DeepSeek Harness (dsh): ဘာလဲ၊ ဘယ်လို run ရမလဲ

DeepSeek Harness သည် DeepSeek AI မှ တည်ဆောက်ထားသည့် open agent layer တစ်ခုဖြစ်ပြီး၊ MIT လိုင်စင်အောက်တွင် August 13, 2026 နေ့က ထုတ်ပြန်ခဲ့သည်။ ၎င်းသည် model တစ်ခုလည်း မဟုတ်၊ coding agent နောက်တစ်ခုလည်း မဟုတ် — မည်သည့် model ကိုမဆို အလုပ်လုပ်သော agent တစ်ခုအဖြစ် ပြောင်းလဲပေးသည့် scaffolding ဖြစ်သည်။ ဤအချက်ကို တရားဝင် product page က ရိုးရှင်းသောဖော်မြူလာဖြင့် တိုက်ရိုက်ဖော်ပြထားသည် — Agent = Model + Harness ဟူ၍။

DSH Field Guide သည် DeepSeek Harness ကို နေ့တိုင်း တပ်ဆင်အသုံးပြုနေသူများအတွက် မှတ်တမ်းတင်ရန် ရည်ရွယ်၍ ဖန်တီးထားသည့် လွတ်လပ်သောကျောင်းသားအသိုင်းအဝိုင်း အရင်းအမြစ်တစ်ခုဖြစ်သည်။ DeepSeek နှင့် မည်သည့်ဆက်သွယ်မှုမှ မရှိ၊ ၎င်းတို့၏ ထောက်ခံချက်မရှိ၊ ၎င်းတို့မှ ပိုင်ဆိုင်မှုမရှိပေ။ DeepSeek နှင့် DeepSeek Harness တို့သည် သက်ဆိုင်ရာပိုင်ရှင်၏ trademark များအဖြစ် ဆက်လက်တည်ရှိနေသည်။

DeepSeek Harness အမှန်တကယ် ဘာလဲ

DeepSeek Harness — command အမည် dsh — ကို DeepSeek AI မှ TypeScript ဖြင့် MIT လိုင်စင်အောက်တွင် ရေးသားထားပြီး၊ “Everything is a Plugin” ဟူသောဆောင်ပုဒ်ဖြင့် ထင်ရှားသည်။ GitHub repository ဖြစ်သော deepseek-ai/deepseek-harness သည် September 3, 2026 နေ့အရောက်တွင် stars 210,610 နှင့် forks 24,639 ရရှိပြီးဖြစ်ပြီး၊ ၎င်းသည် open-source project များတွင် အမြန်ဆုံးကြီးထွားလာသည့် project များစာရင်းတွင် ပါဝင်သည်ဟု ဆိုနိုင်သည်။

Model သည် agent ၏ ဝိညာဉ်ဖြစ်သည်။ Harness သည် agent အား ၎င်း၏ပတ်ဝန်းကျင်ကို နားလည်စေ၊ ကိရိယာများကို အသုံးပြုစေ၊ အမှန်တကယ်အခြေအနေများတွင် ဆက်လက်လုပ်ဆောင်နိုင်စေသည်။ — DeepSeek၊ တရားဝင် DeepSeek Harness product page

ထိုစာကြောင်းသည် ဒီဇိုင်း၏ ရည်ရွယ်ချက်တစ်ခုလုံးကို ဖော်ပြသည်။ DeepSeek Harness သည် language model တစ်ခုမဟုတ် — model ကို ပြင်ပမှ ချိတ်ဆက်ထည့်သွင်းသည်၊ တတိယပါတီ သို့မဟုတ် local model ဖြင့်ပင် ဖြစ်နိုင်သည်။ ၎င်းသည် coding agent တစ်ခုသက်သက်လည်း မဟုတ် — Claude Code နှင့် Codex တို့ကို ၎င်းနှင့် ယှဉ်ပြိုင်မည့်အစား ၎င်း၏ subagent များအဖြစ် တပ်ဆင်နိုင်သည်။ ၎င်းသည် benchmark framework လည်း မဟုတ် — EleutherAI ၏ lm-evaluation-harness သည် model များကို မှတ်သားတိုင်းတာရန် သုံးသည့် သီးခြား Python project တစ်ခုဖြစ်ပြီး၊ pip install -r requirements.txt setup ပါသည့် deepseek-ai/DeepSeek-Harness ဟူသော repository မည်သည်မျှ တည်ရှိမည်မဟုတ်ပေ။ အစစ်အမှန် dsh သည် Node.js ပေါ်တွင် အလုပ်လုပ်ပြီး npx မှတစ်ဆင့် တပ်ဆင်သည်။

