DeepSeek Harness (dsh): адкрытае асяроддзе агентаў, якое перапісвае ўласную канфігурацыю
Што такое DeepSeek Harness, чым вылучаецца яго агент, які рэдагуе сам сябе, як адрэагавала супольнасць і да чаго падрыхтавацца перад запускам з лакальнымі мадэлямі.
Крыніцы: DeepSeek Harness: The Agent That Edited Its Own Config While I Watched
Някі часткі таго, што здаецца выражаннем розумнасці модэлі, на самай працо ёсць толькі внутршняя структура, яю ніхто не бачыць? Кожны, хто стварыў сабе інструмент для керавання агентамі, быстра з’ясоўвае адпаведны адказ: дужа большая частка. Гэта робіць DeepSeek Harness, каманды для якога ёсць dsh, настолькі цікавым для аналізу: што ён такое, чаму ён унікальны, што ў яму няўдалае і чаму трэба будзе стацься, калі вы плануеце працаваць з ям.
Што ён такое і чаму яго стварыла лабораторыя модэляў
DeepSeek Harness — гэта рантайм для агентаў з відкрытым кодам, тыябо сукупнасць інструментаў, якія отачваюць модэль і дазваляюць яй дзеяць: цыклы, інструменты, сандбоксы, зберагчык сесій і інтэрфейс. Ён не ўжо ні модэль, ні чат-бот. Слоган праекту — AGENT = MODEL + HARNESS. Прэвью для распрацоўшчыкаў было выпусцана 13 серпня 2026 года пад ліцэнзыяй MIT, і GitHub за два дні паказаў прыблізна 95 000 зірак, а за тыдзень — аж 165 000.
Чаму взагалі лабараторыя з мадэлямі мусіць сабрасца на гэта? Два цыфры паказваюць адказ. Vercel взяў готовы агента і адключыў 80 процэнтаваў яго інструментаў. З той самым модэлем успех падняўся з 80 до 100 процэнтаваў, пры чым было вікорыстана палова токенаў і пята частка часу адкладэння. А ў тэстах на програмаванне Letta Code пасягнуў 59 процэнтаваў з Claude Opus, тады як Claude Code пасягнуў 41 процэнтаваў з тым самым модэлем Anthropic. Мадэлі сталі схожымі, і конкурэнція перашла на рывак у ўдосконаленні. DeepSeek створыў такі рывак, каб контролюваць гэты слой, і як лабараторыя, якая адкрывае весь шлях разумовых выважанняў модэлю, яна зрабіла гэта там, дзе амерыканскія лабараторыі навмысна шыфруюць своія даныя.
Праўая разліка
Існуе розкішная сістэма плагінам пад назвай Cordis, у якой інструменты, сесіі, а таксама сам цыкл агента ўжо заменяюцца плагінамі, а сесіі — цэфто логі выпадкав, якія можна перэглядаць, копіюваць і аўдытуваць. Але пасля запуску выклікаецца простэйшая разліка: агент можа сам сабе рэедытуваць пад час работы, без неабяжнага перзапуску, перабудовы чы ўсіх іншых процедураў.
Яскравым першым тэстам ёсць адчыненне веб-інтэрфейса і падзея з пераключэнням апрантавца LLM-а з API DeepSeek на локальны сервер llama.cpp. Агент знаходзіць свою настройку, перапісвае яе і адпавядае на наступны запыт за дапамою локальнай модэлі. Воблаковы агент ператварыўся на локальны за прыблізна паўтора мінуты. Большасць агентоў ставяцца да сваёй настройкі як да святых паказанняў, да інструкцый, якія можна зменіць толькі вручную. Штосьцо такое ставяцца да яе як да звычайнага файла, у яком яна знаходзіцца. Гэта скорыяйша позыцыя, чым функцыя. Інструмент, які можа сам сабе зменіць, пачынае вядзецца як саавтар, а вся конструкцыя прыпускае, што ён будзе продовжваць зміняцца пасля інсталляцыі.
