DeepSeek Harness, wyjaśniony: Środowisko uruchomieniowe agenta stojące za "Model + Harness = Agent"

DeepSeek Harness — dsh w skrócie — nie jest modelem. To otwartoźródłowe środowisko uruchomieniowe agenta, które DeepSeek wydał na licencji MIT 13 sierpnia 2026 roku, i wciąż jest najszybciej przyjętym produktem, jaki DeepSeek kiedykolwiek wypuścił: doniesienia prasowe mówiły o około 50 000 gwiazdek GitHub w pierwszych 12 godzinach, a repozytorium miało 242 211 gwiazdek i 29 059 forków, gdy dziś odczytaliśmy GitHub API. Uruchamia on DeepSeek V4.1 Flash, model, który API DeepSeeka udostępnia jako deepseek-flash, albo większy DeepSeek V4 Pro, jeśli go tam wskażesz. Jego zadaniem jest warstwa inżynieryjna między modelem językowym a ukończonym zadaniem: edycja plików, wykonywanie poleceń w terminalu, wyszukiwanie w sieci, zarządzanie kontekstem, planowanie zadań i wywoływanie innych agentów. Formuła, której używa sam zespół DeepSeeka, to Model + Harness = Agent — model rozumuje, a harness robi wszystko inne.

Ta różnica jest sednem tego artykułu. Osoby wpisujące w wyszukiwarce „deepseek harness” zwykle spodziewają się recenzji modelu, a zamiast tego trafiają na materiał o premierze. Dlatego odpowiadam od razu: DSH nie jest modelem, który wywołujesz przez API. To program, który instalujesz i uruchamiasz — pakiet npm to @deepseek-ai/dsh, którego najnowszy tag wskazuje teraz na 0.2.0-rc.2 — trzy linie wydań dalej niż kompilacja 0.1.x, względem której pierwotnie powstała ta strona, i dalej niż plakietka wersji na karcie powyżej — i podłącza dowolny model, który mu podasz (domyślnie DeepSeek V4.1 Flash), do twojego systemu plików, terminala, sieci i innych agentów. Jest objęty licencją MIT, zbudowany na frameworku wtyczek o nazwie Cordis i wyraźnie oznaczony jako developer preview, które ostrzega przed zmianami łamiącymi kompatybilność. Spakowana aplikacja desktopowa, którą Deep​Seek ogłosił 2 października — kompilacje dla macOS i Windows, a użytkownicy Linuksa kierowani są do pakietu npm — to najnowsza warstwa zbudowana na jej podstawie. Poniżej znajdziesz, co tak naprawdę robi, jak uruchomić ją dziś i gdzie ma braki.

Co właściwie robi uprząż (i dlaczego to określenie jest mylące)

Harness to rusztowanie, które pozwala surowemu modelowi działać w realnym świecie. Sam model potrafi tylko generować tekst. Daj mu harness, a będzie mógł czytać i zapisywać pliki, uruchamiać polecenia w twojej powłoce, przeszukiwać internet, prowadzić plan, wywoływać narzędzia, reagować na błędy i oceniać, kiedy zadanie jest ukończone. Publiczna formuła Deep​Seek — powtarzana w relacjach z premiery i we własnych ogłoszeniach o pracę — brzmi: „Model + Harness = Agent": model dostarcza rozumowanie, harness dostarcza wszystkiego innego.

To dlatego to wydanie ma znaczenie wykraczające poza jeden produkt. Deep​Seek podał własne wyniki benchmarków agentowych dla swoich dwóch ostatnich modeli w tym środowisku testowym: dokumentacja API DeepSeek V4 Flash podaje, że wynik 82.7 w Terminal-Bench 2.1 został uzyskany w „minimalnym trybie Deep​Seek Harness." To środowisko testowe jest referencyjnym środowiskiem, z którego pochodzą te liczby, a teraz jest publicznie dostępne, aby każdy mógł je odtworzyć — lub zakwestionować.

