Плагины DeepSeek Harness, объяснение: как установить, добавить и создавать на основе агентной среды выполнения «Всё — это плагин»

Ответ в одну строку: DeepSeek Harness — не модель. Это среда выполнения агентов с открытым исходным кодом, которую DeepSeek выпустила 13 августа 2026 года по лицензии MIT, и вся её ставка в том, что каждая возможность, нужная агенту, — модель, инструменты, навыки, состояние сеанса, UI и даже основной цикл, — должна быть сменяемым плагином. Модели, которые вы запускаете внутри неё, — DeepSeek V4 Flash и DeepSeek V4 Pro, и вам не нужно верить ни единому слову маркетинга, чтобы почувствовать разницу: запустите npx @deepseek-ai/dsh web, откройте 127.0.0.1:3080, и менее чем за минуту у вас будет локальный агент для программирования, у которого терминал, боковая панель, веб-поиск и память — всё это плагины, которые можно добавлять, удалять или переписывать, не касаясь исходного кода фреймворка. Репозиторий на GitHub, в котором это выпустили, набрал 50 000 звёзд за первые 12 часов и по состоянию на 16 августа 2026 года имеет 125 959 звёзд. Эта статья — практическое руководство по плагинам, которое упускают результаты первой страницы: что на самом деле представляет собой DSH, что содержит экосистема плагинов прямо сейчас, как устанавливать и писать плагины и где предварительная версия действительно проседает.

Что на самом деле представляет собой DeepSeek Harness (и чем он не является)

Внутренняя формула DeepSeek, подтверждённая на официальной странице Harness, — это Model + Harness = Agent: модель думает и рассуждает, а harness даёт агенту возможность понимать своё окружение, использовать инструменты и продолжать работу над реальной задачей. Anthropic популяризировала этот термин, а Claude Code — эталонная реализация; версия DeepSeek имеет открытый исходный код, полностью работает на вашей машине и нацелена на ту же нишу, что Claude Code и OpenAI Codex. Именно из-за такого позиционирования называть DSH «моделью» неправильно, и именно поэтому эта статья — не обзор модели: harness — это слой, который соединяет модель с инструментами, файлами, терминалом и веб-интерфейсом, — а в архитектуре DeepSeek каждое из этих соединений является плагином.

Факты о релизе, все проверены 16 августа 2026 года: репозиторий deepseek-ai/deepseek-harness стал публичным вечером 13 августа по пекинскому времени как предварительная версия для разработчиков v0.1 под лицензией MIT. Он набрал 10 000 звёзд менее чем за два часа и 50 000 — в течение двенадцати, что примерно в 80 раз быстрее OpenClaw, ранее самого быстрорастущего репозитория на GitHub, а в более поздних сообщениях указывалось, что к 42-му часу он превысил 100 000. Сегодня GitHub API показывает 125 959 звёзд и 12 526 форков. Это не облачный сервис: вы устанавливаете Node.js, запускаете npx @deepseek-ai/dsh web, и веб-интерфейс работает на http://127.0.0.1:3080, при этом ваши сеансы, журналы и данные остаются локальными. Версия на npm — 0.1.0-rc.6, а в README указано, что проект находится в стадии предварительной версии для разработчиков и «стремительно дорабатывается», при этом ожидаются изменения, нарушающие совместимость.

«Всё — это плагин» — что на самом деле означает этот слоган

Фреймворк построен на Cordis — метафреймворке плагинов, извлечённом из экосистемы ботов Koishi. Cordis намеренно устроен просто: он только загружает, выгружает плагины и разрешает зависимости между ними, не содержа в себе реальных возможностей агента. Всё, что находится выше, — адаптер модели, инструменты, навыки, сессии, песочница, хранилище, цикл, управляющий агентом, планировщик и веб-интерфейс, — само является плагином Cordis, а плагины взаимодействуют через сервисы и события Cordis. Вы можете выбирать, заменять или расширять любую возможность на уровне конфигурации, не редактируя исходный код.

