DeepSeek Harness (dsh): cos’è e come eseguirlo
DeepSeek Harness è uno strato agente open source sviluppato da DeepSeek AI, rilasciato il 13 August 2026 con licenza MIT. Non è un modello né l’ennesimo agente di coding — è l’impalcatura che trasforma qualsiasi modello in un agente operativo, concetto che la pagina prodotto ufficiale esprime direttamente con una formula semplice: Agente = Modello + Harness.
DSH Field Guide è una risorsa indipendente della community creata per documentare DeepSeek Harness a beneficio di chi lo configura e lo usa quotidianamente. Non è affiliata, approvata né gestita da DeepSeek; DeepSeek e DeepSeek Harness rimangono marchi dei rispettivi proprietari.
Cosa è davvero DeepSeek Harness
DeepSeek Harness — comando dsh — è sviluppato da DeepSeek AI e scritto in TypeScript con licenza MIT, con il motto “Everything is a Plugin”. Il repository GitHub, deepseek-ai/deepseek-harness, aveva già raccolto 210.610 stelle e 24.639 fork entro il 3 September 2026, una crescita così rapida da collocarlo tra i lanci open source con la diffusione più veloce mai registrata.
Il modello è l’anima dell’agente. L’harness permette all’agente di capire il proprio ambiente, usare gli strumenti e continuare a lavorare in condizioni reali. — DeepSeek, pagina prodotto ufficiale di DeepSeek Harness
Questa frase racchiude l’intera filosofia progettuale. DeepSeek Harness non è un modello linguistico — il modello si collega dall’esterno, anche di terze parti o in locale. Non è nemmeno un semplice agente di coding: Claude Code e Codex possono essere montati al suo interno come subagenti, anziché competere con esso. E non è un framework di benchmark — lm-evaluation-harness di EleutherAI è un progetto Python separato usato per valutare i modelli, e non esiste alcun repository chiamato deepseek-ai/DeepSeek-Harness con un setup pip install -r requirements.txt. Il vero dsh gira su Node.js e si installa tramite npx.
La formula Agente = Modello + Harness
Tutto ciò che non riguarda l’addestramento del modello vive in DeepSeek Harness: pianificazione dei task, chiamate agli strumenti, esecuzione del codice, gestione del contesto, sessioni, permessi e interfaccia. I materiali di recruiting di DeepSeek descrivono questo livello semplicemente come un livello di controllo del modello — la parte che gestisce il contesto, chiama gli strumenti, legge e scrive file, avvia un terminale e corregge autonomamente i risultati.
Cosa NON è dsh
Chi si avvicina al progetto per la prima volta si trova di fronte a tre distinzioni ricorrenti:
- Non è un modello linguistico. DeepSeek Harness si collega a un modello tramite un adattatore; il modello può essere quello proprietario di DeepSeek o un provider completamente diverso.
- Non è solo un agente di programmazione. I veri CLI di Claude Code e Codex possono girare come sotto-agenti al suo interno.
- Non è un framework di benchmark.
lm-evaluation-harness(EleutherAI) è un progetto Python usato per valutare i modelli di DeepSeek, non un prodotto DeepSeek — le due sono codebase indipendenti che condividono soltanto una parola nel nome.
Everything è un plugin
DeepSeek Harness è costruito su Cordis, un runtime per plugin, e il claim “Everything is a Plugin” non è un’etichetta di marketing — modelli, strumenti, skill, sessioni, sandbox, file system, il loop principale, l’orchestrazione e l’interfaccia utente sono tutti implementati come plugin. La directory packages/ contiene oltre 200 pacchetti workspace, e un plugin può essere smontato al volo senza riavviare il processo.
Perché questo è diverso da un normale framework per agenti
Un tipico framework per agenti è composto da un loop principale più un insieme di funzionalità collegate a mano; aggiungere una nuova funzionalità significa modificare il loop, ricostruire l’assemblaggio del prompt e ri-registrare gli strumenti. DeepSeek Harness ha trasformato il loop principale stesso in un plugin: estenderlo significa aggiungere un nuovo plugin accanto a quelli esistenti, senza toccare il core.
