כיצד להשתמש ב-DeepSeek DSH: מדריך מעשי לרתמת הסוכנים בקוד הפתוח של DeepSeek

DSH — Deep​Seek Harness — is the agent runtime Deep​Seek open-sourced on August 13, 2026, and it is not a model. It is the harness that sits between a model and your terminal, giving a language model file editing, a shell, retrieval, planning and tool calls, then recording every step so you can replay what it did. The how-to answer in one breath: install Node.js, run npx @deepseek-ai/dsh web, open http://127.0.0.1:3080, add an API key, pick a preset, and start a session. Below is the version of that answer you can actually work from — the four presets, driving it as a coding agent, reading a Trajectory, slotting in MCP, and the preview-version caveats the launch coverage skipped. The two models you will most likely plug into it — DeepSeek V4 Flash and DeepSeek V4 Pro — are named throughout.

זהו מדריך שימוש, לא סיכום השקה. כבר סיקרנו את שרשרת ההדלפות ואת תאריך ההשקה בכתבות נפרדות; הנושא כאן הוא השאלה שבאמת מעסיקה את מי שמחפש — איך להשתמש בדבר לאחר התקנתו. מקורות המידע מסומנים תוך כדי: המאגר והתיעוד של DeepSeek עצמה עבור מה ש-DSH טוענת, והעיתונות הטכנולוגית הסינית מתוארכת (GeekPark, The Paper) יחד עם מאגרים קהילתיים עבור מה שאנשים מדווחים לאחר שהריצו אותו.

מהו DSH (ומה אינו)

הנוסחה הפנימית של DeepSeek היא Model + Harness = Agent, ו-DSH הוא חצי ה־Harness. המודל מנמק; ה־Harness מחליט מתי להעביר לו כלי, קורא קבצים, מריץ פקודות shell, מזין פלט שגיאות חזרה ללולאה, ושופט מתי משימה הסתיימה. DSH נפתח לקוד פתוח ב־13 באוגוסט 2026 בסביבות 20:30 שעון בייג'ינג תחת רישיון MIT, נכתב ב־TypeScript, והופץ כתצוגה מקדימה למפתחים בגרסת v0.1. היסטוריית הכוכבים היא החלק שכולם מצטטים: בערך 7,300 כוכבים בשעה 21:05, 15,500 עד 21:51, יותר מ־10,000 בתוך כשעתיים מההכרזה, 50,000 בתוך שתים עשרה שעות, ו־100,000 תוך כ־42 שעות — הצמיחה המהירה ביותר שגיטהאב רשמה אי פעם, לפי דיווחים של GeekPark ו־The Paper מאותו היום. המאגר עומד על כ־126,000 כוכבים נכון להיום.

הארכיטקטורה, שסיסמתה היא "הכל הוא תוסף", בנויה על מסגרת Cordis: מתאמי מודלים, כלים, Skills, יומן השיחה, מדיניות האישור, ואפילו לולאת הסוכן עצמה הם תוספים המותקנים בהקשר משותף. התקנת ברירת מחדל כוללת יותר ממאה תוספים, ושלב הבדיקות הפנימי הניב כשלוש מאות תוספים קהילתיים לפני השחרור הציבורי, לפי GeekPark. לכן זה נקרא סביבת ריצה לסוכנים ולא אפליקציה — אתה מרכיב את ההתנהגות הרצויה מחלקים הניתנים להחלפה.

הדבר ש-DSH אינו הוא מודל. אין "מודל DSH" שאפשר להשוות אליו, ואיש לא מארח DSH עבורך כדי שתקרא לו — הוא רץ מקומית, על המחשב שלך, והוא גובה ממך רק עבור הטוקנים של המודל שהוא צורך. המודל מחובר בנפרד, ו-DeepSeek מספקת מתאמים ל-20+ ספקים ופרוטוקולים, כולל את ה-API של DeepSeek עצמה, נקודות קצה תואמות OpenAI, ושל Anthropic. בפועל, הצירוף שכולם מריצים הוא DSH עם DeepSeek V4 Flash לקידוד יומיומי זול, או DeepSeek V4 Pro כשהמשימה קשה מספיק כדי להצדיק מוח גדול יותר — עוד על כך בהמשך.

