DeepSeek Harness (dsh): что это такое и как его запустить
DeepSeek Harness — это открытый агентский слой, разработанный DeepSeek AI и выпущенный 13 августа 2026 года под лицензией MIT. Это не модель и не очередной агент для написания кода — это скаффолдинг, который превращает любую модель в работающего агента. Официальная страница продукта формулирует это прямо и лаконично: Агент = Модель + Harness.
DSH Field Guide — независимый ресурс сообщества, созданный для документирования DeepSeek Harness и предназначенный для тех, кто его настраивает и использует каждый день. Ресурс не аффилирован с DeepSeek, не одобрен им и не управляется им; DeepSeek и DeepSeek Harness остаются товарными знаками своих соответствующих владельцев.
Что такое DeepSeek Harness на самом деле
DeepSeek Harness — команда dsh — разработан компанией DeepSeek AI, написан на TypeScript под лицензией MIT и выходит под девизом «Everything is a Plugin». Репозиторий на GitHub, deepseek-ai/deepseek-harness, к 3 сентября 2026 года успел набрать 210 610 звёзд и 24 639 форков — темп роста, благодаря которому проект входит в число самых быстро набирающих популярность опенсорс-запусков за всё время наблюдений.
Модель — это душа агента. Harness позволяет агенту понимать своё окружение, использовать инструменты и продолжать работу в реальных условиях.— DeepSeek, официальная страница продукта DeepSeek Harness
Эта фраза точно отражает весь замысел. DeepSeek Harness — не языковая модель: модель подключается снаружи, в том числе сторонняя или локальная. Это и не просто очередной агент для написания кода: Claude Code и Codex можно подключать внутрь него как субагентов, а не конкурировать с ним. И это не фреймворк для бенчмаркинга: lm-evaluation-harness от EleutherAI — отдельный Python-проект для оценки моделей, и никакого репозитория deepseek-ai/DeepSeek-Harness с установкой через pip install -r requirements.txt не существует. Настоящий dsh работает на Node.js и устанавливается через npx.
Формула «Агент = Модель + Harness»
В DeepSeek Harness сосредоточено всё, кроме обучения самой модели: планирование задач, вызовы инструментов, выполнение кода, управление контекстом, сессии, права доступа и интерфейс. Собственные рекрутинговые материалы DeepSeek описывают этот слой прямо как уровень управления моделью — часть, которая управляет контекстом, вызывает инструменты, читает и записывает файлы, работает с терминалом и самостоятельно исправляет результат.
Чем dsh НЕ является
Всем, кто только начинает разбираться в проекте, регулярно приходится объяснять три вещи:
- Not a language model. DeepSeek Harness подключается к модели через адаптер; моделью может быть как собственная разработка DeepSeek, так и совершенно иной провайдер.
- Not just a coding agent. Настоящие Claude Code и Codex CLI могут работать как субагенты внутри него.
- Not a benchmark framework.
lm-evaluation-harness(EleutherAI) — это Python-проект для оценки моделей DeepSeek, а не продукт DeepSeek; два этих проекта не имеют ничего общего, кроме слова в названии.
Everything is a plugin
DeepSeek Harness построен на Cordis — среде выполнения плагинов, — и девиз «Everything is a Plugin» — не маркетинговый лозунг: модели, инструменты, скиллы, сессии, песочницы, файловые системы, главный цикл, оркестрация и интерфейс — всё реализовано в виде плагинов. В директории packages/ хранится более 200 рабочих пакетов, а плагин можно выгрузить на лету, не перезапуская процесс.
Чем это отличается от обычного агентного фреймворка
Типичный агентный фреймворк — это один главный цикл плюс набор возможностей, подключённых вручную; добавление новой возможности означает правку цикла, пересборку формирования промпта и повторную регистрацию инструментов. DeepSeek Harness превратил сам главный цикл в плагин, поэтому расширение сводится к добавлению нового плагина рядом с существующими, а не к правке ядра.
Швы возможностей
Каждая заменяемая возможность разделена на три роли — определение, реализацию и потребителя. Замена одной реализации меняет поведение продукта везде, где эта возможность используется, без необходимости делать форк.
Cordis: ядро среды выполнения
Cordis — это среда выполнения плагинов, на которой работает DeepSeek Harness; её авторы описывают её как фреймворк для «пространственно-временной компонуемости». Архитектура задокументирована в препринте arXiv 2608.25512, «A Programming Paradigm for Spatiotemporal Composability» — статья на 88 страниц, опубликованная August 13, 2026 авторами Yifan Shi, Wei Zhang и Tianyi Cui.
Модель определяется двумя свойствами. Временна́я компонуемость означает, что выгрузка компонента полностью отменяет все вызванные им эффекты. Пространственная компонуемость означает, что компоненты объявляют свои зависимости и соединяются реактивно. DeepSeek включает Cordis непосредственно в состав DeepSeek Harness, а не подключает как внешний пакет.
Cordis появился раньше DeepSeek Harness — это самостоятельный проект с открытым исходным кодом разработчика Yifan Shi (известного как Shigma), и с 2019 года он служит плагиновым ядром фреймворка чат-ботов Koishi. Правило «выгрузка плагина должна отменить всё, что он сделал» сложилось именно в том, более раннем проекте.
Лог сессий с дозаписью
Каждый запуск записывает данные в лог с возможностью только дозаписи: системные промпты, трассировки рассуждений, вызовы инструментов и их результаты, планирование подагентов и все инъекции контекста. Возобновление, ветвление, поиск и воспроизведение — всё это работает через чтение этого лога, а не отдельного хранилища состояний.
