Så här installerar du DeepSeek Harness (dsh): skrivbordsapp, npx-enradare, bygge från källkod och insticksprogram

Deep​Seek Harness (dsh) – den öppen­källkods-agentkörtid som Deep​Seek släppte den 13 augusti 2026 – fick en officiell skrivbordsklient den 24 september 2026. Det är en paketerad app för Windows och macOS med Apple-silicon, publicerad från Deep​Seeks egen nedladdningsserver med harness-körtiden inbakad: ingen Node.js-installation, inget npx, ingen terminal. Kommandoraden har inte försvunnit – npx @deepseek-ai/dsh web är fortfarande den snabbaste vägen på Linux, vilket skrivbordsbygget inte täcker. Två saker att veta innan du börjar: dsh är inte en modell – det är harness-lagret som kopplar en modell som DeepSeek V4 Flash 0731 eller DeepSeek V4 Pro 0813 till verktyg, filer och en terminal – och varje kanal av det är fortfarande en förhandsversion för utvecklare, så räkna med brytande ändringar mellan versioner. Den här guiden täcker skrivbordsappen, npx-ettradaren, källkodsbygget, headless-läge, plugins, MCP och de ärliga ojämnheterna.

Vad DeepSeek Harness är — och vad det inte är

Deep​Seek:s interna formel, bekräftad av seniorforskaren Chen Deli, är Modell + Harness = Agent. Modellen är hjärnan; harnesset är allt som förvandlar den till något som får arbete utfört: kontext- och minneshantering, verktygsanrop, uppgiftsplanering, filläsning och filskrivning, terminalexekvering, felåterkoppling och att avgöra när en uppgift är klar. Deep​Seek Harness är det lagret, som släpptes som öppen källkod under MIT-licensen den 13 augusti 2026 — samma dag som DeepSeek V4 Pro 0813-versionen lanserades på Deep​Seek API.

Två fakta definierar installationsupplevelsen. För det första är arkitekturen "allt är ett plugin", byggd på Cordis, en TypeScript-pluginbehållare – så det du installerar är en liten kärna plus en uppsättning plugins som tillhandahåller modelladaptrar, verktyg, sessioner och UI. För det andra är npm-kanalerna i dag 0.1.5-rc.3 på latest och 0.1.7-rc.2 på next, båda releasekandidater som projektet självt flaggar som en förhandsversion för utvecklare: README varnar, med versaler, för att kompatibilitetsbrytande ändringar är på väg. Populariteten är verklig – 50 000 GitHub-stjärnor under de första 12 timmarna och 235 000 i slutet av september 2026 – men stjärnor mäter intresse, inte stabilitet. Planera installationen som du planerar en förhandsversion: snabb att prova, billig att kasta bort.

Innan du börjar: de faktiska systemkraven

För kommandoradsinstallationer är det enda hårda kravet Node.js. Projektet riktar sig mot motorintervallet ^22.19.0 || >=24.0.0 — i klartext, Node 22.19 eller nyare, eller valfri Node 24.x. Kontrollera din version med node --version. Om du kör en äldre Node-version kommer npx-installationen att misslyckas eller bete sig felaktigt, inte degradera smidigt. Skrivbordsappen nedan är undantaget: den paketerar sin egen körtid, så den behöver ingen Node.js alls.

Allt annat är lättare än vad model-first-skaran antar:

• En API-nyckel för modellen. dsh kör en riktig modell; den behöver en nyckel för Deep​Seeks API eller valfri Open​AI-kompatibel leverantör som du konfigurerar. Du kan lägga till en i webbgränssnittet efter första start.

• pnpm — endast för bygge från källkod. Installera en gång med npm install -g pnpm.

• ~1 GB ledigt diskutrymme för npm-paketet, arbetsytan och sessionsloggar, plus allt en lokal modell skulle behöva (dsh kör inte själva vikterna). Skrivbordsinstallationsprogrammet är tyngre – 288 MB för Windows .exe-filen, en 368 MB stor diskavbildning på macOS – eftersom det har den körtiden inbäddad.

• OS: npm-vägen fungerar på Windows, macOS och Linux. Skrivbordsappen är snävare – endast Windows x64 och macOS med Apple-silicon, inget Intel-Mac-bygge och ingen Linux-målplattform. Python-SDK:n är ännu snävare (Linux x64/arm64, macOS 14+ arm64 – inget inbyggt Windows-stöd) och beskrivs nedan.

Du behöver inte en GPU. Harnessen orkestrerar bara; modellen körs på distans via ett API.