Рэакцыя спяльнай адуменства
Праўілі ўзнагароджэння ёсць суворымі, а фармат зоркай крывой ёсць історычным. Інжынеры спадзяюцца на пераканальванне вызываў інструментам, якое выкарыстоўвае строгія схемы JSON і ёсць значна суворэйшым за Codex. Відобразэнне траекторыі, якое прызначае кожную ін’екцыю кантэксту плагіну, які яе спрычыніў, называецца ключовай функцыяй, якую мадэлі з США не дазволяюць. Сесіі, базаваныя на запісах падзей, справілі ў людзях асалоджанне.
Крытыка таксама мае падставы. У галоўным тэпе на Reddit стаўіцца, што ідэя пра тое, што ўсё можна зробіць за дапамогою плагіну, здаецца прыемной, пакуль вы яе не спробаваеце на практыцы. Яго авар указвае, што сэрвіс DeepSeek сам выканаў дэманстрацыі у вобразе анімацыі летучага кітава і гры з змеёй, а таксама што всі спробы заставіць тры разныя мадэлі стварыць корыстны плагін зазналі нявдачы. Іншыя баюцца перадмеркласу плагінаў: распадаюцыяся розшырэння VSCode, абанованыя плагіны Eclipse і мора несумесных дадаткаў. Як падпрымальнікі, так і крытыкі адзіносабова паветараюць пра абераганне: гэта непрацавлены прыватны праект распрацоўшчыка, у яком між версіямі буваюць значныя змены. У дакументах гэта пісана велікімі літарамі — што ўзнакомляецца з нечастым чыстасцю пры апублікаванні інформацыі.
Жалобы на якосць дэмавых версій правядзяць, але яны не стосуюцца сутнасці проблемы. Гра з змейкай не ўскладнення, якое пропонуецца; сутнасцю ёсць сама платформа, і за калькі вясен спяльнайяеярства створыла на яй сотні плагінаў, з якіх прынеймна дзесяць — гэта незалежныя версіі функцый, якіх няма ў офіцыйных дэмавых версіях.
Што працуе добра
Першым плюсам ёсць настоямы веб-інтэрфейс. Упрацоўнікі галузі прынаймна два гады выдавалі інструменты для кодавання у віглядзе тэрміналоў, дзе знаходзяцца працэсы, а не людзі. dsh праставляе сабою быстры, чысты веб-інтэрфейс, які застаецца ачытым; тут ёсць задачы, якія можна клікаць і розгледзець, крокі, вызовы інструментаў і кантэкст, якія відображаюцца ў самай працуючай сістэме, а не захаваныя ў файле логаў.
Ён таксама быстры. Дзякуючы онлайн-API адказы прыходзяць настолькі шыбка, што взаімадзеяння з інтэрфейсам выглядаюць цянівымі, і ён павольнейшы за неравнамерны інтэрфейс OpenClaw. Калі ўжо, ён за замовчанням запускае калькольвыя пад-агентаў. Стандартны рэжым не спытае адпаведна: ён стварае пад-агентаў і дзеліць працу, што ёсць прыемным для спаглядання паўстаць у паралель з хмарным API з вялікай канкурантнасцю. Гэта прыемнасць ператвараецца на проблему планавання з локальнымі мадэлямі.
Падготовка да запуску
Перш за ўсё, гэта прыклад для распрацоўшчыкаў і паводзіцца як такі. API перайменоўваюцца между версіямі, бэкенды для зберагачвання знікаюць, а фарматы налашчэння меняюцца. Зафіксавайце версію, яку вы інсталюеце. Іспользуйце ёё, каб выучыць, як працуюць інструменты, што не каштуе нічога, і ўжо зараз не перабудавайце свой ранковы распорадак навакол яё, таму што асновы могу змяніцца между выласцю новых версій, і скрыпт, які працаваў вчора, можа не працаваць сёння.