לפני שתתחיל: מה שאתה באמת צריך

התנאים המוקדמים קלים יותר ממה שמשתמע מהסיקור. אתה צריך Node.js — החבילה מצהירה על ^22.19.0 או >=24.0.0, כך ש-LTS הנוכחי וכל מה שחדש יותר עובדים — ומפתח API עבור כל מודל שבו אתה מתכנן להשתמש. DSH עצמו חינמי וקוד פתוח; ההוצאה היחידה היא אסימוני מודל. אתה גם צריך ספרייה שאתה מוכן לאפשר לסוכן גישה אליה: מנגנון סביבת העבודה של DSH הוא גבול האבטחה, והוא מגביל את הסוכן לספריות שאתה מוסיף במפורש.

בהפעלה הראשונה, DSH יוצר תיקיית בית — $DSH_HOME, שמוגדרת כברירת מחדל ל-~/.dsh — המכילה את הפרופילים, הסשנים, האחסון וקובץ settings.yaml. מפתחות API נמצאים בקובץ .credentials.yaml שם; ממשק האינטרנט מציג רק תיאור מוסתר, לעולם לא את המפתח עצמו. הקובץ הזה שווה גיבוי, כי הזנה ידנית חוזרת של המפתחות היא תלונת ההתקנה הנפוצה ביותר בקהילה.

התקנה והפעלה: ארבע דרכים להיכנס

המסלול ללא התקנה הוא פקודה אחת. מטרמינל עם Node.js מותקן:

• npx @deepseek-ai/dsh web — מוריד את החבילה ומפעיל את ממשק האינטרנט בכתובת http://127.0.0.1:3080. זו הדרך המהירה ביותר וזו שהתיעוד פותח בה.

• npm install -g @deepseek-ai/dsh, ולאחר מכן dsh web — התקנה גלובלית אם תשתמש בו שוב ושוב.

• מהמקור: git clone https://github.com/deepseek-ai/deepseek-harness, לאחר מכן pnpm install, pnpm run build, pnpm dsh web — הדרך הנכונה אם ברצונך לקרוא או לשנות את הקוד, וזו שמסמכי פיתוח התוספים מניחים.

• Python SDK: pip install deepseek-harness-sdk — עבור סקריפטים של CI ואוטומציה אצווה, עם דוגמאות בתיקיית ה-examples של המאגר.

יש גם ממשק שורת פקודה (CLI) headless למשימות חד-פעמיות בסקריפטים: dsh --profile headless "fix the failing test in this repo" מריץ את הסוכן פעם אחת, מדפיס את התשובה הסופית ויוצא עם קוד 0. המשגר dsh מנתח רק את הדגלים שלו — --profile, --patch וכדומה — ומעביר את כל מה שאחריהם לפרופיל שמופעל, וזו בלבול נפוץ בפעם הראשונה.

ממשק הרשת נקשר ל-127.0.0.1 כברירת מחדל, כך ששום דבר אינו חשוף לרשת שלך — ברירת מחדל מכוונת, וכזו שכדאי לשמר עד שיהיה לך נימוק לשנותה. הסשנים, היומנים ונתוני ההתחברות נשארים כולם על המכונה שלך; אין שום רכיב ענן ב-DSH עצמו.

הפעלה ראשונה: מפתח, סביבת עבודה, סשן

עם ממשק המשתמש פעיל, תהליך ההפעלה הראשונה כולל שלושה שלבים. בהגדרות, הוסף את מפתח ה-API שלך תחת מודלים ובחר את הספק. לאחר מכן הוסף סביבת עבודה — תיקיית הפרויקט שבה אתה רוצה שהסוכן יפעל. לבסוף, צור סשן, בחר תצורת ריצה מוגדרת מראש, ושלח משימה ראשונה קטנה כגון "נתח את מבנה התיקייה הזו וכתוב עבורה README." התחלה בקטן חשובה: זו הדרך המהירה ביותר לוודא שהמפתח, גבולות סביבת העבודה וארגז החול מתפקדים כראוי לפני שאתה נותן לסוכן משימה אמיתית.