The Agent = Model + Harness formula

DeepSeek Harness-တွင် မော်ဒယ်သင်ကြားခြင်းမှလွဲ၍ ကျန်သမျှအားလုံး ပါဝင်သည်— တာဝန်စီမံခြင်း၊ ကိရိယာခေါ်ဆိုမှုများ၊ ကုဒ်လုပ်ဆောင်ခြင်း၊ context စီမံခြင်း၊ session များ၊ ခွင့်ပြုချက်များနှင့် interface တို့ဖြစ်သည်။ DeepSeek ၏ ကိုယ်တိုင်ဖော်ပြသော ခေါ်ယူမှုစာရွက်များတွင် ဤအလွှာကို မော်ဒယ်ထိန်းချုပ်အလွှာ — context စီမံ၊ ကိရိယာခေါ်ဆိုမှု၊ ဖိုင်ဖတ်/ရေး၊ terminal ဖွင့်ကာ ရလဒ်ကို မိမိဘာသာပြင်ဆင်သည့် အစိတ်အပိုင်း — ဟု ရိုးရှင်းစွာ ဖော်ပြထားသည်။

What dsh is NOT

ဤပရောဂျက်သစ်ဆုံးသုံးစွဲသူများ မြဲမြံစွာ တွေ့ကြုံလေ့ရှိသော ခြားနားချက် သုံးမျိုးရှိသည်—

• ဘာသာစကားမော်ဒယ် မဟုတ်သည်။ DeepSeek Harness သည် adapter တစ်ခုမှတဆင့် မော်ဒယ်နှင့် ချိတ်ဆက်သည်၊ ထိုမော်ဒယ်သည် DeepSeek ၏ကိုယ်ပိုင်ဖြစ်နိုင်သလို အခြား provider တစ်ခုခုလည်း ဖြစ်နိုင်သည်။
• ကုဒ်ရေးသော agent သက်သက် မဟုတ်သည်။ အစစ်အမှန် Claude Code နှင့် Codex CLI များသည် ၎င်း၏အောက်တွင် subagent များအနေဖြင့် လည်ပတ်နိုင်သည်။
• benchmark framework မဟုတ်သည်။ lm-evaluation-harness (EleutherAI) သည် DeepSeek ၏မော်ဒယ်များကို အဆင့်ဖြတ်ရန် သုံးသော Python ပရောဂျက်ဖြစ်ပြီး DeepSeek ၏ထုတ်ကုန်မဟုတ်ဘဲ — နာမည်ထဲတွင် စကားလုံးတစ်လုံးတည်းသာ မျှဝေသော ဆက်စပ်မှုမရှိသည့် codebase နှစ်ခုသာ ဖြစ်သည်။

Everything is a plugin

DeepSeek Harness သည် plugin runtime တစ်ခုဖြစ်သော Cordis ပေါ်တွင် တည်ဆောက်ထားပြီး “Everything is a Plugin” ဟူသောကြော်ငြာစာသားသည် စျေးကွက်ချဲ့မှုသက်သက် မဟုတ်ပေ — မော်ဒယ်များ၊ ကိရိယာများ၊ skill များ၊ session များ၊ sandbox များ၊ file system များ၊ main loop ကိုယ်တိုင်၊ orchestration နှင့် UI တို့အားလုံးကို plugin များအဖြစ် အကောင်အထည်ဖော်ထားသည်။ packages/ ဒိုင်ရက်တိုရီတွင် workspace package ပေါင်း ၂၀၀ ကျော် ပါဝင်ပြီး plugin တစ်ခုကို process ကို ပြန်မဖွင့်ဘဲ တိုက်ရိုက် unmount ပြုလုပ်နိုင်သည်။

