DeepSeek Harness (dsh): Đây là gì và cách chạy nó
DeepSeek Harness là một lớp agent mã nguồn mở do DeepSeek AI xây dựng, phát hành vào ngày 13 tháng 8 năm 2026 theo giấy phép MIT. Đây không phải là một mô hình, cũng không phải một coding agent khác — đây là phần giàn giáo biến bất kỳ mô hình nào thành một agent hoạt động được, điều mà trang sản phẩm chính thức nêu thẳng bằng một công thức đơn giản: Agent = Model + Harness.
DSH Field Guide là tài nguyên cộng đồng độc lập được xây dựng nhằm ghi chép về DeepSeek Harness dành cho những ai đang cài đặt và sử dụng nó hằng ngày. Tài nguyên này không có liên kết, không được bảo lãnh và không do DeepSeek vận hành; DeepSeek và DeepSeek Harness vẫn là thương hiệu thuộc sở hữu của chủ thể tương ứng.
DeepSeek Harness thực sự là gì
DeepSeek Harness — tên lệnh dsh — được DeepSeek AI phát triển và viết bằng TypeScript theo giấy phép MIT, với khẩu hiệu “Everything is a Plugin.” Kho lưu trữ GitHub deepseek-ai/deepseek-harness đã thu về 210.610 sao và 24.639 fork tính đến ngày 3 tháng 9 năm 2026 — tốc độ tăng trưởng nhanh đến mức nó nằm trong số những dự án mã nguồn mở ra mắt và phát triển chớp nhoáng nhất từ trước đến nay.
Mô hình là linh hồn của agent. Harness giúp agent hiểu môi trường xung quanh, sử dụng công cụ và tiếp tục hoạt động trong điều kiện thực tế.— DeepSeek, trang sản phẩm chính thức DeepSeek Harness
Câu đó nắm bắt trọn vẹn ý định thiết kế. DeepSeek Harness không phải là một mô hình ngôn ngữ — mô hình được cắm vào từ bên ngoài, kể cả mô hình của bên thứ ba hoặc mô hình chạy cục bộ. Đây cũng không đơn thuần là một coding agent khác: Claude Code và Codex có thể được gắn vào bên trong nó như các subagent thay vì cạnh tranh với nó. Và đây không phải là một framework benchmark — lm-evaluation-harness của EleutherAI là một dự án Python riêng biệt dùng để chấm điểm mô hình, và không tồn tại kho nào tên deepseek-ai/DeepSeek-Harness với cách cài đặt pip install -r requirements.txt. Dsh thực sự chạy trên Node.js và được cài thông qua npx.
Công thức Agent = Model + Harness
Mọi thứ ngoại trừ việc huấn luyện chính model đều nằm trong DeepSeek Harness: lập kế hoạch nhiệm vụ, gọi công cụ, thực thi mã, quản lý ngữ cảnh, phiên làm việc, quyền hạn và giao diện. Tài liệu tuyển dụng của chính DeepSeek mô tả tầng này một cách rõ ràng là lớp điều khiển model — phần quản lý ngữ cảnh, gọi công cụ, đọc và ghi tệp, chạy terminal và tự sửa kết quả.
DeepSeek Harness KHÔNG phải là gì
Ba điểm phân biệt thường xuyên xuất hiện với những ai mới tiếp cận dự án:
- Không phải một mô hình ngôn ngữ. DeepSeek Harness kết nối với model thông qua một bộ chuyển đổi; model đó có thể là model riêng của DeepSeek hoặc một nhà cung cấp hoàn toàn khác.
- Không chỉ là một coding agent. Các CLI Claude Code và Codex thực thụ có thể chạy như các subagent bên dưới nó.
- Không phải một framework đánh giá.
lm-evaluation-harness(EleutherAI) là một dự án Python dùng để chấm điểm các model của DeepSeek, không phải sản phẩm của DeepSeek — hai dự án này không liên quan gì đến nhau về mặt codebase, chỉ tình cờ dùng chung một từ trong tên gọi.
