DeepSeek Harness (dsh): Apa Itu dan Cara Menjalankannya

DeepSeek Harness ialah lapisan agen terbuka yang dibina oleh DeepSeek AI, diterbitkan pada August 13, 2026 di bawah lesen MIT. Ia bukan model dan bukan ejen pengkodan yang lain — ia adalah rangka yang mengubah mana-mana model menjadi agen berfungsi, suatu perkara yang dinyatakan secara langsung di halaman produk rasmi dengan formula mudah: Agent = Model + Harness.

DSH Field Guide ialah sumber komuniti bebas yang dibina untuk mendokumenkan DeepSeek Harness bagi mereka yang menyediakannya dan menggunakannya dari hari ke hari. Ia tidak berafiliasi dengan, disokong oleh, atau dikendalikan oleh DeepSeek, dan DeepSeek serta DeepSeek Harness kekal sebagai tanda dagang pemilik masing-masing.

Apa sebenarnya DeepSeek Harness

DeepSeek Harness — nama arahan dsh — dibangunkan oleh DeepSeek AI dan ditulis dalam TypeScript di bawah lesen MIT, dengan tagline “Everything is a Plugin.” Repositori GitHub, deepseek-ai/deepseek-harness, telah mengumpul 210,610 bintang dan 24,639 fork menjelang September 3, 2026, suatu permulaan yang cukup pantas untuk menyenaraikannya antara pelancaran sumber terbuka yang paling cepat berkembang dalam rekod.

Model ialah jiwa agen. Harness membolehkan agen memahami persekitarannya, menggunakan alat, dan terus bekerja dalam keadaan sebenar. — DeepSeek, halaman produk rasmi DeepSeek Harness

Baris itu merangkum keseluruhan niat reka bentuk. DeepSeek Harness bukan model bahasa — model dipasang dari luar, termasuk model pihak ketiga atau tempatan. Ia juga bukan sekadar ejen pengkodan yang lain: Claude Code dan Codex boleh dipasang di dalamnya sebagai subejen, bukannya bersaing dengannya. Dan ia bukan rangka kerja penanda aras — lm-evaluation-harness milik EleutherAI adalah projek Python berasingan yang digunakan untuk menilai model, dan tiada repositori bernama deepseek-ai/DeepSeek-Harness dengan persediaan pip install -r requirements.txt yang wujud. Dsh sebenar berjalan pada Node.js dan dipasang melalui npx.

Formula Ejen = Model + Harness

Semua perkara kecuali latihan model itu sendiri terkandung dalam DeepSeek Harness: perancangan tugas, panggilan alat, pelaksanaan kod, pengurusan konteks, sesi, kebenaran, dan antara muka. Bahan pengambilan pekerja DeepSeek sendiri menerangkan lapisan ini secara langsung sebagai lapisan kawalan model — bahagian yang mengurus konteks, memanggil alat, membaca dan menulis fail, menjalankan terminal, serta membetulkan sendiri hasilnya.

Apa yang dsh BUKAN

Tiga perbezaan ini kerap timbul bagi sesiapa yang baru mengenali projek ini:

• Bukan model bahasa. DeepSeek Harness menyambung kepada model melalui penyesuai; model itu boleh jadi kepunyaan DeepSeek sendiri atau daripada pembekal yang sama sekali berbeza.
• Bukan sekadar ejen pengekodan. CLI Claude Code dan Codex yang sebenar boleh dijalankan sebagai sub-ejen di bawahnya.
• Bukan rangka kerja penanda aras. lm-evaluation-harness (EleutherAI) ialah projek Python yang digunakan untuk menilai model DeepSeek, bukan produk DeepSeek — kedua-duanya adalah pangkalan kod yang tidak berkaitan dan hanya berkongsi satu perkataan dalam nama masing-masing.

Everything ialah plugin

DeepSeek Harness dibina di atas Cordis, iaitu masa jalan plugin, dan slogan “Everything is a Plugin” bukan sekadar kiasan pemasaran — model, alat, kemahiran, sesi, kotak pasir, sistem fail, gelung utama itu sendiri, orkestrasi, dan antara muka semuanya dilaksanakan sebagai plugin. Direktori packages/ mengandungi lebih daripada 200 pakej ruang kerja, dan plugin boleh dinyahpasang semasa proses berjalan tanpa perlu memulakan semula proses tersebut.

Mengapa ini berbeza daripada rangka kerja ejen biasa

Rangka kerja ejen biasa terdiri daripada satu gelung utama ditambah sekumpulan keupayaan yang disambungkan secara manual; menambah keupayaan baharu bermakna perlu mengedit gelung, membina semula pemasangan gesaan, dan mendaftarkan semula alat. DeepSeek Harness menjadikan gelung utama itu sendiri sebagai plugin, jadi untuk melanjutkannya hanya perlu menggantung plugin baharu di sebelah plugin sedia ada, bukannya menampal teras.