Wszystko jest wtyczką: architektura Cordis

Główna zasada projektu DSH, przedstawiona w jego własnym README, zakłada, że wszystko jest wtyczką. Pętla agenta, adaptery modeli, narzędzia, umiejętności, przechowywanie sesji, sandbox, planowanie zadań, a nawet interfejs webowy — wszystko to wtyczki Cordis. Nie ma uprzywilejowanego rdzenia do łatania: rozszerzasz platformę, montując wtyczkę obok pozostałych, a każda rejestracja jest efektem, który wycofuje się po wyładowaniu wtyczki. Silnik wtyczek to Cordis, meta-framework, którego projekt opisano w artykule „A Programming Paradigm for Spatiotemporal Composability" zespołu Peking University–Deep​Seek.

Praktyczną konsekwencją jest wyraźny rozdział odpowiedzialności: wtyczki dodają możliwości; presety decydują, które możliwości widzi dany agent. Monorepo zawiera teraz 55 pakietów w katalogu packages/ — core, llm, mcp, sandbox, context, plan, goal, workspace i inne — a w momencie premiery odnotowano ponad 100 wtyczek własnych, przy czym sklep z wtyczkami był już zarezerwowany, a 288 repozytoriów wtyczek społeczności zebrano na GitHubie w ciągu 24 godzin od wydania. To było sześć tygodni temu. Temat dsh-plugin, którego DeepSeek używa do odkrywalności wtyczek, zwraca teraz ponad 17 000 repozytoriów w wyszukiwarce GitHuba, co odczytaliśmy 2 października 2026 — ekosystem nadal rósł, nawet gdy sam harness pozostawał na wersjach kandydackich.

Cztery presety — i kiedy którego używać

DSH jest dostarczany z czterema presetami agentów, z których każdy ładuje inny zestaw wtyczek. Z własnego menu presetów w Web UI:

• Standard — w pełni funkcjonalny agent kodowania: edycja plików, powłoka, wyszukiwanie plików i sieci, umiejętności, planowanie, cele, podagenci i przepływy pracy. Właściwy domyślny wybór dla większości zadań.

• Code — nazywany w chińskiej prasie PTC, czyli „programmatic tool calling” (programistyczne wywoływanie narzędzi) — ma wszystko, co jest w wersji Standard, plus SDK trybu Code pozwalający modelowi pisać programy w TypeScript i łączyć wieloetapowe wywołania narzędzi w jeden program. Potężniejszy, a do tego może mnożyć efekty uboczne i wywołania narzędzi.

• Minimal — tylko trwały bash oraz str_replace_editor. Zbudowany do odtwarzania przebiegów benchmarków; to preset, którego Deep​Seek użył dla wyniku 82.7 w V4 Flash Terminal-Bench. Minimal nie jest nieszkodliwy — dostęp do shella to nadal dostęp do shella.

• Creator — czwarty katalog presetów jest dosłownie nazwany cordis — Standard plus inspekcja środowiska wykonawczego, eksperymenty z pluginami Cordis w pamięci oraz tworzenie presetów. Agent może instalować, zamieniać lub niszczyć pluginy w trakcie rozmowy. To środowisko inżynieryjne, a nie warstwa zatwierdzania produkcyjnego.

Który wybrać? Jeśli odtwarzasz benchmark, wybierz Minimal. Jeśli chcesz, aby agent sam napisał swoją wieloetapową orkiestrację, wybierz Code. Jeśli budujesz lub testujesz wtyczkę, wybierz Creator. We wszystkich innych przypadkach zacznij od Standard — szerokie uprawnienia oznaczają, że chcesz też ścisłej przestrzeni roboczej i polityki uprawnień.

