DeepSeek Harness (dsh): Apa Itu dan Cara Menjalankannya
DeepSeek Harness adalah lapisan agen terbuka yang dibangun oleh DeepSeek AI, dirilis pada 13 August 2026 di bawah lisensi MIT. Ini bukan model dan bukan agen pengkodean lain — ini adalah kerangka yang mengubah model apa pun menjadi agen yang berfungsi, sebuah poin yang dinyatakan langsung oleh halaman produk resmi dengan rumus sederhana: Agent = Model + Harness.
DSH Field Guide adalah sumber daya komunitas independen yang dibuat untuk mendokumentasikan DeepSeek Harness bagi orang-orang yang menyiapkan dan menjalankannya sehari-hari. Sumber daya ini tidak berafiliasi dengan, didukung oleh, atau dioperasikan oleh DeepSeek, dan DeepSeek serta DeepSeek Harness tetap merupakan merek dagang dari pemiliknya masing-masing.
Apa sebenarnya DeepSeek Harness itu
DeepSeek Harness — nama perintahnya dsh — dikembangkan oleh DeepSeek AI dan ditulis dalam TypeScript di bawah lisensi MIT, dengan tagline “Everything is a Plugin.” Repositori GitHub, deepseek-ai/deepseek-harness, telah mengumpulkan 210.610 bintang dan 24.639 fork pada 3 September 2026, pertumbuhan yang cukup pesat sehingga masuk dalam jajaran peluncuran sumber terbuka yang berkembang paling cepat dalam catatan sejarah.
Model adalah jiwa dari agen. Harness memungkinkan agen memahami lingkungannya, menggunakan alat, dan terus bekerja dalam kondisi nyata.— DeepSeek, halaman produk resmi DeepSeek Harness
Kalimat itu merangkum seluruh maksud desainnya. DeepSeek Harness bukanlah model bahasa — model dihubungkan dari luar, termasuk model pihak ketiga atau model lokal. Ini juga bukan sekadar agen pengkodean biasa: Claude Code dan Codex dapat dipasang di dalamnya sebagai subagen, bukan bersaing dengannya. Dan ini bukan kerangka tolok ukur — lm-evaluation-harness milik EleutherAI adalah proyek Python terpisah yang digunakan untuk menilai model, dan tidak ada repositori bernama deepseek-ai/DeepSeek-Harness dengan pengaturan pip install -r requirements.txt. Dsh yang sesungguhnya berjalan di atas Node.js dan dipasang melalui npx.
Formula Agen = Model + Harness
Semua hal selain pelatihan model itu sendiri ada di dalam DeepSeek Harness: perencanaan tugas, pemanggilan alat, eksekusi kode, manajemen konteks, sesi, izin, dan antarmuka. Materi rekrutmen DeepSeek sendiri menggambarkan lapisan ini secara lugas sebagai lapisan kendali model — bagian yang mengelola konteks, memanggil alat, membaca dan menulis file, menjalankan terminal, serta mengoreksi hasilnya sendiri.
Apa yang BUKAN dsh
Ada tiga perbedaan yang terus muncul bagi siapa pun yang baru mengenal proyek ini:
- Bukan language model. DeepSeek Harness terhubung ke model melalui adapter; model tersebut bisa milik DeepSeek sendiri atau provider yang sama sekali berbeda.
- Bukan sekadar coding agent. Claude Code dan Codex CLI yang sesungguhnya bisa berjalan sebagai subagen di bawahnya.
- Bukan framework benchmark.
lm-evaluation-harness(EleutherAI) adalah proyek Python yang digunakan untuk mengevaluasi model-model DeepSeek, bukan produk DeepSeek — keduanya adalah basis kode yang tidak berkaitan dan hanya kebetulan berbagi satu kata dalam namanya.
Everything adalah plugin
DeepSeek Harness dibangun di atas Cordis, sebuah plugin runtime, dan tagline “Everything is a Plugin” bukan sekadar jargon pemasaran — model, alat, skill, sesi, sandbox, sistem file, main loop itu sendiri, orkestrasi, dan UI semuanya diimplementasikan sebagai plugin. Direktori packages/ memuat lebih dari 200 paket workspace, dan sebuah plugin bisa di-unmount secara langsung tanpa perlu me-restart proses.
Mengapa ini berbeda dari framework agen biasa
Framework agen pada umumnya terdiri dari satu main loop ditambah sekumpulan kapabilitas yang dihubungkan secara manual; menambahkan kapabilitas baru berarti mengedit loop, membangun ulang rakitan prompt, dan mendaftarkan ulang alat. DeepSeek Harness mengubah main loop itu sendiri menjadi plugin, sehingga untuk memperluas fungsionalitas cukup dengan menggantungkan plugin baru di samping yang sudah ada, tanpa perlu menambal inti sistemnya.