Sambungan keupayaan

Setiap keupayaan yang boleh diganti dibahagikan kepada tiga peranan — takrifan, pelaksanaan, dan pengguna. Menggantikan satu pelaksanaan akan mengubah tingkah laku produk di mana-mana sahaja keupayaan itu digunakan, tanpa perlu melakukan percabangan.

Cordis: teras masa jalan

Cordis ialah masa jalan plugin yang mendasari DeepSeek Harness, dan ia menggambarkan dirinya sebagai rangka kerja untuk “kebolehkomposisian ruangmasa.” Rekabentuknya didokumenkan dalam pracetak arXiv 2608.25512, “A Programming Paradigm for Spatiotemporal Composability,” iaitu kertas kerja 88 halaman yang diterbitkan pada 13 August 2026 oleh Yifan Shi, Wei Zhang, dan Tianyi Cui.

Dua sifat menentukan model ini. Kebolehkomposisian temporal bermaksud menyahmuatkan komponen akan membalikkan sepenuhnya setiap kesan yang ditimbulkannya. Kebolehkomposisian spatial bermaksud komponen mengisytiharkan kebergantungan mereka dan disambungkan secara reaktif. DeepSeek memasukkan Cordis terus ke dalam DeepSeek Harness berbanding bergantung padanya sebagai pakej luar.

Cordis sendiri mendahului DeepSeek Harness — ia adalah projek sumber terbuka kendiri oleh pembangun Yifan Shi (dikenali sebagai Shigma), dan ia telah berfungsi sebagai teras plugin rangka kerja chatbot Koishi sejak 2019. Peraturan bahawa “menyahmuatkan plugin mesti membatalkan semua yang dilakukannya” lahir daripada projek terdahulu itu.

Log sesi hanya-tambah

Setiap jalankan sesi menulis ke dalam log hanya-tambah: gesaan sistem, jejak penaakulan, panggilan alat beserta hasilnya, perancangan subejen, dan setiap suntikan konteks. Resume, fork, carian, dan ulang tayang semuanya berfungsi dengan membaca semula melalui log tersebut, bukan melalui stor keadaan yang berasingan.

Antara muka web memaparkan statistik yang kebanyakan masa jalan ejen sembunyikan sepenuhnya: token sesaat, kadar hit cache, bilangan giliran, dan masa jalan yang telah berlalu. Ketika projek ini dibincangkan di Hacker News, thread tersebut mengumpulkan 747 mata dan 314 komen, dan ketelusan log sesi itu merupakan salah satu butiran yang paling dipuji dalam perbincangan.

Empat mod: standard, code, minimal, creator

Mula pantas dalam satu arahan

Laluan terpantas ke instans yang berjalan hanyalah satu baris:

npx @deepseek-ai/dsh web

Arahan itu memulakan antara muka web di http://127.0.0.1:3080 dan membukanya dalam pelayar; tambah --no-open untuk melangkau pelancaran pelayar pada mesin tanpa kepala. Ia memerlukan Node.js ^22.19.0 atau ≥ 24.0.0, dan pnpm 11.7.0 jika anda membina dari sumber:

1. git clone https://github.com/deepseek-ai/deepseek-harness.git
2. cd deepseek-harness
3. pnpm install
4. pnpm run build
5. pnpm dsh web
6. Baca SAFETY.md sebelum menghala ejen ke projek sebenar — README memerlukannya.
7. Tambah kunci API anda apabila diminta; ia disimpan dalam $DSH_HOME/.credentials.yaml dan dipaparkan dalam bentuk bertopeng pada antara muka.

Langkah pertama dalam tiga peringkat

Buka Settings, pergi ke Models, dan tampal kunci API — laluan diaktifkan serta-merta, tanpa perlu memulakan semula pelayan. Tambah dan pilih folder kerja; kotak input tugas kekal dilumpuhkan sehingga folder dipilih. Kemudian hantar tugas. Apa-apa yang melebihi kebenaran yang telah diberikan akan dipaparkan semula kepada anda untuk pengesahan sebelum dilaksanakan.

Titik masuk lain

Selain antara muka web, DeepSeek Harness turut dilengkapi TUI (dsh --profile tui), mod tanpa kepala untuk skrip dan CI (dsh --profile headless "task description"), SDK Python (pip install deepseek-harness-sdk, yang membawa masa jalanannya sendiri supaya pemasangan Node.js pada sistem tidak diperlukan — binaan Windows x64 disertakan dalam 0.1.2-rc.1), dan SDK TypeScript untuk membenamkannya terus ke dalam aplikasi lain.

Model, pembekal dan kos penggunaan

DeepSeek Harness sendiri percuma dan terbuka di bawah lesen MIT — satu-satunya kos berulang ialah penggunaan token model. API DeepSeek menyediakan deepseek-v4-flash, deepseek-v4-pro, dan deepseek-v4-flash-vision-exp yang masih eksperimental, semuanya dengan tetingkap konteks 1M token dan output sehingga 384K token. Harga baharu berkuat kuasa pada 16 August 2026 pukul 16:00 UTC, dengan kadar dibahagikan kepada waktu puncak dan luar puncak (puncak: 01:00–04:00 dan 06:00–10:00 UTC, Isnin hingga Jumaat).