Trajectory: funkcja, którą recenzenci nazywają „DevTools dla agentów"

Najbardziej chwaloną funkcją w praktycznych recenzjach jest Trajectory. Każde uruchomienie zapisuje do dziennika sesji w trybie append-only — pliku JSONL skompresowanego w formacie zstd, z jednolitą strukturą zdarzeń zawierającą typ, sekwencję, czas i dane — rejestrując wszystko, co widział model: prompty systemowe, rozumowanie, wywołania narzędzi i ich wyniki, planowanie podagentów, wstrzykiwanie kontekstu. Widok Trajectory umożliwia inspekcję według źródła, wznawianie, forkowanie, wyszukiwanie i odtwarzanie. Forkowanie wyróżnia się najbardziej: możesz zmienić jedną instrukcję i odtworzyć uruchomienie obok oryginału, zamiast wyrzucać ślad.

Konkretnie, w teście praktycznym opublikowanym 15 sierpnia, pojedyncze zadanie zapisu pliku wygenerowało 61 zdarzeń sesji, a trywialne zadanie „odpowiedz PONG” nadal pochłonęło około 13 467 tokenów wejściowych w pierwszym żądaniu — narzut pochodzący z domyślnych promptów systemowych, schematów narzędzi, automatycznie wstrzykiwanych reguł repozytorium oraz podsumowań umiejętności. Taki jest uczciwy koszt środowiska, które loguje wszystko: płacisz tokenami za rusztowanie i dokładnie widzisz, za co zapłaciłeś.

MCP, wtyczki i rozmowa z innymi agentami

MCP to obszar, w którym szum medialny wyprzedza obecny stan budowy. Monorepo zawiera pakiet mcp, a CLI dostarcza zależność dsh-mcp-client, ale żaden serwer MCP nie jest domyślnie włączony, a architektura kieruje integrację narzędzi przez wtyczki Cordis zamiast traktować MCP jako obywatela pierwszej kategorii. Możesz podłączyć serwery MCP jako źródło narzędzi; po prostu nie jest to jeszcze domyślna ścieżka.

Jeszcze bardziej zaskakujące jest to, co pokazuje lista dostawców subagentów. DSH może tworzyć inne agenty jako subagenty — w tym, zgodnie z dokumentacją capability-seams, dostawcę Codex i dostawcę Claude Code. To nietypowe stanowisko dla konkurenta: DSH to platforma, która może delegować pracę do dokładnie tych produktów, z którymi jest porównywana.

Kwestia wtyczek to prawdziwy zakład na platformę. Deep​Seek zarezerwował sklep z wtyczkami, repozytoria społeczności są otagowane, by ułatwić odkrywanie, a sklepy w aplikacjach firm trzecich już istnieją. Informacje o wydaniu 0.2.0-rc.2 poświęcają większość swojej objętości wskazówkom dotyczącym instalacji wtyczek — rozróżnianiu wtyczek zainstalowanych, niezgodnych i dołączonych — i właśnie tam wciąż kierowany jest wysiłek inżynieryjny. Długoterminowa gra polega na tym, że to harness, a nie model, staje się ekosystemem, dlatego dyskusja o cenach wokół DSH ma większe znaczenie niż jakakolwiek pojedyncza funkcja.

Jak to uruchomić dzisiaj

Potrzebujesz Node.js 22.19 lub nowszego — manifest pakietu wymaga ^22.19.0 lub >=24 — a następnie jedno polecenie:

npx @deepseek-ai/dsh web

To uruchamia interfejs webowy, domyślnie udostępniany pod adresem http://127.0.0.1:3080. W interfejsie: otwórz Ustawienia → Modele, wklej klucz API Deep​Seek, a następnie wybierz obszar roboczy — kompozytor sesji pozostaje zablokowany, dopóki tego nie zrobisz. Domyślny model to DeepSeek V4.1 Flash, a domyślna polityka uprawnień to workspace-write z monitami o zatwierdzenie dla wszystkiego innego.