Everything là một plugin
DeepSeek Harness được xây dựng trên Cordis, một runtime plugin, và khẩu hiệu “Everything is a Plugin” không phải lời quảng cáo trống rỗng — model, công cụ, kỹ năng, phiên làm việc, sandbox, hệ thống tệp, vòng lặp chính, điều phối và giao diện người dùng đều được triển khai dưới dạng plugin. Thư mục packages/ chứa hơn 200 workspace package, và một plugin có thể được tháo ra ngay lập tức mà không cần khởi động lại tiến trình.
Điều này khác gì so với một agent framework thông thường
Một agent framework thông thường là một vòng lặp chính cộng với một tập hợp các khả năng được gắn kết thủ công; thêm một khả năng mới đồng nghĩa với việc phải chỉnh sửa vòng lặp, xây dựng lại phần lắp ghép prompt và đăng ký lại công cụ. DeepSeek Harness biến chính vòng lặp đó thành một plugin, vì vậy mở rộng hệ thống chỉ đơn giản là gắn thêm một plugin mới bên cạnh các plugin hiện có thay vì vá lõi.
Các ranh giới năng lực
Mỗi khả năng có thể thay thế được tách thành ba vai trò — định nghĩa, triển khai và người dùng. Việc hoán đổi một triển khai sẽ thay đổi hành vi của sản phẩm ở khắp nơi sử dụng khả năng đó, mà không cần fork.
Cordis: lõi runtime
Cordis là plugin runtime bên dưới DeepSeek Harness, tự mô tả là framework cho “khả năng kết hợp không-thời gian.” Thiết kế của nó được ghi lại trong bản preprint arXiv 2608.25512, “A Programming Paradigm for Spatiotemporal Composability,” một bài báo 88 trang được công bố ngày 13 August 2026 bởi Yifan Shi, Wei Zhang và Tianyi Cui.
Hai thuộc tính định nghĩa mô hình này. Khả năng kết hợp theo thời gian có nghĩa là gỡ tải một thành phần sẽ hoàn toàn hoàn tác mọi hiệu ứng mà nó gây ra. Khả năng kết hợp theo không gian có nghĩa là các thành phần khai báo phụ thuộc và được kết nối với nhau một cách phản ứng. DeepSeek tích hợp Cordis trực tiếp vào DeepSeek Harness thay vì phụ thuộc vào nó như một package bên ngoài.
Bản thân Cordis ra đời trước DeepSeek Harness — đây là một dự án mã nguồn mở độc lập của developer Yifan Shi (được biết đến với tên Shigma), và đã đóng vai trò là lõi plugin của framework chatbot Koishi từ năm 2019. Quy tắc “gỡ tải một plugin phải hoàn tác mọi thứ nó đã làm” xuất phát từ dự án tiền thân đó.
Nhật ký phiên làm việc chỉ thêm mới (append-only)
Mỗi lần chạy đều ghi vào một nhật ký chỉ thêm mới: lời nhắc hệ thống, dấu vết suy luận, các lệnh gọi công cụ cùng kết quả trả về, kế hoạch của subagent, và toàn bộ nội dung được đưa vào ngữ cảnh. Tiếp tục, rẽ nhánh, tìm kiếm và phát lại đều hoạt động bằng cách đọc lại nhật ký đó thay vì dùng một kho lưu trữ trạng thái riêng.
Giao diện web hiển thị các số liệu thống kê mà hầu hết môi trường chạy agent thường ẩn đi hoàn toàn: token mỗi giây, tỷ lệ cache hit, số lượt hội thoại, và thời gian chạy đã trôi qua. Khi dự án được thảo luận trên Hacker News, chủ đề đó nhận được 747 điểm và 314 bình luận, trong đó tính minh bạch của nhật ký phiên làm việc là một trong những chi tiết được khen ngợi nhiều nhất.
