Как использовать DeepSeek DSH: практическое руководство по открытому агентному харнессу DeepSeek

DSH — Deep​Seek Harness — это агентный рантайм, который Deep​Seek открыла 13 августа 2026 года, и это не модель. Это обвязка, которая находится между моделью и вашим терминалом: она даёт языковой модели редактирование файлов, оболочку, поиск, планирование и вызовы инструментов, а затем записывает каждый шаг, чтобы вы могли воспроизвести то, что она сделала. Короткий ответ на вопрос «как»: установите Node.js, выполните npx @deepseek-ai/dsh web, откройте http://127.0.0.1:3080, добавьте API-ключ, выберите пресет и начните сеанс. Ниже приведена версия этого ответа, с которой вы действительно можете работать — четыре пресета, использование его в качестве кодинг-агента, чтение траектории, подключение MCP и предупреждения о предварительной версии, которые пропустило освещение запуска. Две модели, которые вы, скорее всего, подключите к нему, — DeepSeek V4 Flash и DeepSeek V4 Pro — упоминаются на протяжении всего текста.

Это руководство по использованию, а не обзор запуска. Утечки и дату релиза мы уже осветили в отдельных материалах; здесь — вопрос, который на самом деле волнует ищущего: как пользоваться продуктом после его установки. Источники помечены по ходу текста: репозиторий и документация самого DeepSeek — для того, что заявляет DSH, а также датированная китайская технопресса (GeekPark, The Paper) и репозитории сообщества — для того, что пользователи сообщают по итогам запуска.

Что такое DSH (и чем оно не является)

Внутренняя формула Deep​Seek — Model + Harness = Agent, и DSH — это как раз часть Harness. Модель рассуждает; harness решает, когда передать ей инструмент, читает файлы, выполняет shell-команды, возвращает вывод об ошибках в цикл и определяет, когда задача выполнена. DSH был опубликован в открытом доступе 13 августа 2026 года примерно в 20:30 по пекинскому времени под лицензией MIT, написан на TypeScript и выпущен как предварительная версия v0.1 для разработчиков. История звёзд — это то, что все цитируют: примерно 7 300 звёзд в 21:05, 15 500 к 21:51, более 10 000 в течение примерно двух часов после анонса, 50 000 за двенадцать часов и 100 000 примерно за 42 часа — самый быстрый рост, зафиксированный GitHub, по данным репортажей GeekPark и The Paper за тот же день. На сегодняшний день в репозитории примерно 126 000 звёзд.

Архитектурный лозунг — «всё есть плагин»: на базе фреймворка Cordis адаптеры моделей, инструменты, навыки, журнал сессий, политика одобрений и даже сам цикл агента — это плагины, смонтированные в общий контекст. Стандартная установка включает более сотни плагинов, а этап внутреннего тестирования, по данным GeekPark, дал около трёхсот плагинов сообщества ещё до публичного релиза. Именно поэтому это называется средой выполнения агента, а не приложением: вы собираете нужное поведение из взаимозаменяемых частей.

То, чем DSH не является, — это модель. Не существует «модели DSH», которую можно было бы сравнивать, и никто не хостит DSH, чтобы вы могли к нему обратиться, — он работает локально, на вашей машине, и вы платите только за токены модели, которые он потребляет. Модель подключается отдельно, и Deep​Seek поставляет адаптеры для 20+ провайдеров и протоколов, включая собственный API Deep​Seek, совместимые с Open​AI конечные точки и API Anthro​pic. На практике все используют связку DSH с DeepSeek V4 Flash для дешёвого повседневного кодирования или DeepSeek V4 Pro, когда задача достаточно сложна, чтобы оправдать более мощный мозг, — подробнее об этом ниже.