Butiran penuh tersedia di halaman harga API DeepSeek. Bagi sesiapa yang mahukan kos API sifar, penyesuai @deepseek-ai/dsh-llm-pi-ai menghubungkan DeepSeek Harness kepada backend model pihak ketiga dan tempatan, termasuk Ollama, vLLM, LM Studio, llama.cpp, dan mana-mana get laluan serasi OpenAI — jadi model tempatan sepenuhnya, dijalankan secara percuma, berfungsi dengan persediaan dsh yang sama.

Claude Code dan Codex sebagai subagen

Salah satu pilihan reka bentuk yang kurang ketara: DeepSeek Harness boleh mewakilkan tugas kepada ejen pengkodan pihak ketiga yang sebenar, bukan menggantikan mereka. Pakej @deepseek-ai/dsh-subagent-claude-code melancarkan CLI Claude Code yang sebenar sebagai proses anak melalui SDK Ejen rasmi, manakala @deepseek-ai/dsh-subagent-codex melakukan perkara yang sama untuk Codex melalui protokol app-server --stdio-nya. Setiap subagen mengekalkan konfigurasi dan kebenaran natif tersendiri — DeepSeek Harness tidak memintas atau mengatasi cara alat tersebut log masuk. Mulai 0.1.2-rc.1, model yang digunakan oleh setiap subagen boleh dikonfigurasi secara berasingan daripada sesi induk.

Garis masa pelepasan dan status semasa

Keupayaan DeepSeek Harness mula dihantar secara senyap dalam pelepasan rasmi DeepSeek V4 pada 31 Julai 2026, tanpa produk berasingan atau sumber awam. Pelancaran sebenar berlaku pada 13 August 2026: pada pukul 11:56 UTC repositori awam telah disiarkan, @deepseek_ai mencatat bahawa “DeepSeek Harness v0.1 kini tersedia dalam Pratonton Pembangun,” DeepSeek-V4-Pro-0813 mencapai ketersediaan umum, dan pracetak Cordis muncul di arXiv pada hari yang sama. 14 August 2026 adalah tarikh berasingan yang perlu diketahui: ia merupakan komit terawal yang kelihatan dalam sejarah repositori awam, itulah sebabnya beberapa tulisan menggambarkannya sebagai hari kod dibuka — namun repositori itu sendiri dicipta pada tarikh 13.

Sejak itu projek ini telah menghantar binaan baharu hampir setiap hari: versi 0.1.1 tiba pada 21 August seiring dengan DeepSeek-V4-Flash-Vision-Exp, dan 0.1.2-rc.1 menyusul pada 3 September. README memberi amaran dalam huruf besar bahawa akan ada perubahan yang memecahkan keserasian, dan isu serta permintaan tarik kedua-duanya dilumpuhkan dalam repositori — maklum balas dihantar melalui Perbincangan GitHub atau Discord sebaliknya.

Ke mana hendak pergi seterusnya

Setiap bahagian DeepSeek Harness mempunyai halaman tersendiri dalam panduan ini, dan semuanya ditulis untuk dibaca mengikut urutan apa pun.

Mulakan dengan memasang DeepSeek Harness jika anda hanya mahu ia berjalan, dan baca DeepSeek Harness pada Windows terlebih dahulu jika itulah mesin anda — hampir setiap kegagalan pemasangan yang diketahui berlaku pada Windows. When sesuatu rosak, panduan ralat merangkumi kegagalan mengikut susunan kata tepat yang dicari orang.

Untuk memahami apa yang anda jalankan, panduan repositori GitHub menerangkan apa yang sebenarnya terdapat di dalam monorepo, dan Cordis meliputi kernel pemalam di bawahnya. Dari situ, panduan pemalam menunjukkan cara keupayaan ditambah, digantikan dan dihantar, dan subejen meliputi bahagian yang hampir tiada siapa menulis mengenainya — dsh menjalankan Claude Code dan Codex sebagai proses anak.

Untuk keputusan berbanding mekanisme: harga dan ekonomi token mengupas apa yang dilakukan oleh perubahan harga API pada August 2026 terhadap hujah “lebih murah daripada Claude Code,” DeepSeek Harness berbanding Claude Code membandingkannya secara jujur dalam kedua-dua arah, dan menjalankan model tempatan meliputi Ollama, vLLM, LM Studio dan llama.cpp bagi sesiapa yang lebih suka tidak menghantar kod ke mana-mana. Jika anda ingin tahu siapa yang membina ini, halaman pasukan mengumpulkan apa yang diketahui secara umum tentang kumpulan di dalam DeepSeek yang berada di belakangnya.

Soalan Lazim