Punti di giunzione tra le funzionalità
Ogni funzionalità sostituibile è suddivisa in tre ruoli — definizione, implementazione e consumatore. Sostituire un’implementazione cambia il comportamento del prodotto ovunque quella funzionalità venga utilizzata, senza necessità di creare un fork.
Cordis: il core del runtime
Cordis è il runtime per plugin alla base di DeepSeek Harness e si descrive come un framework per la “componibilità spaziotemporale”. La sua architettura è documentata nel preprint arXiv 2608.25512, “A Programming Paradigm for Spatiotemporal Composability,” un articolo di 88 pagine pubblicato il 13 August 2026 da Yifan Shi, Wei Zhang e Tianyi Cui.
Il modello si definisce attraverso due proprietà. La componibilità temporale significa che smontare un componente annulla completamente ogni effetto che aveva prodotto. La componibilità spaziale significa che i componenti dichiarano le proprie dipendenze e vengono collegati in modo reattivo. DeepSeek integra Cordis direttamente in DeepSeek Harness anziché dipendere da esso come pacchetto esterno.
Cordis nasce prima di DeepSeek Harness — è un progetto open source indipendente dello sviluppatore Yifan Shi (noto come Shigma) e costituisce il core per plugin del framework per chatbot Koishi fin dal 2019. La regola secondo cui “smontare un plugin deve annullare tutto ciò che ha fatto” è emersa proprio da quel progetto precedente.
Il log di sessione append-only
Ogni esecuzione scrive in un log append-only: prompt di sistema, tracce di ragionamento, chiamate agli strumenti e relativi risultati, pianificazione dei subagenti e ogni iniezione di contesto. Riprendere, biforsare, cercare e riprodurre una sessione funziona tutto leggendo da quel log, senza un archivio di stato separato.
L’interfaccia web mostra statistiche che la maggior parte dei runtime per agenti nasconde del tutto: token al secondo, percentuale di cache hit, numero di turni e tempo di esecuzione trascorso. Quando il progetto è stato discusso su Hacker News, il thread ha raccolto 747 punti e 314 commenti, e la trasparenza di quel log di sessione è stato uno dei dettagli più apprezzati nella discussione.
Quattro modalità: standard, code, minimal, creator
| Modalità | Cosa offre | Quando usarla |
|---|---|---|
| Standard | Set completo di strumenti, agente per uso generico | Attività quotidiane |
| Code | Strumenti esposti tramite il Code Mode SDK; il modello scrive un programma TypeScript | Automazioni complesse a più passaggi |
| Minimal | Solo bash e un editor in stile str_replace | Benchmarking equo e comparabile dei modelli |
| Creator | Composizione di un preset personalizzato | Creazione di un profilo o bundle su misura |
Avvio rapido con un solo comando
Il percorso più veloce per avere un’istanza funzionante è una sola riga:
npx @deepseek-ai/dsh webQuesto comando avvia un’interfaccia web su http://127.0.0.1:3080 e la apre nel browser; aggiungi --no-open per saltare l’apertura del browser su una macchina headless. Richiede Node.js ^22.19.0 o ≥ 24.0.0, e pnpm 11.7.0 se si compila dai sorgenti:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- Leggi
SAFETY.mdprima di puntare l’agente su un progetto reale — il README lo richiede espressamente. - Inserisci la tua chiave API quando richiesto; viene salvata in
$DSH_HOME/.credentials.yamle visualizzata in forma mascherata nell’interfaccia.
Первый запуск за три шага
Откройте Настройки, перейдите в раздел Модели и вставьте API-ключ — маршрут активируется немедленно, перезапускать сервер не нужно. Добавьте и выберите рабочую папку; поле ввода задачи остаётся неактивным, пока папка не выбрана. Затем отправьте задачу. Всё, что выходит за рамки уже выданных разрешений, будет вынесено на ваше подтверждение перед выполнением.
Другие точки входа
Помимо веб-интерфейса, DeepSeek Harness поставляется с TUI (dsh --profile tui), режимом без интерфейса для скриптов и CI (dsh --profile headless "task description"), Python SDK (pip install deepseek-harness-sdk, который включает собственную среду выполнения, так что системная установка Node.js не требуется — сборка для Windows x64 появилась в 0.1.2-rc.1), а также TypeScript SDK для встраивания непосредственно в другое приложение.
