प्रदाता और लागत
DeepSeek Harness खुद MIT लाइसेंस के तहत मुफ्त और ओपन है — एकमात्र recurring लागत मॉडल का token उपयोग है। DeepSeek API deepseek-v4-flash, deepseek-v4-pro, और experimental deepseek-v4-flash-vision-exp परोसता है, सभी 1M-token context window और 384K tokens तक output के साथ। नई pricing 16 अगस्त 2026 को 16:00 UTC पर लागू हुई, जो peak और off-peak windows में विभाजित है (peak: 01:00–04:00 और 06:00–10:00 UTC, सोमवार से शुक्रवार)।
| 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 |
पूरी जानकारी DeepSeek API pricing page पर है। जो लोग शून्य API लागत चाहते हैं, उनके लिए @deepseek-ai/dsh-llm-pi-ai adapter DeepSeek Harness को तृतीय-पक्ष और स्थानीय model backends से जोड़ता है, जिसमें Ollama, vLLM, LM Studio, llama.cpp, और कोई भी OpenAI-compatible gateway शामिल है — इसलिए एक पूरी तरह local model, मुफ्त में, उसी dsh सेटअप के साथ काम करता है।
Claude Code और Codex सबएजेंट के रूप में
एक कम स्पष्ट डिज़ाइन विकल्प: DeepSeek Harness उन्हें replace करने की बजाय असली तृतीय-पक्ष कोडिंग एजेंटों को delegate कर सकता है। @deepseek-ai/dsh-subagent-claude-code package, official Agent SDK के ज़रिए एक child process के रूप में एक असली Claude Code CLI लॉन्च करता है, और @deepseek-ai/dsh-subagent-codex Codex के लिए उसके app-server --stdio protocol के ज़रिए यही करता है। हर सबएजेंट अपनी native configuration और authorization बनाए रखता है — DeepSeek Harness उन टूलों के login को intercept या override नहीं करता। 0.1.2-rc.1 से, हर सबएजेंट द्वारा उपयोग किए जाने वाले मॉडल को parent session से अलग configure किया जा सकता है।
रिलीज़ टाइमलाइन और वर्तमान स्थिति
DeepSeek Harness की क्षमताएं पहली बार 31 जुलाई 2026 को आधिकारिक DeepSeek V4 रिलीज़ के अंदर चुपचाप शामिल हुईं, बिना किसी standalone उत्पाद या public source के। असली लॉन्च 13 अगस्त 2026 को आया: 11:56 UTC पर public repository live हुई, @deepseek_ai ने पोस्ट किया कि “DeepSeek Harness v0.1 अब Developer Preview में उपलब्ध है,” DeepSeek-V4-Pro-0813 general availability पर पहुंचा, और Cordis preprint उसी दिन arXiv पर आया। 14 अगस्त 2026 एक अलग तारीख है जो जाननी ज़रूरी है: यह public repository history में दिखने वाला सबसे पहला commit है, यही कारण है कि कुछ write-ups इसे वह दिन बताते हैं जब code खुला — हालांकि, repository खुद 13 तारीख को बनाई गई थी।
तब से प्रोजेक्ट ने लगभग हर दिन एक नया build ship किया है: version 0.1.1 DeepSeek-V4-Flash-Vision-Exp के साथ 21 अगस्त को आया, और 0.1.2-rc.1 3 सितंबर को आया। README बड़े अक्षरों में चेतावनी देता है कि compatibility-breaking बदलाव आएंगे, और repository पर issues और pull requests दोनों disabled हैं — feedback GitHub Discussions या Discord के ज़रिए जाता है।
आगे क्या
DeepSeek Harness के हर हिस्से का इस गाइड में अपना पृष्ठ है, और वे किसी भी क्रम में पढ़े जा सकते हैं।
अगर आप बस इसे चलाना चाहते हैं तो DeepSeek Harness install से शुरू करें, और अगर यह आपकी मशीन है तो पहले DeepSeek Harness on Windows पढ़ें — लगभग हर ज्ञात install विफलता Windows की है। जब कुछ टूटे, error guide उन विफलताओं को उस exact wording से कवर करता है जिसे लोग खोजते हैं।
यह समझने के लिए कि आप क्या चला रहे हैं, GitHub repository walkthrough बताता है कि monorepo के अंदर वास्तव में क्या है, और Cordis इसके नीचे के plugin kernel को cover करता है। वहां से, plugin guide दिखाता है कि क्षमताएं कैसे जोड़ी, बदली और ship की जाती हैं, और subagents उस हिस्से को cover करता है जिसके बारे में लगभग कोई नहीं लिखता — dsh जो Claude Code और Codex को child processes के रूप में चलाता है।
निर्णयों के लिए न कि mechanics के लिए: pricing और token economics यह बताता है कि अगस्त 2026 के API price बदलाव ने “Claude Code से सस्ता” तर्क को क्या किया, DeepSeek Harness बनाम Claude Code दोनों दिशाओं में ईमानदारी से तुलना करता है, और local models चलाना उन लोगों के लिए Ollama, vLLM, LM Studio और llama.cpp को cover करता है जो कहीं code भेजना नहीं चाहते। अगर आप जानना चाहते हैं कि इसे कौन बनाता है, team page DeepSeek के उस समूह के बारे में जो publicly ज्ञात है वह एकत्र करता है।