Why that is different from a normal agent framework

ပုံမှန် agent framework တစ်ခုသည် main loop တစ်ခုနှင့် လက်ဖြင့်ချိတ်ဆက်ထားသော စွမ်းဆောင်ရည်အပုံကြီးဖြင့် ဖွဲ့စည်းထားသည်၊ စွမ်းဆောင်ရည်အသစ်တစ်ခု ထည့်ရန် loop ကိုပြင်ဆင်ခြင်း၊ prompt assembly ကိုပြန်တည်ဆောက်ခြင်းနှင့် ကိရိယာများ ပြန်မှတ်ပုံတင်ခြင်းတို့ လိုအပ်သည်။ DeepSeek Harness သည် main loop ကိုယ်တိုင်ကိုပင် plugin တစ်ခုအဖြစ် ပြောင်းလဲလိုက်သောကြောင့် တိုးချဲ့ရန်ဆိုသည်မှာ core ကို patch မလုပ်ဘဲ ရှိပြီးသား plugin များ၏ဘေးတွင် plugin အသစ်တစ်ခု ချိတ်ဆွဲလိုက်ရုံမျှသာ ဖြစ်သည်။

Capability seams

အစားထိုးနိုင်သော စွမ်းဆောင်ရည်တိုင်းကို — definition၊ implementation နှင့် consumer — ဟူ၍ အခန်းကဏ္ဍ သုံးမျိုးသို့ ခွဲထားသည်။ implementation တစ်ခုကို လဲလှယ်လိုက်ခြင်းဖြင့် ထိုစွမ်းဆောင်ရည်ကို အသုံးပြုသည့် နေရာတိုင်းတွင် ထုတ်ကုန်၏ အပြုအမူပြောင်းသွားပြီး fork ထုတ်ရန် မလိုအပ်ပေ။

Cordis: the runtime core

Cordis သည် DeepSeek Harness ၏အောက်တွင် ရှိသော plugin runtime ဖြစ်ပြီး မိမိကိုယ်ကို “spatiotemporal composability” အတွက် framework တစ်ခုအဖြစ် ဖော်ပြသည်။ ၎င်း၏ ဒီဇိုင်းကို Yifan Shi၊ Wei Zhang နှင့် Tianyi Cui တို့ ၂၀၂၆ ခုနှစ် August ၁၃ ရက်တွင် ထုတ်ဝေသော “A Programming Paradigm for Spatiotemporal Composability” ဆိုသော စာမျက်နှာ ၈၈ မျက်နှာပါ arXiv 2608.25512 preprint တွင် မှတ်တမ်းတင်ထားသည်။

ဤမော်ဒယ်ကို ဂုဏ်သတ္တိနှစ်မျိုးဖြင့် သတ်မှတ်သည်။ Temporal composability ဆိုသည်မှာ component တစ်ခု unload ပြုလုပ်သောအခါ ၎င်းဖြစ်ပေါ်စေသည့် effect တိုင်းကို ပြည့်စုံစွာ ပြန်ဖျောက်ပေးသည်ကို ဆိုလိုသည်။ Spatial composability ဆိုသည်မှာ component များသည် မိမိ၏ dependency များကို ကြေညာကာ reactive အနေဖြင့် ချိတ်ဆက်ပေးသည်ကို ဆိုလိုသည်။ DeepSeek သည် Cordis ကို ပြင်ပ package အဖြစ် မမှီခိုဘဲ DeepSeek Harness ထဲသို့ တိုက်ရိုက် vendor ပြုလုပ်ထားသည်။