Это включает и модель. Модель — всего лишь плагин, за которым стоит эндпоинт, совместимый с OpenAI, поэтому ничто в фреймворке не принуждает вас оставаться в линейке DeepSeek — шаг «заменить модель» это изменение конфигурации, а не форк. Тот же принцип объясняет, почему четыре встроенных пресета на самом деле являются четырьмя наборами плагинов:

• Стандартный — полноценный агент для программирования: редактирование файлов, Shell, поиск файлов и в интернете, Skills, планы, цели, субагенты и рабочие процессы.

• PTC — всё из Standard плюс Code Mode SDK, который позволяет модели написать одну программу на TypeScript, чтобы объединять многошаговые вызовы инструментов в цепочку вместо того, чтобы выполнять их по одному.

• Minimal — ровно два инструмента (постоянный bash и str_replace_editor), созданные для бенчмаркинга моделей в минимальных средах. Это тот режим, который DeepSeek использовала для запусков агентных бенчмарков V4 Flash, упоминаемых в её документации API.

• Создание — режим для создания новых пресетов: полный набор возможностей Standard, а также инспекция во время выполнения и эксперименты с плагинами в памяти, ориентированный непосредственно на разработчиков плагинов.

Экосистема плагинов в цифрах

Разработка плагинов сообществом началась во время внутреннего тестирования — за первые дни было создано около 300 плагинов, включая ретро-скин в стиле Windows XP и плагин с мемами — и с момента публичного релиза их число выросло. Значимая цифра зависит от того, что именно считать:

• 288 репозиториев плагинов, внесённых в каталог в ночь запуска китайскими технологическими СМИ, согласно исследованию 36Kr.

• 1 000+ репозиториев с публичным тегом темы GitHub dsh-plugin в течение первых дней; по некоторым подсчётам — 700+.

• 1 117 отобранных плагинов в 1 521 отслеживаемом репозитории экосистемы, в сумме набравших 301 295 звёзд GitHub, в поддерживаемом сообществом каталоге Oh-My-DSH по состоянию на 15 августа 2026 года.

• 2 600+ репозиториев в автообновляемом каталоге awesome-dsh всего топика dsh-plugin, а также 368 вручную отобранных записей в 18 категориях в списке 0xsline awesome-deepseek-harness.

Таксономия в этих списках показывает, куда сообщество устремилось в первую очередь, — и это ровно та поверхность, которая нужна среде выполнения агента. Веб-поиск: dsh-web-search-exa (на базе Exa, с резервным вариантом без ключа) и dsh-web-search-pro (маршрутизация между несколькими движками: DeepSeek, Exa, DuckDuckGo, Bing, Jina, GitHub, Bilibili и YouTube). RSS и новости: dsh-news-plugin собирает более 10 китайских и английских лент в структурированные элементы. Офисные файлы: dsh-office позволяет модели редактировать документы Office с предпросмотром docx/pdf в веб-клиенте. Импорт истории чатов: dsh-chat-import восстанавливает беседы с полной точностью из 13 агентов для программирования — Claude Code, OpenAI Codex, ChatGPT, Cursor, Gemini и других — в виде возобновляемых сессий DSH. Мобильность: dsh-mobile и dsh-mobileweb-adapter переносят интерфейс на телефон. Feishu и Lark: dsh-feishu-bot и dsh-feishu-notify отправляют события сессий в Feishu, а dsh-im-hub — это многоплатформенный шлюз (Feishu WebSocket, WeCom, Telegram). Голос: dsh-voice добавляет чтение вслух через нейронный TTS Edge и распознавание речи, а dsh-voice-webspeech не требует ни сервера, ни API-ключей. Вокруг этого располагаются плагины памяти (dsh-memento, dsh-memory-evolve, dsh-recall), официальный набор инструментов (dsh-toolkit), боковые панели в стиле IDE (dsh-better-sidebar, deepseek-harness-workbench-plugin), плагины компьютерного зрения, дающие «зрение» чисто текстовым моделям, и даже десктопная обёртка на Tauri — deepseek-harness-desktop.

Как установить DSH и добавить плагины

Путь установки короткий, и команду плагина стоит указать точно, потому что несколько руководств её искажают. Каноническая форма — dsh plugin --profile web add <package> — флаг --profile web важен, потому что профили определяют, какой пакет плагинов запускает сессия, а профиль web — тот, что стоит за Web UI.