Bốn chế độ: standard, code, minimal, creator
| Chế độ | What nó cung cấp | When nào nên dùng |
|---|---|---|
| Standard | Bộ công cụ đầy đủ, agent đa năng | Các tác vụ hằng ngày |
| Code | Công cụ được hiển thị qua Code Mode SDK; mô hình viết một chương trình TypeScript | Tự động hoá nhiều bước phức tạp |
| Minimal | Chỉ có bash và một trình soạn thảo kiểu str_replace | Đánh giá mô hình công bằng, so sánh ngang hàng |
| Creator | Tự lắp ráp preset của riêng bạn | Xây dựng hồ sơ hoặc gói tuỳ chỉnh |
Khởi động nhanh chỉ với một lệnh
Con đường nhanh nhất để có một phiên bản đang chạy là một dòng lệnh:
npx @deepseek-ai/dsh webLệnh đó khởi động giao diện web tại http://127.0.0.1:3080 và mở nó trong trình duyệt; thêm --no-open để bỏ qua việc mở trình duyệt trên máy không có giao diện đồ hoạ. Yêu cầu Node.js ^22.19.0 hoặc ≥ 24.0.0, và pnpm 11.7.0 nếu bạn build từ mã nguồn:
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web- Đọc
SAFETY.mdtrước khi trỏ agent vào một dự án thực tế — README yêu cầu điều này. - Thêm khoá API khi được nhắc; khoá được lưu trong
$DSH_HOME/.credentials.yamlvà hiển thị dạng ẩn trên giao diện.
Bắt đầu trong ba bước
Mở Settings, vào mục Models và dán API key vào — tuyến kết nối được kích hoạt ngay lập tức, không cần khởi động lại máy chủ. Thêm và chọn thư mục làm việc; ô nhập tác vụ sẽ bị vô hiệu hoá cho đến khi chọn được thư mục. Sau đó gửi tác vụ. Bất kỳ thao tác nào vượt ngoài phạm vi quyền đã cấp đều sẽ được đưa ra để bạn xác nhận trước khi thực thi.
Các điểm truy cập khác
Ngoài giao diện web, DeepSeek Harness còn đi kèm TUI (dsh --profile tui), chế độ headless dành cho script và CI (dsh --profile headless "task description"), Python SDK (pip install deepseek-harness-sdk, tích hợp sẵn runtime riêng nên không cần cài Node.js trên hệ thống — bản build Windows x64 đã ra mắt trong 0.1.2-rc.1), và TypeScript SDK để nhúng trực tiếp vào ứng dụng khác.
Model, nhà cung cấp và chi phí
Bản thân DeepSeek Harness miễn phí và mã nguồn mở theo giấy phép MIT — chi phí định kỳ duy nhất là lượng token sử dụng của model. DeepSeek API cung cấp deepseek-v4-flash, deepseek-v4-pro và deepseek-v4-flash-vision-exp đang ở giai đoạn thử nghiệm, tất cả đều có cửa sổ ngữ cảnh 1M token và đầu ra lên đến 384K token. Bảng giá mới có hiệu lực từ ngày 16 August 2026 lúc 16:00 UTC, chia thành hai khung giờ cao điểm và thấp điểm (cao điểm: 01:00–04:00 và 06:00–10:00 UTC, thứ Hai đến thứ Sáu).
| 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 |
Thông tin đầy đủ có tại trang giá DeepSeek API. Đối với những ai muốn không tốn API, bộ adapter @deepseek-ai/dsh-llm-pi-ai kết nối DeepSeek Harness với các backend model bên thứ ba và cục bộ, bao gồm Ollama, vLLM, LM Studio, llama.cpp và bất kỳ gateway tương thích OpenAI nào — nghĩa là một model cục bộ hoàn toàn, chạy miễn phí, vẫn hoạt động với cùng cài đặt dsh.