Cordis ကိုယ်တိုင်သည် DeepSeek Harness မတိုင်မီကပင် ရှိပြီးဖြစ်သည် — ၎င်းသည် developer Yifan Shi (Shigma ဟု လူသိများ) ၏ standalone open-source ပရောဂျက်တစ်ခုဖြစ်ပြီး ၂၀၁၉ ခုနှစ်မှစ၍ Koishi chatbot framework ၏ plugin core အဖြစ် တာဝန်ထမ်းဆောင်လာသည်။ “plugin တစ်ခု unload ပြုလုပ်သောအခါ ၎င်းပြုလုပ်ခဲ့သမျှကို ပြန်ဖျောက်ရမည်” ဆိုသည့် စည်းကမ်းသည် ထိုအစောပိုင်းပရောဂျက်မှ ဆင်းသက်လာသည်။

Session log တစ်ကြောင်းချင်းဖြည့်သောမှတ်တမ်း

လုပ်ဆောင်မှုတိုင်းသည် session log တစ်ခုထဲသို့ တစ်ကြောင်းချင်းဖြည့်သွားသည် — system prompts၊ reasoning traces၊ tool calls နှင့် ၎င်းတို့၏ ရလဒ်များ၊ subagent planning နှင့် context injection တိုင်း ပါဝင်သည်။ Resume၊ fork၊ search နှင့် replay တို့ကို သီးခြား state store မဟုတ်ဘဲ ထို log ကိုပြန်ဖတ်ခြင်းဖြင့်သာ လုပ်ဆောင်သည်။

web UI သည် agent runtime အများစုက လုံးဝဖျောက်ထားသော စာရင်းဇယားများကို မျက်နှာပြင်ပေါ်တင်ပြသည် — tokens per second၊ cache hit rate၊ turn count နှင့် ကြာချိန်တို့ဖြစ်သည်။ ဤပရောဂျက်ကို Hacker News တွင် ဆွေးနွေးစဉ်က thread တစ်ခုတွင် မှတ်မှတ်ရရ ချက် ၇၄၇ ချက်နှင့် မှတ်ချက် ၃၁၄ ခု ရရှိခဲ့ပြီး session log ၏ ပွင့်လင်းမြင်သာမှုသည် ဆွေးနွေးချက်ထဲတွင် အကြောင်းအရာတစ်ခုအဖြစ် အများဆုံးချီးမွမ်းခြင်းခံရသည်။

မုဒ်လေးမျိုး — standard၊ code၊ minimal၊ creator

Command တစ်ကြောင်းတည်းဖြင့် စတင်အသုံးပြုခြင်း

လည်ပတ်သောပုံစံကို အမြန်ဆုံးရရန် line တစ်ကြောင်းမျှသာ လိုသည် —

npx @deepseek-ai/dsh web

ထို command သည် http://127.0.0.1:3080 တွင် web interface ကို စတင်ဖွင့်ပြီး browser ထဲ ဖွင့်ပေးသည်၊ headless machine ပေါ်တွင် browser မဖွင့်လိုက browser launch ကိုကျော်ရန် --no-open ထည့်ပါ။ Node.js ^22.19.0 သို့မဟုတ် ≥ 24.0.0 လိုအပ်ပြီး source မှ build လုပ်ပါက pnpm 11.7.0 လည်း လိုသည် —

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. agent ကို အစစ်အမှန်ပရောဂျက်တစ်ခုသို့ ညွှန်မပြမီ SAFETY.md ကိုဖတ်ပါ — README က ၎င်းကို တောင်းဆိုသည်။
7. API key တောင်းသောအခါ ထည့်သွင်းပါ၊ ၎င်းကို $DSH_HOME/.credentials.yaml တွင် သိမ်းဆည်းပြီး interface ပေါ်တွင် ဖုံးကွယ်ထားသောပုံဖြင့် ပြသသည်။