• Install Node.js (reports indicate 22.19 or newer), then start the Web UI: npx @deepseek-ai/dsh web — it serves at http://127.0.0.1:3080.

• Добавьте плагин по имени npm-пакета: dsh plugin --profile web add <package-name>, например dsh plugin --profile web add @nanmicoder/dsh-agent-teams.

• Добавить из репозитория GitHub: dsh plugin --profile web add "github:owner/repo#ref" (#ref фиксирует ветку, тег или коммит).

• Без глобальной установки dsh: npx -p @deepseek-ai/dsh dsh plugin --profile web add <package-name>.

• После установки плагина-набора перезапустите dsh web и обновите страницу; проверьте с помощью dsh plugin --profile web list или используйте «Настройки → Плагины» в веб-интерфейсе.

Одна тонкость, которая ставит в тупик новичков: только пакеты, объявляющие поле dsh.bundle.patch становятся активными слоями профиля. Обычная зависимость устанавливается, но остаётся инертной — именно объявление бандла сообщает DSH, что пакет является плагином харнесса и куда он встраивается. Команда dsh plugin передаёт операции с пакетами в pnpm, поэтому поддерживаются пакеты npm, спецификации GitHub, локальные пути, источники file: и link:, а повторный запуск той же команды add обновляет плагин.

Как написать собственный плагин

Поскольку всё является плагином, написание плагина — это написание плагина Cordis, который объявляет пакет DSH, а каркас от сообщества делает его удобной отправной точкой. Реестр плагинов и инструменты разработки (plugin-registry, dsh-plugin-starter, create-dsh-plugin и средство проверки работоспособности dsh-plugin-check) — это инфраструктура сообщества, но контракт достаточно стабилен, чтобы его описать: ваш пакет должен объявить dsh.bundle.patch, чтобы стать активным слоем профиля, он предоставляет свои возможности как сервисы и события Cordis, а среда выполнения при загрузке решает, как он встраивается в выбранный вами профиль.

Для локальной разработки цикл такой: клонируйте и соберите свой плагин, добавьте его с помощью dsh plugin --profile web add "link:$(pwd)", затем повторяйте итерации — изменения на стороне клиента требуют обновления страницы, изменения на стороне хоста — перезапуска службы dsh. Такой процесс с локальными ссылками использовался при создании большинства первых 1000 плагинов экосистемы, и стоит перенять дисциплину, которой следуют эти проекты: фиксируйте версии. Preview-версия развивается так быстро, что плагин, написанный под один rc, может сломаться на следующем — например, для vision-плагина ModLens из сообщества в документации указано, что для надёжной работы его версию нужно закреплять.

Trajectory и MCP — две функции, которые рецензенты постоянно отмечают

О двух возможностях стоит знать до того, как вы решите, подходит ли вам DSH, потому что это те аспекты дизайна, о которых не расскажет «подборка плагинов». Первая — траектория. Каждый запуск отслеживаем: весь опыт модели — системные промпты, цепочка рассуждений, каждый вызов инструмента и его результат, планирование субагентов и каждая инъекция контекста — записывается в журнал сессии, доступный только для добавления, а восстановление, ветвление, извлечение и воспроизведение работают с одним и тем же потоком событий. Разработчики на Hacker News отметили это как ключевую функцию, заметив, что закрытые агентские продукты скрывают именно эти данные. Вторая — MCP. DSH поставляется с официальным MCP-клиентом с командой /mcp и вкладкой настроек для серверов, и экосистема уже построила на нём — dsh-chatgpt-bridge открывает сессию DSH для ChatGPT как MCP-сервер, а dsh-mcp-panel — панель наблюдаемости для клиента. Если ваш агентский стек уже опирается на MCP-серверы, DSH может монтировать их как плагины.