Веб-интерфейс отображает статистику, которую большинство агентских сред выполнения скрывают полностью: токенов в секунду, процент попаданий в кэш, число ходов и суммарное время работы. Когда проект обсуждался на Hacker News, тред набрал 747 очков и 314 комментариев, а прозрачность лога сессий стала одной из самых высоко оценённых деталей в обсуждении.
Четыре режима: стандартный, код, минимальный, создатель
| Режим | Что даёт | When to use it |
|---|---|---|
| Standard | Полный набор инструментов, универсальный агент | Повседневные задачи |
| Code | Инструменты доступны через SDK режима Code; модель пишет программу на TypeScript | Сложная многошаговая автоматизация |
| Minimal | Только bash и редактор в стиле str_replace | Честное сравнение моделей на равных условиях |
| Creator | Сборка собственного пресета | Создание кастомного профиля или набора |
Быстрый старт одной командой
Самый быстрый способ запустить экземпляр — одна строка:
npx @deepseek-ai/dsh webЭта команда запускает веб-интерфейс по адресу http://127.0.0.1:3080 и открывает его в браузере; добавьте --no-open, чтобы пропустить запуск браузера на headless-машине. Требуется Node.js ^22.19.0 или ≥ 24.0.0, а также pnpm 11.7.0 при сборке из исходников:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- Прочитайте
SAFETY.mdперед тем, как направить агента на реальный проект — README это требует. - Введите API-ключ по запросу; он хранится в
$DSH_HOME/.credentials.yamlи отображается в интерфейсе в маскированном виде.
Первый запуск за три шага
Откройте настройки, перейдите в раздел Models и вставьте API-ключ — маршрут активируется немедленно, перезапуск сервера не нужен. Добавьте и выберите рабочую папку: поле ввода задачи остаётся недоступным, пока папка не выбрана. Затем отправьте задачу. Всё, что выходит за рамки уже выданных разрешений, будет запрошено у вас для подтверждения перед выполнением.
Другие точки входа
Помимо веб-интерфейса, DeepSeek Harness поставляется с TUI (dsh --profile tui), безголовым режимом 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 версии 0.1.2-rc.1) и 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 токенами 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, разделив ставки на пиковые и внепиковые периоды (пиковые: 01:00–04:00 и 06:00–10:00 UTC, с понедельника по пятницу).
| v4-flash | v4-pro | |
|---|---|---|
| Input, попадание в кэш, вне пика | $0.007 / 1M | $0.022 / 1M |
| Input, промах кэша, вне пика | $0.22 / 1M | $0.66 / 1M |
| Input, промах кэша, пик | $0.44 / 1M | $1.32 / 1M |
| Вывод, вне пика | $0.66 / 1M | $1.98 / 1M |
Полные сведения — на странице тарифов DeepSeek API. Для тех, кто хочет обойтись без затрат на API, адаптер @deepseek-ai/dsh-llm-pi-ai подключает DeepSeek Harness к сторонним и локальным бэкендам, включая Ollama, vLLM, LM Studio, llama.cpp и любой совместимый с OpenAI шлюз — то есть полностью локальная модель, запущенная бесплатно, работает с тем же окружением dsh.
Claude Code и Codex как субагенты
Одно из не самых очевидных архитектурных решений: DeepSeek Harness умеет делегировать задачи настоящим сторонним агентам-кодировщикам, а не заменять их. Пакет @deepseek-ai/dsh-subagent-claude-code запускает полноценный 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 конфигурацию и авторизацию — DeepSeek Harness не перехватывает и не подменяет процесс входа в эти инструменты. Начиная с версии 0.1.2-rc.1, модель, используемая каждым субагентом, настраивается отдельно от родительской сессии.
Хронология релизов и текущий статус
Возможности DeepSeek Harness впервые появились без лишней огласки в составе официального релиза DeepSeek V4 31 июля 2026 года — без отдельного продукта и открытого исходного кода. Официальный запуск состоялся 13 августа 2026 года: в 11:56 UTC публичный репозиторий стал доступен, @deepseek_ai сообщил, что «DeepSeek Harness v0.1 теперь доступен в режиме 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, которую стоит запомнить: это самый ранний коммит, видимый в истории публичного репозитория, именно поэтому некоторые материалы называют этот день датой открытия кода — сам репозиторий, однако, 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 том, что будут изменения, нарушающие обратную совместимость; при этом Issues и Pull Requests в репозитории отключены — обратная связь направляется через GitHub Discussions или Discord.
Что читать дальше
Каждая часть DeepSeek Harness имеет собственную страницу в этом руководстве, 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 прочитайте DeepSeek Harness на Windows: почти все известные проблемы с установкой связаны именно с этой системой. Когда что-то идёт не так, руководство по ошибкам охватывает типичные сбои с точными формулировками, по которым люди ищут решения.
Чтобы разобраться в том, 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 рассматривают то, о чём почти никто не пишет, — как dsh запускает Claude Code и Codex в качестве дочерних процессов.
Если вас интересуют решения, а не механика: цены и экономика токенов разбирают, как изменение цен на API в August 2026 года повлияло на аргумент «дешевле, чем Claude Code»; DeepSeek Harness против Claude Code честно сравнивает их с обеих сторон; запуск локальных моделей охватывает 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, работающей над ним.