Jest teraz pięć punktów wejścia: interfejs webowy, zapakowana aplikacja desktopowa, jednorazowe uruchomienia headless, Python SDK, który steruje DSH przez JSON-RPC stdio, oraz --dump-config, który wypisuje złożone drzewo wtyczek (profil webowy złożył 129 linii konfiguracji wtyczek; w trybie headless — 81). Aplikacja desktopowa to ta, która zmieniła się w tym tygodniu. Deep​Seek opublikował kompilacje dla macOS i Windows — w tym dla Maców z procesorami Intel, w przypadku których nasza wrześniowa notatka odnotowywała, że kompilacja dla Intela zwracała 404 — a każdy kanał aplikacji desktopowej podaje wersję 0.2.0-rc.2 z datą wydania 29 września. Notatki do wersji 0.2 również wbudowują polecenie dsh w aplikację desktopową do zarządzania wtyczkami, więc ta ścieżka nie wymaga już osobnej instalacji Node ani pnpm. Własne ogłoszenie Deep​Seek opisuje wtyczki i Workspaces jako obsługiwane od razu po instalacji w wersji 0.2 — to twierdzenie dostawcy o wydaniu kandydackim, choć strony wtyczek i magazyn Workspaces, który aplikacja współdzieli z CLI, są widoczne w publicznym repozytorium. Linux to wyjątek, który Deep​Seek wymienia we własnym ogłoszeniu: zestaw obsługiwanych celów skryptu pakującego to mac-arm64, mac-x64 i win-x64, pod hostem pobierania Deep​Seek nie istnieje żaden artefakt dla Linuksa, a użytkownikom Linuksa zaleca się uruchomienie npx @deepseek-ai/dsh web. Ścieżka ze źródeł jest niezmieniona: git clone, pnpm install, pnpm run build, a następnie pnpm dsh web.

Uczciwa część: jakość preview i przypadki, w których DSH jest niewłaściwym narzędziem.

DSH ma wersję 0.2.0-rc.2 — nie 1.0, a nawet nie stabilną 0.x: wszystkie 29 wersji w npm i wszystkie 24 wydania na GitHubie to wersje przedpremierowe, a README wyraźnie mówi: „NASTĄPIĄ ZMIANY ŁAMIĄCE KOMPATYBILNOŚĆ”. Recenzje z okresu premiery wyliczają niedociągnięcia — ciche błędy w MSYS2 na Windows, nieaktualność pamięci podręcznej hot-reloadu, około 200 ms opóźnienia wsadowego utrwalania, przez co zapis pozostaje w tyle za wyświetlaniem postępu w UI, oraz krytykę społeczności, że GitHub Issues są wyłączone w repozytorium pozycjonowanym jako publiczna infrastruktura. Domyślne doświadczenie produktu wciąż też ustępuje dopracowanym agentom programistycznym, z którymi jest porównywane; jedna z recenzji praktycznych stwierdziła, że wydanie open source to szkielet środowiska uruchomieniowego agenta, a nie jeszcze gotowy produkt.

Gdzie DSH jest niewłaściwym narzędziem? Cztery sytuacje. Po pierwsze, jeśli chcesz gotowego rozwiązania pod klucz — dzisiejsze Claude Code i Codex są bardziej dopracowane, a DSH jest dla ludzi, którzy chcą szkieletu i są gotowi go wykończyć. Po drugie, jeśli nie możesz kontrolować tego, co uruchamiasz: pochodzenie wtyczek, różnice w konfiguracji i granice poświadczeń są w pełni samodzielnie zarządzane, a użycie produkcyjne wymaga nadzoru, który musisz zapewnić sam. Po trzecie, jeśli porównujesz modele: nie możesz uruchomić jednego modelu w trybie Standard, a drugiego w trybie Minimal i nazwać różnicy wynikiem działania modelu — zmieniłeś środowisko testowe, a nie tylko model. Po czwarte, jeśli zależy Ci na kosztach związanych z narzutem tokenów: zawsze włączony kontekst może spalić tysiące tokenów wejściowych, zanim model wykona jakąkolwiek rzeczywistą pracę.