DSH שואלת שאלות הבהרה מיוזמתה כאשר הוראה אינה ברורה, אפילו כשמצב התכנון כבוי, ומציגה אפשרויות מוצעות במקום לנחש. הקהילה מדווחת שזו אחת מהתנהגויות ברירת המחדל הפחות צפויות והשימושיות ביותר עבור משתמש ביום הראשון.

ארבעת ההגדרות המוגדרות מראש — ואיזו לבחור

הקביעות המוגדרות מראש אינן אותו מודל במצבי רוח שונים. כל אחת מהן היא קטלוג כלים שונה בתוספת הוראת מערכת שונה, ומעבר בין קביעות משנה את מה שהסוכן יכול לראות ולעשות, לא איזה מודל עונה. ארבע הקביעות הנכללות הן Standard, PTC, Minimal ו- Creation.

• Standard — ארגז הכלים המלא של סוכן הקוד: עריכת קבצים, מעטפת מתמשכת, שליפת קבצים והאינטרנט, Skills, מצב תכנון, מעקב אחר מטרות, תת-סוכנים וזרימות עבודה. זוהי ברירת המחדל בסגנון Claude Code / OpenAI Codex, וזה המקום שבו כדאי להתחיל.

• PTC (Code mode) — "Programmatic Tool Calling." הוא אורז את קטלוג הכלים ל-SDK של TypeScript ומאפשר למודל לכתוב תוכנית TypeScript שמבצעת קריאות כלים רבות בקריאת run_code אחת, תוך שמירת הנתונים הביניים בשרשור עובד והחזרת סיכום בלבד להקשר של המודל. דיווחי הקהילה מעריכים את חיסכון הטוקנים בכ-20x במשימות מרובות שלבים, במחיר של הפיכת הפלט הראשון של המודל לתוכנית שניתן לקרוא ולבדוק.

• מינימלי — בדיוק שני כלים: מעטפת bash קבועה ו-str_replace_editor, עם הנחיית פרסונה בסיסית. הוא נועד להשוואת ביצועים של יכולות מודל עם תשתית מינימלית; Deep​Seek השתמש בו להערכות הסוכן הרשמיות של DeepSeek V4 Pro 0813. השתמש בו כשאתה בודק מודל, לא כשאתה מנסה לבצע עבודה.

• Creation — סטנדרטי בתוספת בדיקת זמן ריצה וניסוי תוספים: כלי של dsh-tool-cordis שקורא את זמן הריצה החי (תוספים טעונים, שירותים, אירועים) ומעמיס או פורק תוספים בזיכרון, שמיועד לאנשים שבונים פרסטים ותוספים. יש להתייחס אליו כבעל עוצמה ברמת מעטפת — הוא יכול לשנות את התשתית בזמן שהיא רצה.

הגרסה הדעתנית: התחילו עם Standard, עברו ל-PTC למשימות החוזרות ורבות-השלבים שבהן צמצום הסבבים משתלם, והשאירו את Minimal ו-Creation בצד עד שתריצו בנצ'מרקים או תבנו תוספים. אזהרה אחת מהקהילה שכדאי לזכור: סכמת הכלים של ה-preset Minimal טובה יותר באופן מדיד בעיגון DeepSeek V4 Pro לתגובה ראשונה תמציתית בסגנון "אנחנו צריכים…" מאשר הקטלוג הרחב יותר של Standard, ולכן presets נסיוניים כמו dsh-anchored-standard חושפים בקשה ראשונה בסגנון Minimal ואז פותחים את Standard. זה סימן לכמה קטלוג הכלים עצמו מעצב את ההתנהגות — כדאי לדעת אם משימה חוזרת מהסוכן בקול הלא נכון.

שימוש בו כסוכן קידוד: זרימת עבודה קונקרטית

הנה הצורה של סשן DSH אמיתי על ה-Standard preset, לפי מה שמדווחים מתרגלים:

• כוון את DSH לסביבת עבודה שהיא git checkout, ותן לו משימה המנוסחת כתוצאה: "הוסף דפדוף ל-endpoint של הרשימה ושמור על פרמטרי השאילתה הקיימים."