ပထမဆုံး အဆင့်သုံးဆင့်ဖြင့် စတင်အသုံးပြုခြင်း

Settings ကိုဖွင့်ပြီး Models သို့သွား၍ API key တစ်ခု ကူးထည့်လိုက်ပါ — server ကို ပြန်လည်စတင်စရာမလိုဘဲ လမ်းကြောင်းသည် ချက်ချင်းပင် အသက်ဝင်သွားမည်ဖြစ်သည်။ လုပ်ဆောင်မည့် folder တစ်ခုကို ထည့်သွင်း၍ ရွေးချယ်ပါ၊ folder တစ်ခု ရွေးချယ်မှသာ task input ကို အသုံးပြုနိုင်မည်ဖြစ်သည်။ ထို့နောက် task တစ်ခု ပေးပို့ပါ။ ခွင့်ပြုချက်ပေးထားသည့်အပိုင်းများမှ ကျော်လွန်သည့် မည်သည့်အရာမဆို လုပ်ဆောင်မည်မဟုတ်ဘဲ သင့်ထံသို့ ပြန်လည်အတည်ပြုချက် တောင်းခံမည်ဖြစ်သည်။

အခြားဝင်ရောက်မှုလမ်းကြောင်းများ

Web UI အပြင် DeepSeek Harness တွင် TUI (dsh --profile tui)၊ script နှင့် CI အတွက် headless mode (dsh --profile headless "task description")၊ Python SDK (pip install deepseek-harness-sdk၊ ၎င်းတွင် ကိုယ်ပိုင် runtime ပါဝင်သောကြောင့် system Node.js ติดตั้งထားစရာမလိုပါ — Windows x64 build ကို 0.1.2-rc.1 တွင် ထည့်သွင်းလိုက်သည်) နှင့် အခြား application တစ်ခုထဲသို့ တိုက်ရိုက်ထည့်သွင်းအသုံးပြုနိုင်သည့် TypeScript SDK တို့ ပါဝင်သည်။

Model များ၊ provider များနှင့် ကုန်ကျစရိတ်

DeepSeek Harness ကိုယ်တိုင်မှာ MIT လိုင်စင်အောက်တွင် အခမဲ့နှင့် open source ဖြစ်သည် — တစ်ခုတည်းသော ပုံမှန်ကုန်ကျစရိတ်မှာ model ၏ token အသုံးပြုမှုသာ ဖြစ်သည်။ DeepSeek API မှ deepseek-v4-flash၊ deepseek-v4-pro နှင့် စမ်းသပ်ဆဲ deepseek-v4-flash-vision-exp တို့ကို token context window 1M နှင့် output 384K token အထိ ဆောင်ရွက်ပေးသည်။ ဈေးနှုန်းအသစ်မှာ August 16, 2026 တွင် 16:00 UTC မှ စတင်သက်ရောက်ခဲ့ပြီး peak နှင့် off-peak အချိန်ကွာဟချက်ဖြင့် ခွဲခြားထားသည် (peak: တနင်္လာနေ့မှ သောကြာနေ့၊ 01:00–04:00 နှင့် 06:00–10:00 UTC)။

အသေးစိတ်အချက်အလက်အပြည့်အစုံကို DeepSeek API pricing page တွင် ကြည့်ရှုနိုင်သည်။ API ကုန်ကျစရိတ် ဖြစ်မချင်သူများ အတွက် @deepseek-ai/dsh-llm-pi-ai adapter သည် DeepSeek Harness ကို Ollama၊ vLLM၊ LM Studio၊ llama.cpp နှင့် OpenAI-compatible gateway မည်သည့်တစ်ခုမဆိုအပါအဝင် third-party နှင့် local model backend များသို့ ချိတ်ဆက်ပေးသောကြောင့် local model ကို အခမဲ့ပင် dsh setup တူတူနှင့် အသုံးပြုနိုင်သည်။