Прежде чем начать: что вам действительно нужно

Предварительные требования проще, чем может показаться. Вам понадобится Node.js — пакет объявляет ^22.19.0 или >=24.0.0, так что подойдут текущая LTS и любые более новые версии, — а также API-ключ для той модели, которую вы планируете подключить. Сам DSH бесплатен и имеет открытый исходный код; единственные расходы — это токены модели. Также понадобится директория, к которой вы готовы разрешить доступ агенту: механизм рабочей области DSH является границей безопасности и ограничивает агента только теми каталогами, которые вы явно добавили.

При первом запуске DSH создаёт домашний каталог — $DSH_HOME, по умолчанию это ~/.dsh, — в котором хранятся ваши профили, сессии, данные и settings.yaml. API-ключи живут в файле .credentials.yaml там же; веб-интерфейс показывает только замаскированный дескриптор, но никогда сам ключ. Этот файл стоит резервировать, потому что повторный ввод ключей вручную — самая частая жалоба при настройке в сообществе.

Установка и запуск: четыре способа

Путь zero-install — это одна команда. Из терминала с установленным Node.js:

• npx @deepseek-ai/dsh web — загружает пакет и запускает веб-интерфейс по адресу http://127.0.0.1:3080. Это самый быстрый способ, и именно с него начинается документация.

• npm install -g @deepseek-ai/dsh, затем dsh web — глобальная установка, если вы будете использовать его многократно.

• Из исходников: git clone https://github.com/deepseek-ai/deepseek-harness, затем pnpm install, pnpm run build, pnpm dsh web — правильный путь, если вы хотите читать или изменять код, и именно его предполагают документы по разработке плагинов.

• Python SDK: pip install deepseek-harness-sdk — для CI-скриптов и пакетной автоматизации, с примерами в каталоге examples репозитория.

Также существует headless CLI для разовых задач в скриптах: dsh --profile headless "fix the failing test in this repo" запускает агента один раз, печатает окончательный ответ и завершается с кодом 0. Лаунчер dsh разбирает только собственные флаги — --profile, --patch и тому подобные — и передаёт всё, что идёт после них, запускаемому профилю, что часто вызывает путаницу при первом использовании.

Веб-интерфейс по умолчанию привязывается к 127.0.0.1, поэтому ничего не доступно из вашей сети — это осознанное решение по умолчанию, и его стоит сохранять, пока у вас не появится причина поступить иначе. Сеансы, журналы и учётные данные остаются на вашем компьютере; сам DSH не содержит облачных компонентов.

Первый запуск: ключ, рабочее пространство, сессия

Когда интерфейс запущен, первый цикл состоит из трех шагов. В настройках добавьте свой API-ключ в разделе Models и выберите провайдера. Затем добавьте рабочее пространство — каталог проекта, с которым должен работать агент. Наконец, создайте сессию, выберите предустановленный рантайм и отправьте небольшое первое задание, например: «проанализируй структуру этого каталога и напиши для него README». Начинать с малого важно: это самый быстрый способ убедиться, что ключ, границы рабочего пространства и песочница работают корректно, прежде чем поручить агенту настоящую задачу.

DSH самостоятельно задает уточняющие вопросы, когда инструкция неоднозначна, даже при выключенном режиме планирования, предлагая варианты вместо того, чтобы угадывать. Сообщество отмечает это как одно из самых неожиданных и полезных поведений по умолчанию для пользователя в первый день.

Четыре пресета — и какой выбрать

Пресеты — это не одна и та же модель в разных настроениях. Каждый из них — это отдельный каталог инструментов плюс отдельный системный промпт, и переключение пресетов меняет то, что агент может видеть и делать, а не то, какая модель отвечает. Четыре встроенных пресета: Standard, PTC, Minimal и Creation.

• Standard — полный инструментарий агента-программиста: редактирование файлов, постоянная оболочка, получение данных из файлов и веб-ресурсов, Skills, режим планирования, отслеживание целей, субагенты и рабочие процессы. Это конфигурация по умолчанию в духе Claude Code / Open​AI Codex, и именно с неё вам стоит начать.