• תנו לו לתכנן (או לא — הסוכן מתכנן בכל מקרה), ואז צפו בו קורא את הקבצים הרלוונטיים, מגבש תוכנית ומצהיר מה ישנה לפני שהוא משנה משהו.

• הסוכן עורך קבצים, מריץ את ערכת הבדיקות במעטפת הקבועה שלו, קורא את הכישלונות וחוזר על התהליך. הלולאה הזו — עריכה, הרצה, קריאת השגיאה, עריכה נוספת — היא היכולת המרכזית של המערכת, והמעטפת הקבועה היא מה שהופך אותה למהירה: המצב נשמר בין קריאות לכלים, כך שהיא לא מאתחלת את ההקשר שלה בכל פקודה.

עבור כל דבר שדורש הקשר חיצוני, הוא משתמש באחזור קבצים ואינטרנט, והוא יכול למסור פיסת עבודה גדולה ועצמאית לסוכן משנה כך שההקשר של הלולאה הראשית יישאר קטן.

• מיומנויות מובנות מכסות את מטא-העבודה: dsh-code-review סוקר בקשת משיכה, dsh-find-simplifications מחפש קוד שניתן לפשט, dsh-doc-standards בודק תיעוד מול כללי הבית. מיומנויות משתלבות כתוספים, והקהילה בנתה מאות נוספות.

פעולות בעלות הרשאות גבוהות — כתיבה מחוץ לסביבת העבודה, או פקודות עם גישה מלאה — מעוררות בקשת אישור בממשק האינטרנט לפני שהן מתבצעות. ארגז החול הזה, עם הרמות שלו: קריאה בלבד / כתיבה בסביבת העבודה / גישה מלאה, הוא הדבר המרכזי שעומד בין סוכן מבולבל לבין כל המכונה שלך, אז קרא את הבקשה לפני שתלחץ עליה.

כאשר משימה צריכה להתבצע על פני כמה שלבים עם החלטות באמצע, זרימות עבודה (workflows) משרשרות אותן ומעבירות מצב משלב אחד לשלב הבא. השילוב — תכנון, מעטפת מתמשכת, אחזור, Skills, תת-סוכנים, זרימות עבודה — הוא כל הפיץ' של ה־Standard preset, והוא אותו היקף בדיוק כמו סוכני הקידוד בתשלום שאתה משווה אליהם, כשהוא רץ על כל מודל שחיברת.

הפעלה חוזרת של מסלול: ראה בדיוק מה הסוכן עשה

התכונה שהסוקרים חוזרים אליה שוב ושוב היא ה-Trajectory. DSH מתעד את כל הסשן כיומן אירועים מסוג append-only — פרומפט המערכת, שרשרת המחשבה של המודל, כל קריאת כלי ותוצאותיה, מחזורי החיים של תת-הסוכנים והזרקות קונטקסט. תצוגת ה-Trajectory בממשק האינטרנט משחזרת את הזרם הזה צעד אחר צעד, כך שתוכלו לראות בדיוק מה הסוכן ראה בכל רגע, באיזו פקודה הוא השתמש ומה המודל החליט לעשות הלאה.

יומן זה אינו רק תיעוד ביקורת. מכיוון שהוא מקור האמת, שחזור סשן, פיצול, שליפה והרצה חוזרת נגזרים ממנו: ניתן לפצל סשן מכל נקודה, לחדש סשן שנקטע, וגם — החלק שצוותים מוצאים כבעל הערך הרב ביותר — לייחס עלות לכל שלב כאשר משימה נמשכת זמן רב. כאשר סוכן קידוד עושה דבר שגוי בשקט, ה-Trajectory הוא מה שמראה לך היכן הוא יצא מהפסים במקום להשאיר אותך לנחש מה-diff הסופי. לאף רכיב אחר של הכלי אין כוח ניפוי באגים כה גדול.