Seam kapabilitas
Setiap kapabilitas yang dapat diganti dibagi menjadi tiga peran — definisi, implementasi, dan konsumen. Mengganti satu implementasi akan mengubah perilaku produk di mana pun kapabilitas tersebut digunakan, tanpa perlu melakukan fork.
Cordis: inti runtime
Cordis adalah plugin runtime yang menjadi fondasi DeepSeek Harness, mendeskripsikan dirinya sebagai framework untuk “komposabilitas spatiotemporal.” Desainnya didokumentasikan dalam preprint arXiv 2608.25512, “A Programming Paradigm for Spatiotemporal Composability,” sebuah makalah setebal 88 halaman yang diterbitkan pada 13 August 2026 oleh Yifan Shi, Wei Zhang, dan Tianyi Cui.
Dua properti mendefinisikan model ini. Komposabilitas temporal berarti meng-unload sebuah komponen akan sepenuhnya membalikkan semua efek yang ditimbulkannya. Komposabilitas spasial berarti komponen-komponen mendeklarasikan dependensinya dan dihubungkan secara reaktif. DeepSeek memvendor Cordis langsung ke dalam DeepSeek Harness alih-alih bergantung padanya sebagai paket eksternal.
Cordis sendiri sudah ada sebelum DeepSeek Harness — ini adalah proyek open-source mandiri oleh developer Yifan Shi (dikenal sebagai Shigma), dan telah berfungsi sebagai inti plugin framework chatbot Koishi sejak 2019. Aturan bahwa “meng-unload plugin harus membatalkan semua yang telah dilakukannya” lahir dari proyek sebelumnya itu.
Log sesi append-only
Setiap kali dijalankan, data dituliskan ke log append-only: prompt sistem, jejak penalaran, pemanggilan alat beserta hasilnya, perencanaan subagen, dan setiap injeksi konteks. Resume, fork, pencarian, dan pemutaran ulang semuanya bekerja dengan membaca kembali log tersebut, bukan dari penyimpanan status terpisah.
Antarmuka web menampilkan statistik yang umumnya disembunyikan oleh sebagian besar runtime agen: token per detik, tingkat cache hit, jumlah giliran, dan waktu berjalan. Ketika proyek ini dibahas di Hacker News, utas tersebut mengumpulkan 747 poin dan 314 komentar, dan transparansi log sesi itu menjadi salah satu detail yang paling banyak dipuji dalam diskusi tersebut.
Empat mode: standard, code, minimal, creator
| Mode | What yang diberikan | When menggunakannya |
|---|---|---|
| Standard | Rangkaian alat lengkap, agen serbaguna | Tugas sehari-hari |
| Code | Alat yang diekspos melalui Code Mode SDK; model menulis program TypeScript | Otomasi multi-langkah yang kompleks |
| Minimal | Hanya bash dan editor bergaya str_replace | Benchmarking model yang adil dan setara |
| Creator | Merakit preset sendiri | Membangun profil atau bundel kustom |
Mulai cepat dengan satu perintah
Cara tercepat untuk menjalankan instance adalah satu baris:
npx @deepseek-ai/dsh webPerintah tersebut memulai antarmuka web di http://127.0.0.1:3080 dan membukanya di browser; tambahkan --no-open untuk melewati peluncuran browser pada mesin tanpa antarmuka grafis. Perintah ini membutuhkan Node.js ^22.19.0 atau ≥ 24.0.0, dan pnpm 11.7.0 jika Anda membangun dari sumber:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- Baca
SAFETY.mdsebelum mengarahkan agen ke proyek nyata — README mengharuskannya. - Tambahkan API key Anda saat diminta; kunci tersebut disimpan di
$DSH_HOME/.credentials.yamldan ditampilkan dalam bentuk tersembunyi di antarmuka.
Tiga langkah memulai pertama kali
Buka Settings, masuk ke Models, dan tempel API key — rute langsung aktif, tanpa perlu me-restart server. Tambahkan dan pilih folder kerja; kolom input tugas tetap nonaktif sampai folder dipilih. Kemudian kirimkan tugas. Apa pun yang melampaui izin yang sudah diberikan akan ditampilkan kembali kepada Anda untuk dikonfirmasi sebelum dijalankan.
Cara masuk lainnya
Selain UI web, DeepSeek Harness juga dilengkapi TUI (dsh --profile tui), mode headless untuk skrip dan CI (dsh --profile headless "task description"), Python SDK (pip install deepseek-harness-sdk, yang sudah menyertakan runtime-nya sendiri sehingga instalasi Node.js di sistem tidak diperlukan — build Windows x64 hadir di 0.1.2-rc.1), serta TypeScript SDK untuk menyematkannya langsung ke aplikasi lain.