Claude Code နှင့် Codex ကို subagent များအဖြစ် အသုံးပြုခြင်း

ထင်မြင်ချက်မကြာခဏမတွေ့ရသော ဒီဇိုင်းရွေးချယ်မှုတစ်ခုမှာ DeepSeek Harness သည် third-party coding agent များကို အစားထိုးမည့်အစား ၎င်းတို့ထံသို့ လုပ်ငန်းများ ပေးအပ်နိုင်ကြောင်းပင်ဖြစ်သည်။ @deepseek-ai/dsh-subagent-claude-code package သည် official Agent SDK မှတဆင့် child process တစ်ခုအဖြစ် Claude Code CLI ကို အမှန်တကယ် ဖွင့်လှစ်ပြီး @deepseek-ai/dsh-subagent-codex မှာ Codex အတွက် ၎င်း၏ app-server --stdio protocol မှတဆင့် တူညီသောလုပ်ဆောင်မှုကို ဆောင်ရွက်ပေးသည်။ subagent တစ်ခုစီတွင် ကိုယ်ပိုင် native configuration နှင့် authorization ရှိပြီး DeepSeek Harness သည် ထိုကိရိယာများ၏ login လုပ်ဆောင်မှုကို ကြားဝင်ဟန့်တားခြင်း သို့မဟုတ် ကျော်လွှားပြောင်းလဲခြင်း မပြုပါ။ 0.1.2-rc.1 အရ subagent တစ်ခုစီ အသုံးပြုသည့် model ကို parent session နှင့် သီးခြားစီ ပြင်ဆင်သတ်မှတ်နိုင်သည်။

ထုတ်ပြန်မှုဇယားကွက်နှင့် လက်ရှိအခြေအနေ

DeepSeek Harness ၏ စွမ်းဆောင်ရည်များသည် 2026 ခုနှစ် ဇူလိုင် 31 ရက်နေ့တွင် ထုတ်ပြန်သော တရားဝင် DeepSeek V4 ထုတ်ဝေမှုအတွင်း ဆိတ်ငြိမ်စွာ ပါဝင်ခဲ့ပြီး၊ သီးခြားထုတ်ကုန်တစ်ခု သို့မဟုတ် အများပြည်သူမြင်နိုင်သောရင်းမြစ်ကုဒ် မပါဝင်ခဲ့ပေ။ တကယ့်မိတ်ဆက်မှုမှာ August 13, 2026 ရက်နေ့တွင် ဖြစ်ပေါ်ခဲ့သည် — UTC နာရီ 11:56 တွင် အများပြည်သူ repository ထွက်ရှိခဲ့ပြီး၊ @deepseek_ai မှ ပိုစ့်တင်ကာ “DeepSeek Harness v0.1 ကို Developer Preview တွင် ယခုရရှိနိုင်ပြီ” ဟု ကြေညာခဲ့သည်၊ DeepSeek-V4-Pro-0813 သည် general availability သို့ ရောက်ရှိခဲ့ပြီး၊ Cordis preprint သည် ထိုနေ့ပင် arXiv တွင် ထွက်ပေါ်ခဲ့သည်။ August 14, 2026 ရက်နေ့မှာ သိသင့်သည့် သီးခြားနေ့ရက်တစ်ခုဖြစ်သည် — ၎င်းသည် အများပြည်သူ repository မှတ်တမ်းတွင် မြင်ရနိုင်သော အစောဆုံး commit ၏ ရက်စွဲဖြစ်ပြီး၊ ထိုကြောင့် အချို့ဆောင်းပါးများက ၎င်းနေ့ကို ကုဒ်ဖွင့်ချိန်ဟု ဖော်ပြကြသည် — သို့သော် repository ကိုယ်တိုင်မှာ 13 ရက်နေ့တွင် ဖန်တီးခဲ့ခြင်းဖြစ်သည်။