• PTC (режим кода) — «Программный вызов инструментов». Он упаковывает каталог инструментов в TypeScript SDK и позволяет модели писать программу на TypeScript, которая выполняет множество вызовов инструментов за один вызов run_code, сохраняя промежуточные данные в рабочем потоке и возвращая в контекст модели только сводку. По сообщениям сообщества, экономия токенов составляет примерно 20x на многошаговых задачах, но ценой того, что первый выход модели становится программой, которую можно прочитать и проверить.

• Minimal — ровно два инструмента: постоянная bash-оболочка и str_replace_editor, с минимальным промптом персоны. Эта конфигурация предназначена для бенчмаркинга способностей модели при минимальной тестовой обвязке; DeepSeek использовал её для официальных агентных оценок DeepSeek V4 Pro 0813. Используйте её, когда тестируете модель, а не когда пытаетесь выполнить работу.

• Создание — Стандартный плюс инспекция среды выполнения и эксперименты с плагинами: инструмент dsh-tool-cordis, который считывает текущую среду выполнения (загруженные плагины, сервисы, события) и монтирует или размонтирует плагины в памяти; предназначен для тех, кто создаёт пресеты и плагины. Относитесь к нему как к инструменту с полномочиями на уровне оболочки — он может изменять среду выполнения на лету.

Наш вердикт: начинайте со Standard, переходите на PTC для повторяющихся многошаговых задач, где сокращение числа циклов запроса-ответа окупается, а Minimal и Creation не трогайте, пока не займётесь бенчмаркингом или разработкой плагинов. Одно предостережение сообщества стоит держать в уме: схема инструментов пресета Minimal измеримо лучше побуждает DeepSeek V4 Pro давать лаконичный первый ответ в духе «нам нужно…», чем более полный каталог Standard, — именно поэтому экспериментальные пресеты вроде dsh-anchored-standard сначала формируют первый запрос в стиле Minimal, а затем открывают доступ к Standard. Это признак того, насколько сильно сам каталог инструментов формирует поведение, — и это стоит знать, если агент снова и снова возвращает задачу не в том тоне.

Использование в качестве агента программирования: конкретный рабочий процесс

Вот как выглядит реальная сессия DSH на пресете Standard, по сообщениям практиков:

• Укажите DSH на рабочую область, представляющую собой git-чекаут, и дайте ему задачу, сформулированную в виде результата: «добавьте пагинацию к эндпоинту списка и сохраните существующие query-параметры.»

• Позвольте ему спланировать (или нет — агент в любом случае планирует), затем наблюдайте, как он читает соответствующие файлы, формирует план и сообщает, что он изменит, прежде чем что-либо менять.

Агент редактирует файлы, запускает тестовый набор в своем постоянном shell, читает сообщения об ошибках и повторяет цикл. Этот цикл — редактирование, запуск, чтение ошибки, снова редактирование — является основной функцией стенда, и именно постоянный shell делает его быстрым: состояние сохраняется между вызовами инструментов, поэтому ему не приходится перезагружать контекст при каждой команде.

• Для всего, что требует внешнего контекста, он использует поиск по файлам и веб-поиск, а также может передавать крупную самодостаточную работу субагенту, чтобы контекст основного цикла оставался небольшим.

• Встроенные навыки охватывают мета-работу: dsh-code-review проверяет pull request, dsh-find-simplifications ищет код, который можно упростить, dsh-doc-standards проверяет документацию на соответствие внутренним правилам. Навыки подключаются как плагины, а сообщество создало ещё сотни других.

Действия с высокими привилегиями — запись за пределами рабочей области или команды с полным доступом — вызывают запрос на подтверждение в веб-интерфейсе перед выполнением. Эта песочница с уровнями «только чтение» / «запись в рабочую область» / «полный доступ» является главным барьером между запутавшимся агентом и всей вашей машиной, поэтому читайте запрос, прежде чем нажать кнопку.