Модели, провайдеры и стоимость
Сам DeepSeek Harness бесплатен и распространяется под лицензией MIT — единственные регулярные расходы связаны с использованием токенов модели. DeepSeek API предоставляет deepseek-v4-flash, deepseek-v4-pro и экспериментальную deepseek-v4-flash-vision-exp — все с контекстным окном в 1М токенов и объёмом вывода до 384К токенов. Новые тарифы вступили в силу 16 August 2026 в 16:00 UTC; ставки разделены на пиковые и внепиковые периоды (пик: 01:00–04:00 и 06:00–10:00 UTC, с понедельника по пятницу).
| 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 |
Полная информация — на странице тарифов DeepSeek API. Для тех, кто хочет обойтись без расходов на API, адаптер @deepseek-ai/dsh-llm-pi-ai подключает DeepSeek Harness к сторонним и локальным бэкендам моделей, включая Ollama, vLLM, LM Studio, llama.cpp и любой совместимый с OpenAI шлюз — то есть полностью локальная модель, работающая бесплатно, использует ту же конфигурацию dsh.
Claude Code и Codex как субагенты
Одно из менее очевидных архитектурных решений: DeepSeek Harness может делегировать задачи настоящим сторонним агентам для работы с кодом, а не заменять их. Пакет @deepseek-ai/dsh-subagent-claude-code запускает реальный CLI Claude Code как дочерний процесс через официальный Agent SDK, а @deepseek-ai/dsh-subagent-codex делает то же самое для Codex через его протокол app-server --stdio. Каждый субагент сохраняет собственную нативную конфигурацию и авторизацию — DeepSeek Harness не перехватывает и не переопределяет механизм входа этих инструментов. Начиная с версии 0.1.2-rc.1, модель, используемую каждым субагентом, можно настраивать независимо от родительской сессии.
Хронология выпусков и текущее состояние
Возможности DeepSeek Harness впервые были тихо добавлены в официальный релиз DeepSeek V4 от 31 июля 2026 года — без отдельного продукта и открытого исходного кода. Официальный запуск состоялся 13 августа 2026 года: в 11:56 UTC появился 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 августа 2026 года — отдельная дата, заслуживающая внимания: это самый ранний коммит в истории публичного репозитория, поэтому некоторые публикации называют именно этот день открытием кода — сам же репозиторий был создан 13-го.
С тех пор проект выпускает новые сборки почти каждый день: версия 0.1.1 вышла 21 августа вместе с DeepSeek-V4-Flash-Vision-Exp, а 0.1.2-rc.1 последовала 3 сентября. README предупреждает заглавными буквами о возможных изменениях, нарушающих обратную совместимость; при этом issues и pull requests в репозитории отключены — обратная связь идёт через GitHub Discussions или Discord.
Что читать дальше
Каждой части DeepSeek Harness посвящена отдельная страница этого руководства, и их можно читать в любом порядке.
Начните с установки DeepSeek Harness, если хотите просто запустить его, а если ваша машина работает на Windows — сначала прочтите DeepSeek Harness на Windows: почти все известные проблемы при установке связаны именно с этой ОС. Когда что-то идёт не так, руководство по ошибкам разбирает сбои по точным формулировкам, которые люди ищут.
Чтобы понять, что именно вы запускаете, обзор репозитория на GitHub объясняет, что находится внутри монорепозитория, а Cordis описывает лежащее в основе ядро плагинов. Далее руководство по плагинам показывает, как добавляются, заменяются и поставляются возможности, а субагенты охватывают то, о чём почти никто не пишет, — как dsh запускает Claude Code и Codex в качестве дочерних процессов.
Для тех, кого интересуют решения, а не механика: цены и экономика токенов разбирает, что изменение цен API в August 2026 года сделало с аргументом «дешевле, чем Claude Code», DeepSeek Harness против Claude Code честно сравнивает оба инструмента с обеих сторон, а запуск локальных моделей рассматривает Ollama, vLLM, LM Studio и llama.cpp для тех, кто предпочитает не отправлять код куда-либо. Если вам интересно, кто стоит за этим проектом, страница команды собирает всё, что публично известно о группе внутри DeepSeek.