Claude Code và Codex đóng vai trò subagent
Một trong những lựa chọn thiết kế ít được chú ý hơn: DeepSeek Harness có thể uỷ quyền cho các agent lập trình thực sự của bên thứ ba thay vì thay thế chúng. Gói @deepseek-ai/dsh-subagent-claude-code khởi chạy CLI Claude Code thực sự dưới dạng tiến trình con thông qua Agent SDK chính thức, còn @deepseek-ai/dsh-subagent-codex thực hiện tương tự với Codex thông qua giao thức app-server --stdio. Mỗi subagent giữ cấu hình gốc và uỷ quyền riêng của mình — DeepSeek Harness không can thiệp hay ghi đè cách các công cụ đó đăng nhập. Kể từ phiên bản 0.1.2-rc.1, model mà mỗi subagent sử dụng có thể được cấu hình độc lập với phiên cha.
Dòng thời gian phát hành và trạng thái hiện tại
Các tính năng của DeepSeek Harness lần đầu tiên được tích hợp âm thầm vào bản phát hành chính thức DeepSeek V4 ngày 31 tháng 7 năm 2026, chưa có sản phẩm riêng biệt hay mã nguồn công khai. Lần ra mắt thực sự diễn ra vào ngày 13 August, 2026: lúc 11:56 UTC, kho lưu trữ công khai chính thức mở cửa, @deepseek_ai đăng tải rằng “DeepSeek Harness v0.1 hiện đã có mặt trong Developer Preview,” DeepSeek-V4-Pro-0813 ra mắt rộng rãi, và bản preprint Cordis xuất hiện trên arXiv cùng ngày. Ngày 14 August, 2026 là một mốc riêng đáng lưu ý: đây là commit sớm nhất có thể thấy trong lịch sử kho lưu trữ công khai, đó là lý do một số bài viết mô tả đây là ngày mã nguồn được mở — tuy nhiên bản thân kho lưu trữ đã được tạo vào ngày 13.
Kể từ đó, dự án liên tục ra mắt bản dựng mới gần như mỗi ngày: phiên bản 0.1.1 ra mắt ngày 21 August cùng với DeepSeek-V4-Flash-Vision-Exp, và 0.1.2-rc.1 tiếp nối vào ngày 3 September. README cảnh báo bằng chữ in hoa rằng sẽ có các thay đổi phá vỡ tương thích, đồng thời cả issues lẫn pull requests đều bị vô hiệu hoá trên kho lưu trữ — thay vào đó, phản hồi được gửi qua GitHub Discussions hoặc Discord.
Nên bắt đầu từ đâu
Mỗi phần của DeepSeek Harness đều có trang riêng trong hướng dẫn này và được viết để có thể đọc theo bất kỳ thứ tự nào.
Hãy bắt đầu với cài đặt DeepSeek Harness nếu bạn chỉ muốn chạy ngay, và đọc DeepSeek Harness trên Windows trước nếu đó là máy của bạn — hầu hết mọi lỗi cài đặt đã biết đều xảy ra trên Windows. When có sự cố, hướng dẫn xử lý lỗi bao quát các lỗi theo đúng cú pháp mà mọi người thường tìm kiếm.
Để hiểu bạn đang chạy gì, hướng dẫn duyệt kho lưu trữ GitHub giải thích thực sự có gì bên trong monorepo, và Cordis trình bày nhân plugin nằm bên dưới. Từ đó, hướng dẫn plugin chỉ ra cách các tính năng được bổ sung, thay thế và phát hành, còn subagents đề cập đến phần mà hầu như không ai viết đến — dsh chạy Claude Code và Codex dưới dạng tiến trình con.
Để hiểu các quyết định thiết kế thay vì cơ chế vận hành: giá cả và kinh tế token phân tích tác động của việc thay đổi giá API tháng August 2026 đối với luận điểm “rẻ hơn Claude Code,” DeepSeek Harness so với Claude Code so sánh hai bên một cách thẳng thắn theo cả hai chiều, và chạy mô hình cục bộ đề cập đến Ollama, vLLM, LM Studio và llama.cpp dành cho những ai không muốn gửi mã nguồn đi bất cứ đâu. Nếu bạn tò mò về những người xây dựng dự án này, trang nhóm phát triển tổng hợp những thông tin công khai về nhóm trong DeepSeek đứng sau dự án.