Когда задача должна выполняться в несколько шагов с решениями между ними, рабочие процессы объединяют их и переносят состояние с одного шага на следующий. Комбинация — планирование, постоянная оболочка, поиск, Skills, субагенты, рабочие процессы — это вся суть пресета Standard, и она охватывает ту же область, что и платные агенты для кодинга, с которыми вы сравниваете, работая с любой подключённой моделью.

Воспроизведение траектории: посмотрите, что именно сделал агент

Функция, к которой рецензенты возвращаются снова и снова, — это Trajectory. DSH записывает весь сеанс как журнал событий с добавлением только в конец: системный промпт, цепочка рассуждений модели, каждый вызов инструмента и его результат, жизненные циклы субагентов и инъекции контекста. Представление Trajectory в веб-интерфейсе воспроизводит этот поток шаг за шагом, так что вы можете точно видеть, что агент видел в каждый момент, какую команду он выполнил и что модель решила дальше.

Этот лог — не просто журнал аудита. Поскольку он является источником истины, восстановление сессий, форкинг, извлечение и воспроизведение — всё вытекает из него: вы можете создать форк сессии из любой точки, возобновить прерванную, и — что команды ценят больше всего — распределять стоимость по шагам, когда задача выполняется долго. Когда кодирующий агент молча делает что-то не так, Trajectory показывает вам, где он сбился с пути, вместо того чтобы оставлять вас гадать по итоговому diff. Никакой другой компонент инструмента не даёт такого преимущества при отладке.

Многоагентная оркестрация и MCP

Два замечания по архитектуре важны для тех, кто задумывается: «как на этом строить?». Во-первых, DSH — мультиагентный на уровне обвязки, а не только через один длинный цикл: субагенты работают в собственном контексте со своими инструментами, а главный агент координирует их — именно так большая задача не раздувает основное окно контекста. Во-вторых, MCP стоит уровнем ниже: Model Context Protocol — это открытый стандарт для подключения ИИ-приложения к внешним данным и инструментам, тогда как DSH — это среда выполнения, которая решает, когда предложить инструмент и одобрить ли его вызов. MCP-сервер подключается к DSH как плагин, так что сотни MCP-серверов сообщества встраиваются без специальной обработки — через тот же механизм, что подключает инструменты, Skills и пресеты. Никакого отдельного «режима MCP» включать не нужно; вы добавляете сервер, и он становится ещё одним плагином в каталоге.

Откуда берутся модели (и сколько это стоит)

DSH бесплатен, но он работает на токенах, и счёт зависит от модели. Большинство людей будут использовать два движка — собственные разработки Deep​Seek: DeepSeek V4 Flash примерно за $0,15 за миллион входных токенов и $0,29 за миллион выходных на OrcaRouter, с контекстом в 1 млн токенов и максимальной генерацией 384K — дешёвый повседневный вариант — и DeepSeek V4 Pro примерно за $0,44/$0,88 для сложных задач. Оба движка предлагаются по ценам провайдера на OrcaRouter, передаются без наценки, то есть изменение цены Deep​Seek в тот же день отражается на нашей стороне без пересмотра соглашений. Независимые отчёты о реальном потреблении DSH подтверждают недорогую картину: тест The Paper в первый день прогнал несколько задач через DSH, потратив в сумме менее ¥3 на токены.

Одно честное предостережение из того же обзора: проведённое на второй день стороннее сравнение показало, что та же DeepSeek V4 Flash выполняет те же задачи в другом опенсорсном харнессе («Pi») примерно за треть токенов, которые тратит DSH. Эффективность использования токенов зависит от обработки промптов и контекста в харнессе, а не только от модели, и предварительная сборка пока явно не оптимальна в этом отношении. Если решающим фактором для вас является стоимость, протестируйте вашу реальную задачу в двух харнессах, прежде чем принимать решение.