תזמור רב-סוכנים ו-MCP

שתי הערות ארכיטקטוניות חשובות לקהל "איך בונים על זה". ראשית, DSH הוא רב-סוכנים ברמת ה-harness, ולא רק דרך לולאה אחת ארוכה: תת-הסוכנים רצים בהקשר משל עצמם עם כלים משלהם, והסוכן הראשי מתאם אותם, וכך הוא מונע ממשימה גדולה מלפוצץ את חלון ההקשר הראשי. שנית, MCP יושב שכבה אחת מתחת: Model Context Protocol הוא התקן הפתוח לחיבור אפליקציית AI לנתונים וכלים חיצוניים, בעוד DSH הוא סביבת הריצה שמחליטה מתי להציע כלי והאם לאשר את הקריאה אליו. שרת MCP מתחבר אל DSH כתוסף, כך שמאות שרתי ה-MCP של הקהילה משתלבים בלי צורך בטיפול מיוחד — אותו מנגנון שמחבר כלים, Skills ופרסֵטים. אין מצב "MCP" נפרד שצריך להפעיל; אתה מוסיף את השרת והוא הופך לתוסף נוסף בקטלוג.

מאיפה מגיעים המודלים (וכמה זה עולה)

DSH הוא חינמי, אבל הוא פועל על טוקנים, והחשבון הוא המודל. שני המנועים שרוב האנשים ישתמשו בהם הם אלה של Deep​Seek עצמו: DeepSeek V4 Flash בעלות של כ-0.15 דולר למיליון טוקני קלט ו-0.29 דולר למיליון טוקני פלט ב-OrcaRouter, עם קונטקסט של 1M טוקנים ותפוקה מקסימלית של 384K — הנהג היומיומי הזול — ו-DeepSeek V4 Pro בעלות של כ-0.44/0.88 דולר למשימות הקשות. שניהם במחיר המחירון של הספק ב-OrcaRouter, מועברים במרווח של 0%, כלומר שינוי מחיר של Deep​Seek נקלט אצלנו באותו היום ללא משא ומתן מחדש. דיווח בלתי תלוי על הצריכה בפועל של DSH תומך בסיפור הזול: בדיקת היום הראשון של The Paper הריצה מספר משימות דרך DSH בעלות כוללת של פחות מ-3 יואן בטוקנים.

אזהרה כנה אחת מאותו סיקור: השוואה של צד שלישי ביום השני מצאה שאותו DeepSeek V4 Flash מבצע את אותן משימות במסגרת קוד פתוח אחרת ("Pi") בערך בשליש מהוצאת הטוקנים של DSH. יעילות הטוקנים היא פונקציה של טיפולה של המסגרת בהנחיה ובהקשר, לא רק של המודל, ו-build של תצוגה מקדימה עדיין לא אופטימלי בזה בעליל. אם העלות היא גורם ההכרעה שלך, בצע benchmark למשימה בפועל שלך בשתי מסגרות לפני שאתה מתחייב.

המקום שבו OrcaRouter באמת מתאים כאן הוא כשכבת המודל, לא כברתמה. אנחנו לא מארחים את DSH — הוא רץ מקומית, ואף אחד לא צריך למכור לך DSH באירוח. מה שאנחנו מארחים הוא המודלים שאתה מחבר אליו, תחת מפתח אחד עם מעבר אוטומטי בין ספקים. זה חשוב במיוחד כי DSH הוא תצוגה מקדימה למפתחים בגרסה 0.1: אתה יכול לבחון אותו מול תעבורה אמיתית תוך שמירה על אותם מודלים בנקודת קצה יציבה, וביום שבו DSH משתנה באופן שובר, הגישה שלך למודלים לא תשתנה איתו. נסה את הרתמה; השאר את המודלים על נתב.

הגבולות הכנים של תצוגה מקדימה 0.1

הקובץ README של DeepSeek עצמו אומר זאת במפורש: DSH נמצא בתצוגה מקדימה למפתחים, מתפתח במהירות, ויהיו שינויים ששוברים תאימות. מה זה אומר בפועל, מיומיה הראשונים של הקהילה עם זה:

• שדרוגים ישברו דברים. קבצי תצורה, תאימות תוספים ופורמטי פרזט כבר השתנו בין מועמדי השחרור; צפה לוודא מחדש את התצורה שלך בכל עדכון.