Паўтора, локальныя мадэлі патрабуюць слотоў, і то рэальных. У стандартным рэжыме швядка ствараюцца пад-агенты, і кожны з яных надсылае своія запіты да таго канцэнтра з LLM, які вы налашавалі. З серверам llama.cpp з аднім слотам, які ўжо ёсць стандартным, праца спачатку працюе повольна. Пад-агент займае слот галоўнага агента, таму калі галоўны агент працягвае працу, яго кантэкст знікае, і кожны раз патрэбна ўсё пачынаць занова, запрашваючы всю інфармацыю з нуля. Тое, што ў разы са хмарным API являецца перавагай, у машыне з аднім слотам прыводзіць да бесканечной перапрацоўкі запітоў.
Рашэньце крыўцяецца ў архітэктураы: неабходна запрацаваць кальколькі слотаў для местнага модэлю. Параметр --parallel N у llama.cpp дапамагае справіцца з невялікай канстантой распаду задач. Аднак для ўседзёвага выкарыстоўвання з пад-агентамі трэба выбраць дварчык, пабудаваны на прынцыпах канкурантнасці, такі як vLLM чы SGLang, чыя сістэма пакетавання задач была створаная самэй для такага тыпу навантажэння. Мадэль, калі адна людзь ведае пераказку з аднім чатам, — гэта ўжо застарэлы падход, а для такіх сістэм трэба належны сервер.
Дзе ён падходзіць
DeepSeek Harness не намагаецца пераканаць Claude Code ў тым, што ён лепшы за сябе, і не прагне выграць сёння. Цэта адкрытая сістэма пад ліцензыяй MIT, якая чакае, калі люды створыць своія інструменты, плагіны, а якшто будуць смелыя — і свае власныя ціклы агентоў. Іё унікальная фішка — можлівасць агента рэдагаваць ся самога пад час выканання — ёст калі і галоўная ідэя: агенты больш не ёсць готовымі продуктамі, а жывым програмным забезпечэнням, пры чым harness выступае як «тэлас» , які яны постаўляюць перадарабатваць.
Розумным падчынам ёсць спачатку спробава выкарыстоўваць ключ у воблаку, ўбачыць, што можа запропанаваць веб-інтэрфейс і вікна для аналізу траекторыі. Калі вы працуеце толькі локальна, тады знадобіцца сервер з калькамі памяці або вялікая тэрпячасць. Пасля таго трэба напісаць першы плагін, адколькі экосістэма зараз як мяста на праграніцы, і такія мяста памятаюць своіх першых пасяжнікаў.
Шыранае наладжэнне
Ёсць кілька спосабоў запусціць яго на ноутбуку: можна папросіць каго-небудзь з агентаў наладзіць яго, або запрацаваць такі скрыпт, які пераканаецца ў наявнасці Node 24 (рэпазітарыю трэба 22.19 або новейшая версія):
#!/usr/bin/env bash
# DeepSeek Harness — quick setup (macOS / Linux)
set -e
# 1) Node 24 (repo requires 22.19+ or 24+)
if command -v nvm >/dev/null 2>&1; then
nvm install 24 && nvm use 24
else
echo "Install Node 24 first (https://nodejs.org)"; exit 1
fi
# 2) Fastest path - no clone needed
npx @deepseek-ai/dsh web
# opens http://127.0.0.1:3080 - set your API key under Settings → Models
# 3) From source (what I did - recommended if you want to read the code)
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
corepack enable
pnpm install
pnpm run build
pnpm dsh web
# 4) Local model users: serve with multiple slots first!
# vllm serve <model> --max-num-seqs 4 (or SGLang / llama.cpp --parallel N)
# Then in the dsh UI: Settings → Models → Add custom provider
# base URL http://127.0.0.1:8000/v1, protocol openai-completions
Спадні матэрыялы
- Агент — гэта цікл while: як LangChain create_agent і LangGraph Fit — Агент, які выканае вызовы інструментаў у двадцатых лініях коду, чатыры проблемы практычнага вікорыстання цікалаў і калі трэба перайсці з LangChain create_agent на графы станоў LangGraph.
- Ваш агент-харнес, верагодна, занадта складны: што трэба адключыць — Калі мадэлі становяцца крашчымі, структуры харнеса ператвараюцца на непрактычны элемент. Як накаплюецца зайвы тэкст і неконтрольаваныя вітраты на кантэкст, і як пераканацца, што ўсё ж такі застойнае.