Model, penyedia, dan biayanya
DeepSeek Harness sendiri gratis dan bersumber terbuka di bawah lisensi MIT — satu-satunya biaya berulang adalah penggunaan token model. DeepSeek API menyediakan deepseek-v4-flash, deepseek-v4-pro, dan deepseek-v4-flash-vision-exp yang masih eksperimental, semuanya dengan jendela konteks 1 juta token dan output hingga 384 ribu token. Harga baru berlaku mulai 16 August 2026 pukul 16:00 UTC, membagi tarif ke dalam jendela jam sibuk dan di luar jam sibuk (jam sibuk: 01:00–04:00 dan 06:00–10:00 UTC, Senin hingga Jumat).
| 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 |
Detail lengkapnya ada di halaman harga DeepSeek API. Bagi siapa pun yang menginginkan nol biaya API, adaptor @deepseek-ai/dsh-llm-pi-ai menghubungkan DeepSeek Harness ke backend model pihak ketiga dan lokal, termasuk Ollama, vLLM, LM Studio, llama.cpp, dan gateway apa pun yang kompatibel dengan OpenAI — sehingga model lokal sepenuhnya, dijalankan secara gratis, bekerja dengan pengaturan dsh yang sama.
Claude Code dan Codex sebagai subagen
Salah satu pilihan desain yang kurang mencolok: DeepSeek Harness dapat mendelegasikan tugas ke agen pengodean pihak ketiga yang nyata, bukan menggantikannya. Paket @deepseek-ai/dsh-subagent-claude-code menjalankan CLI Claude Code yang sebenarnya sebagai proses anak melalui Agent SDK resmi, dan @deepseek-ai/dsh-subagent-codex melakukan hal yang sama untuk Codex melalui protokol app-server --stdio-nya. Setiap subagen menyimpan konfigurasi dan otorisasi aslinya sendiri — DeepSeek Harness tidak mencegat atau menimpa cara alat-alat tersebut masuk. Per 0.1.2-rc.1, model yang digunakan oleh setiap subagen dapat dikonfigurasi secara terpisah dari sesi induk.
Linimasa rilis dan status terkini
Kemampuan DeepSeek Harness pertama kali dikirimkan secara diam-diam dalam rilis resmi DeepSeek V4 pada 31 Juli 2026, tanpa produk tersendiri maupun kode sumber yang dipublikasikan. Peluncuran resminya terjadi pada 13 Agustus 2026: pukul 11:56 UTC repositori publik mulai aktif, @deepseek_ai memposting bahwa “DeepSeek Harness v0.1 kini tersedia dalam Developer Preview,” DeepSeek-V4-Pro-0813 mencapai ketersediaan umum, dan pracetak Cordis muncul di arXiv pada hari yang sama. 14 Agustus 2026 adalah tanggal tersendiri yang perlu diketahui: itulah commit paling awal yang terlihat dalam riwayat repositori publik, itulah mengapa beberapa tulisan menyebutnya sebagai hari kode dibuka untuk umum — namun repositorinya sendiri dibuat pada tanggal 13.
Sejak saat itu proyek ini merilis build baru hampir setiap hari: versi 0.1.1 hadir pada 21 Agustus bersamaan dengan DeepSeek-V4-Flash-Vision-Exp, dan 0.1.2-rc.1 menyusul pada 3 September. README memperingatkan dengan huruf kapital bahwa akan ada perubahan yang merusak kompatibilitas, dan isu maupun pull request dinonaktifkan di repositori — umpan balik disampaikan melalui GitHub Discussions atau Discord.
Langkah selanjutnya
Setiap bagian dari DeepSeek Harness memiliki halamannya sendiri dalam panduan ini, dan semuanya ditulis agar bisa dibaca dalam urutan apa pun.
Mulailah dengan menginstal DeepSeek Harness jika Anda hanya ingin langsung menjalankannya, dan baca DeepSeek Harness di Windows terlebih dahulu jika itulah mesin Anda — hampir semua kegagalan instalasi yang diketahui terjadi di Windows. Ketika sesuatu bermasalah, panduan kesalahan mencakup berbagai kegagalan berdasarkan kata-kata persis yang dicari orang.
Untuk memahami apa yang Anda jalankan, panduan repositori GitHub menjelaskan apa yang sebenarnya ada di dalam monorepo, dan Cordis mencakup kernel plugin yang mendasarinya. Dari sana, panduan plugin menunjukkan bagaimana kemampuan ditambahkan, diganti, dan dikirimkan, serta subagen mencakup bagian yang hampir tidak pernah ditulis siapa pun — dsh menjalankan Claude Code dan Codex sebagai proses turunan.
Untuk membahas keputusan, bukan mekanismenya: harga dan ekonomi token menguraikan dampak perubahan harga API Agustus 2026 terhadap argumen “lebih murah dari Claude Code,” DeepSeek Harness versus Claude Code membandingkan keduanya secara jujur dari kedua sisi, dan menjalankan model lokal mencakup Ollama, vLLM, LM Studio, dan llama.cpp bagi siapa pun yang tidak ingin mengirimkan kodenya ke mana pun. Jika Anda penasaran siapa yang membangun ini, halaman tim mengumpulkan informasi yang diketahui publik tentang kelompok di dalam DeepSeek yang berada di baliknya.