Откуда берётся модель

DSH — это харнесс, а не провайдер моделей, поэтому единственное, что необходимо предоставить, — это конечная точка модели. И здесь нативно подходит собственная пара DeepSeek. DeepSeek V4 Flash (эффективная MoE с 284B всего / 13B активных параметров, примерно $0,15 за миллион входных и $0,29 за миллион выходных токенов) — недорогой вариант по умолчанию; DeepSeek V4 Pro (флагман с 1,6T всего / 49B активных параметров, примерно $0,44 / $0,88) — движок для ресурсоёмких задач. Обе модели размещены на OrcaRouter по прайс-листу DeepSeek без наценки и доступны через один ключ, совместимый с OpenAI, — это органично подходит для плагина моделей DSH: укажите плагину моделей конечную точку OrcaRouter, и вы сможете переключаться между Flash и Pro в рамках одного харнесса, с автоматическим переключением на второго провайдера, если один зависнет. Это реальный сценарий использования, и честный: OrcaRouter не размещает сам DSH — DSH работает на вашей машине, а OrcaRouter — это слой моделей, на который вы его направляете.

Где это даёт сбой — честная часть

Та же энергия, которая за три дня породила 125 000 звёзд, породила и шероховатости. Прочтите это до установки, а не после:

• Это предварительная версия для разработчиков, и она сама об этом заявляет. В самом README есть предупреждение: «THERE WILL BE COMPATIBILITY-BREAKING CHANGES» (БУДУТ ИЗМЕНЕНИЯ, НАРУШАЮЩИЕ СОВМЕСТИМОСТЬ). Версия в npm — это кандидат в релизы (0.1.0-rc.6), базовые плагины и основные API всё ещё дорабатываются, а сам интерфейс запуска показывает уведомление, адресованное разработчикам Harness. Не выстраивайте производственную зависимость на номерах версий, которые будут меняться у вас под ногами.

• Выбор харнесса стоит реальных токенов. Стороннее сравнение, упомянутое в китайской прессе, показало, что другой открытый харнесс использовал примерно 30% того количества токенов, что и DeepSeek Harness, на той же задаче DeepSeek V4 Flash, а контролируемый тест Composio прогнал один и тот же V4 Flash через восемь харнессов на 30 задачах и получил от 14 до 20 выполнений — модель одна и та же, а результаты различаются на треть. Харнесс — не нейтральная обёртка; он определяет, насколько эффективно работает модель.

• Ощущается как фреймворк, а не готовый продукт. По словам самих обозревателей: интерфейс недружелюбен к тем, кто не пишет код, и шероховатостей повсюду предостаточно. Официальных CLI или TUI нет — сообщество создало dsh-TUI и dsh-tianshu-tui, чтобы заполнить эту нишу — и свобода в духе «всё есть плагин» как раз и делает настройки по умолчанию ощущающимися незавершёнными.

• Это работает, но за этим нужно следить. Отчёты о практическом использовании — включая тот, который породил заголовок «50 000 звёзд за ночь» — описывают агента, который выполняет многошаговые задачи (перестраивает сайт на другом языке дизайна, получает данные API GitHub и строит график), но требует надзора, а в результатах есть мелкие ошибки форматирования и взаимодействия.

• Local-first означает, что вычисления предоставляете вы. DSH работает на вашей машине и с вашими ключами модели. Если вам нужен управляемый агент, это не то.

Итог

DeepSeek Harness — самый быстрорастущий open-source-проект 2026 года: не потому, что это лучшая модель — это вообще не модель, — а потому, что он превратил самого агента в платформу. Настоящая история — это экосистема плагинов: 100+ возможностей в официальных наборах, 1100+ community-плагинов, каталогизированных через три дня после запуска, а самый быстрый способ оценить всю эту ставку — выполнить npx @deepseek-ai/dsh web и добавить несколько плагинов. Разработчику, который хочет локальную, полностью инспектируемую среду выполнения агентов и готов фиксировать версии в быстро меняющемся preview, стоит установить DSH уже сегодня: подключите его к DeepSeek V4 Flash и DeepSeek V4 Pro через OrcaRouter по цене из прайс-листа DeepSeek — и вы получите полный стек за стоимость одних только токенов. Для всех, кому нужна продакшен-стабильность, кто не может нянчиться с preview или хочет управляемого агента, он пока не готов — дождитесь, пока стабилизируется поверхность совместимости. Утверждение фреймворка о том, что ценность накапливается в харнессе, а не в модели, — это то, на что стоит ставить или с чем спорить; и теперь, благодаря более чем 1000 открытых плагинов, вы можете проверить это сами.