Co to oznacza dla DeepSeek V4.1 Flash i DeepSeek V4 Pro

DSH domyślnie używa DeepSeek V4.1 Flash — modelu, który API DeepSeek udostępnia jako deepseek-flash — a flagowa kompilacja DeepSeek V4 Pro (DeepSeek-V4-Pro-0813) należy do tej samej rodziny modeli, do obsługi której zbudowano harness. Oba są dziś dostępne przez zwykłe wywołania API, bez potrzeby używania harnessa, i oba są hostowane w OrcaRouter w cenie katalogowej samego DeepSeek, przekazywanej przy 0% marży: $0.15 za wejście i $0.60 za wyjście za milion tokenów dla DeepSeek V4.1 Flash oraz $0.66/$1.98 dla DeepSeek V4 Pro. To stawki poza godzinami szczytu, które DeepSeek podwaja między 01:00 a 04:00, a następnie między 06:00 a 10:00 UTC w dni powszednie. Poniższy zrzut ekranu to sierpniowe ujęcie strony modelu DeepSeek V4 Flash 0731, a widoczne na nim $0.15/$0.29 to cena z tamtego wydania: strona cennika DeepSeek udostępnia teraz tylko jedną pozycję Flash, deepseek-flash = DeepSeek-V4.1-Flash, w cenie $0.15/$0.60. Kartę tę należy czytać jako datowane ujęcie, a nie jako dzisiejszą stawkę.

Uczciwa granica: OrcaRouter to router modeli, a nie środowisko uruchomieniowe agenta, więc nie hostujemy DSH — to nie jest model. To, na co router rzeczywiście tu odpowiada, to problem przełączania awaryjnego, który podnosi DSH. Harness to szybko rozwijająca się wersja zapoznawcza — dziś 0.2.0-rc.2, a aplikacja desktopowa oparta na niej jest jeszcze młodsza — a kierowanie na nią ruchu produkcyjnego oznacza zakład oparty na raportowanych przez dostawcę wynikach agentowych. Uruchamianie tych samych modeli Deep​Seek przez warstwę routingu z jednym kluczem pozwala testować natywne wyniki DSH, zachowując jednocześnie automatyczne przełączanie awaryjne między dostawcami dla ruchu, który musi dalej działać. Harness to rzecz do eksperymentowania; modele, które uruchamia, to rzecz, którą należy ostrożnie kierować.

Konkluzja

DeepSeek Harness to najistotniejsza rzecz, jaką DeepSeek udostępnił na zasadach open source od czasu samych modeli, ponieważ zmienia znaczenie słowa „DeepSeek”: nie tylko modele, lecz także warstwa agentowa, która je uruchamia. Dla czytelnika, który zastanawia się, co zrobić: jeśli budujesz agentów, zainstaluj w tym tygodniu aplikację desktopową albo interfejs wiersza poleceń w wersji 0.2.0-rc.2 i uruchom test reprodukcji — wynik 82,7 w Terminal-Bench, który DeepSeek opublikował dla swojego modelu Flash, powstał w ramach DeepSeek Harness, a teraz możesz sprawdzić go samodzielnie. Ale traktuj go jako to, czym jest: wersja zapoznawcza dla programistów z nadchodzącymi zmianami łamiącymi zgodność, system wtyczek, który nagradza osoby lubiące mieć kontrolę nad swoim stackiem, oraz narzędzie wciąż mniej dopracowane niż wygładzone alternatywy. Jeśli korzystasz z Linuksa, spakowana aplikacja nie jest jeszcze dla ciebie właściwą drogą — jest nią npm. Modele leżące u podstaw są niezawodną częścią i to do nich możesz dziś z ufnością kierować ruch.