ထိုအချိန်မှစ၍ project သည် ရက်တိုင်းနီးပါး build အသစ်တစ်ခု ထုတ်ပေးနေသည် — version 0.1.1 သည် DeepSeek-V4-Flash-Vision-Exp နှင့်အတူ August 21 ရက်နေ့တွင် ရောက်ရှိလာပြီး၊ 0.1.2-rc.1 သည် September 3 ရက်နေ့တွင် လိုက်ပါလာသည်။ README တွင် compatibility ကို ချိုးဖောက်သည့် ပြောင်းလဲမှုများ ရှိမည်ဟု စာလုံးကြီးများဖြင့် သတိပေးထားပြီး၊ repository တွင် issues နှင့် pull requests နှစ်ခုလုံးကို ပိတ်ထားသည် — ၎င်းအစား တုံ့ပြန်ချက်များကို GitHub Discussions သို့မဟုတ် Discord မှတစ်ဆင့် ပေးပို့ရသည်။

နောက်တစ်ဆင့်သွားရမည့်နေရာ

DeepSeek Harness ၏ အစိတ်အပိုင်းတိုင်းတွင် ဤလမ်းညွှန်တွင် မိမိ၏ ကိုယ်ပိုင်စာမျက်နှာရှိပြီး၊ ၎င်းတို့ကို မည်သည့်အစဉ်အတိုင်းမဆို ဖတ်ရှုနိုင်သည်။

ဆော့ဖ်ဝဲကိုသာ လည်ပတ်စေချင်ပါက DeepSeek Harness ထည့်သွင်းခြင်း မှ စတင်ပါ၊ ထို machine သည် Windows ဖြစ်ပါက Windows တွင် DeepSeek Harness ကို ဦးစွာဖတ်ပါ — သိရှိထားသော ထည့်သွင်းမှု ချွတ်ယွင်းချက်အများစုသည် Windows နှင့်သက်ဆိုင်သည်။ တစ်စုံတစ်ရာ ပျက်ကွက်လျှင် အမှားလမ်းညွှန် တွင် လူများရှာဖွေသော တိကျသောဝါကျပုံစံများဖြင့် ချွတ်ယွင်းချက်များကို ဖော်ပြထားသည်။

လည်ပတ်နေသည့်အရာကို နားလည်ရန် GitHub repository လမ်းကြောင်းပြ တွင် monorepo အတွင်းပါဝင်သည့်အရာများကို ရှင်းပြပြီး၊ Cordis တွင် ၎င်းအောက်ရှိ plugin kernel ကို ဖော်ပြသည်။ ထိုမှနေ၍ plugin လမ်းညွှန် တွင် စွမ်းဆောင်ရည်များ မည်သို့ထည့်သွင်း၊ အစားထိုး နှင့် ပေးပို့သည်ကို ဖော်ပြပြီး၊ subagents တွင် လူနည်းသောရေးသားသော အပိုင်းကို ဖော်ပြသည် — dsh သည် Claude Code နှင့် Codex တို့ကို child process များအဖြစ် လည်ပတ်ခြင်းဖြစ်သည်။

စက်ပြင်ဆင်မှုမဟုတ်ဘဲ ဆုံးဖြတ်ချက်များအတွက် — စျေးနှုန်းနှင့် token economics တွင် August 2026 API စျေးနှုန်းပြောင်းလဲမှုသည် “Claude Code ထက်သက်သာသည်” ဆိုသော အငြင်းအခုံကို မည်သို့ အကျိုးသက်ရောက်ခဲ့သည်ကို ဆွေးနွေးထားပြီး၊ DeepSeek Harness နှင့် Claude Code နှိုင်းယှဉ် တွင် နှစ်ဘက်လုံးကို ရိုးသားစွာ နှိုင်းယှဉ်ထားသည်၊ local model များ လည်ပတ်ခြင်း တွင် ကုဒ်ကို မည်သည့်နေရာသို့မျှ မပေးပို့လိုသူများအတွက် Ollama, vLLM, LM Studio နှင့် llama.cpp တို့ကို ဖော်ပြသည်။ ၎င်းကို တည်ဆောက်သူများ သိချင်ပါက team စာမျက်နှာ တွင် DeepSeek အတွင်းရှိ အဖွဲ့နှင့်ပတ်သက်၍ အများပြည်သူသိရှိသောအချက်များကို စုဆောင်းထားသည်။

FAQ