• התיעוד אינו שלם. כמה תחומים מתקדמים — סוכני משנה, זרימות עבודה, מעקב אחר מטרות — מתועדים בצורה דלילה, וכמה תורמים בשבוע הראשון שלהם מדווחים שהם קוראים קוד מקור או דיונים ב-GitHub כדי להיחלץ מתקיעה.

• זהו מוצר למפתחים, לא מוצר צרכני. ממשק המשתמש מניח שאתה מרגיש בנוח עם קבצים, שורת פקודה ומפתחות API. כותרת הסיכום של GeekPark — "הוא עושה את העבודה, אבל צריך לפקוח עליו עין" — מדויקת.

• Windows היא אזרחית סוג ב' לעת עתה. שילוב השל מניח סביבה בסגנון Unix במספר מקומות; משתמשי Windows מדווחים שהם זקוקים להתאמות pwsh ונתקלים בבאג נתיב מוזר.

• אין אפליקציית שולחן עבודה. הממשק היחיד הוא ממשק ה-Web בדפדפן וכלי ה-CLI, שזה בסדר בטרמינל ופחות בסדר אם רצית אפליקציה מעוגנת.

• יעילות הטוקנים אינה מוכחת בקנה מידה גדול. השוואת ה-Pi-harness שלמעלה היא נקודת מידע אחת, אך היא אזהרה לכך שהפרומפט וטיפול ההקשר כברירת מחדל אינם מכוילים עדיין כמו במוצר בוגר.

כאשר DSH הוא הבחירה הלא נכונה

הצד הכנה של המטבע. אל תשתמשו ב-DSH עדיין לצינורות ייצור — הבטחת השינוי השובר היא עצירה מוחלטת לכל דבר שלא יכול לסבול שעדכון של התשתית ישנה התנהגות בשקט. אל תבחרו בו עבור צוות שלא מרגיש בנוח לנפות באגים בהתנהגות של סוכן מתוך טרמינל; ה-Trajectory ומערכת התוספים הם חזקים, אבל הם מניחים אוריינות טכנית. ואם מה שאתם באמת צריכים הוא חוויית סוכן-קידוד יציבה ומתוחזקת עם מישהו אחר שאחראי על הדבק, הסוכנים בתשלום ש-DSH מתחרה בהם נותרים האופציה בסיכון נמוך יותר. המסר של DSH מכוון לאדם שרוצה לבעלות על התשתית — להחליף מודלים, לחבר שרתי MCP, לכתוב preset ולראות כל צעד שהסוכן עשה.

השורה התחתונה

התשובה המעשית לשאלה "איך משתמשים ב-Deep​Seek DSH" לא השתנתה בימים שחלפו מאז שהושק: התקינו Node.js, הריצו npx @deepseek-ai/dsh web, פתחו פורט 3080, הוסיפו מפתח API, בחרו Standard, והתחילו עם משימה קטנה. למדו את תצוגת Trajectory מוקדם, כי היא כלי הניפוי שלכם. התייחסו לפריסיטים כקטלוגי כלים שונים, לא כמודלים שונים, והתייחסו לכל הפרויקט כגרסת תצוגה מקדימה: מספיק מסוגל כדי שיהיה שווה ללמוד אותו, לא מספיק יציב כך שכדאי להשאיר את המודלים שהוא רץ עליהם מאחורי נקודת קצה שאתם כבר סומכים עליה. זו השכבה ש-OrcaRouter יושב בה — DeepSeek V4 Flash ו-DeepSeek V4 Pro במחיר המחירון של הספק עם אפס תוספת, מפתח אחד, מעבר אוטומטי במקרה תקלה — כך שהתשתית יכולה להשתנות מתחתיכם מבלי שגם המודלים ישתנו. DSH הוא מנוע הריצה (runtime) בקוד פתוח המעניין ביותר של השנה עד כה. הוא פשוט עוד לא גמור, והדרך הכנה להשתמש במשהו לא גמור היא לוודא שהחלק שעלול להישבר לא יוריד איתו גם את הגישה שלכם למודלים.