OrcaRouter действительно уместен здесь именно как модельный слой, а не обвязка. Мы не хостим DSH — это локальная среда выполнения, и никто не должен продавать вам хостинг DSH. Мы хостим модели, которые вы подключаете к нему, за одним ключом с автоматическим переключением между провайдерами. Это важно, потому что DSH — предварительная версия для разработчиков 0.1: вы можете проверить её на реальном трафике, сохранив те же модели на стабильном эндпоинте, и если DSH изменится несовместимым образом, ваш доступ к моделям от этого не изменится. Попробуйте обвязку, а модели держите на роутере.

Честные ограничения предварительной версии 0.1

В собственном README Deep​Seek сказано прямо: DSH находится в предварительной версии для разработчиков, быстро развивается, и будут изменения, ломающие совместимость. Что это значит на практике, судя по первым дням работы сообщества с ним:

• Обновления сломают что-то. Конфигурационные файлы, совместимость плагинов и форматы пресетов уже менялись между кандидатами в релизы; ожидайте, что вам придётся заново проверять свои настройки при каждом обновлении.

• Документация неполная. Некоторые продвинутые области — субагенты, рабочие процессы, отслеживание целей — описаны скудно, и несколько новичков сообщают, что читают исходный код или обсуждения на GitHub, чтобы разобраться.

• Это продукт для разработчиков, а не потребительский. Интерфейс предполагает, что вы уверенно работаете с файлами, оболочками и API-ключами. Итоговый заголовок GeekPark — «дело делает, но за ним нужен глаз да глаз» — точен.

• Пока что Windows — гражданин второго сорта. Интеграция с оболочкой в нескольких местах предполагает Unix-подобную среду; пользователи Windows сообщают, что им требуются доработки pwsh и попадаются отдельные баги путей.

• Нет настольного приложения. Единственный интерфейс — это браузерный веб-интерфейс и CLI, который хорош в терминале и не так хорош, если вы хотели приложение в доке.

• Эффективность использования токенов не доказана в масштабе. Приведённое выше сравнение с Pi-harness — лишь одна точка данных, но оно предупреждает, что обработка промпта и контекста по умолчанию ещё не настроена так, как была бы у зрелого продукта.

Когда DSH — неправильный выбор

Оборотная сторона медали. Пока не используйте DSH для продакшн-пайплайнов — обязательство вносить ломающие изменения это жёсткий стоп для всего, что не может допустить, чтобы обновление обвязки молча меняло поведение. Не выбирайте его для команды, которой некомфортно отлаживать поведение агента из терминала; Trajectory и плагинная система мощны, но они рассчитаны на техническую грамотность. А если вам на самом деле нужен стабильный, поддерживаемый кодинг-агент, где кто-то другой отвечает за связку, платные агенты, с которыми конкурирует DSH, остаются менее рискованным вариантом. Предложение DSH обращено к тому, кто хочет владеть обвязкой сам — менять модели, подключать MCP-серверы, писать пресет и видеть каждый шаг, который сделал агент.

Суть

«Практический ответ на вопрос «как мне использовать Deep​Seek DSH» не изменился за дни, прошедшие с момента его выхода: установите Node.js, выполните npx @deepseek-ai/dsh web, откройте порт 3080, добавьте API-ключ, выберите Standard и начните с небольшой задачи. Освойте представление Trajectory как можно раньше, потому что это ваш инструмент отладки. Относитесь к пресетам как к разным каталогам инструментов, а не как к разным моделям, и ко всему проекту — как к превью: достаточно способному, чтобы его стоило изучать, и достаточно нестабильному, чтобы модели, на которых он работает, держать за эндпоинтом, которому вы уже доверяете. Именно в этом слое находится OrcaRouter — DeepSeek V4 Flash и DeepSeek V4 Pro по цене провайдера без наценки, один ключ, автоматическое переключение при сбоях, — так что окружение может меняться у вас под ногами без изменения самих моделей. DSH — самый интересный агентный рантайм с открытым исходным кодом в этом году. Просто он ещё не завершён, и честный способ пользоваться чем-то незавершённым — убедиться, что часть, которая может сломаться, не утянет за собой ваш доступ к моделям.