Metod 1 — den officiella skrivbordsappen (Windows och macOS)

Den 24 september 2026 publicerade Deep​Seek det första paketerade skrivbordsbygget av Deep​Seek Harness. Det är ett Electron-skal runt samma webbgränssnitt med dsh-körtiden inbäddad, så det finns inget att installera först och inget att starta manuellt: ingen Node.js, ingen npx, ingen terminal och ingen webbläsarflik som lämnas öppen på 127.0.0.1:3080. Källkoden finns i det publika arkivet under apps/desktop som paketet @deepseek-ai/dsh-desktop, artefakterna levereras från Deep​Seeks egen produktionsvärd för nedladdning på download.deepseek.com/dsh-desk/, och appen följer harness-versionen exakt – det aktuella bygget är 0.1.7-rc.2.

Vad den där värden serverade den 25 september 2026:

• Windows — deepseek-harness-0.1.7-rc.2-win-x64.exe, ett 288 MB installationsprogram, med en .blockmap-fil bredvid för deltauppdateringar.

• macOS — deepseek-harness-0.1.7-rc.2-mac-arm64.dmg, en 368 MB diskavbildning, eller samma build som en 373 MB .zip. Endast Apple silicon.

• Version — 0.1.7-rc.2, med releasedatum 24 september 2026, som matchar harness-versionen på npm:s next-tagg.

• Saknas — inget Intel‑Mac‑bygge (uppdateringsflödet för mac‑x64 returnerar 404) och inget Linux‑mål av något slag.

Varje target publicerar även ett uppdateringsflöde under download.deepseek.com/dsh-desk/feeds/, där fältet releaseDate är byggdatumet. Att kontrollera den filen är det snabbaste sättet att se om en nyare byggversion finns utan att vänta på att appen ska erbjuda en.

Varför den officiella klienten är en annan sak än community-wrappers. Den är förstaparts och självuppdaterande, den har runtime i installationsprogrammet i stället för att hämta en vid första starten, och den serverar inte användargränssnittet från webbprofilens 3080: skalet laddar programmet via ett internt dsh-app://-schema och kommunicerar med en privat värdprocess på sin egen port, 19387 som standard. Den beter sig också som en skrivbordsapplikation – att stänga fönstret håller pågående uppgifter vid liv (Windows behåller en tray-ikon), att avsluta frågar först när arbete pågår, och versionsinformationen för 0.1.7-rc.2 lägger till en onboarding vid första starten som introducerar tillgänglig kredit och skiljer kontofinansierade uppgifter från API-nyckeluppgifter, så att du kan logga in med ett Deep​Seek-konto i stället för att klistra in en nyckel.

Två förbehåll, eftersom den här klienten släpptes i tysthet i stället för att tillkännages. Repots README dokumenterar fortfarande bara npx och källkodsbygget, och projektsidan på www.deepseek.com/harness har ingen nedladdningslänk alls — binärerna och deras uppdateringsflöde finns live på DeepSeeks egen host, vilket vi verifierade den 25 september 2026, men ingen versionsinformation någonstans beskriver dem. Och vi har inte kört installationsprogrammen, så den här guiden tar ingen ställning till signerings- eller notariseringsstatusen för de publicerade binärerna; paketeringspipelinen i repot innehåller visserligen steg för Windows-kodsignering och Apple-notarisering, och det är allt som går att säga utifrån.

En konsekvens av att skrivbordsbygget följer harness-versionen: det ligger för närvarande före en standardinstallation via kommandoraden. npm:s latest-tagg pekar fortfarande på 0.1.5-rc.3 medan varje skrivbordsartefakt är 0.1.7-rc.2. Om du vill ha den nyaste harness-versionen på en plattform som skrivbordsappen inte täcker, installera taggen explicit — npx @deepseek-ai/dsh@next web — i stället för att lita på standardvalet.

Metod 2 — npx-enradaren (alla plattformar, inklusive Linux)

Den officiella snabbstarten är ett enda kommando, och det är verkligen ett enda kommando:

npx @deepseek-ai/dsh web

npx fetches the @deepseek-ai/dsh package (npm's latest tag currently resolves to 0.1.5-rc.3, not the newest harness), installs it into npm's cache, and starts the Web UI profile. Watch the output for the line that tells you it's listening — by default that is http://127.0.0.1:3080. Open it in your browser. Note the 127.0.0.1 loopback address: the UI binds to localhost only, which is the right default for a tool that can read and write files in your workspace — it also means you won't casually expose it on your network.

Första starten har exakt två installationssteg:

• Lägg till en modellnyckel. Inställningar → Modeller → ange din API-nyckel. Den lagras i $DSH_HOME/.credentials.yaml och visas inte i klartext efteråt. I en standardinstallation är DSH_HOME som standard ~/.dsh.

• Välj en arbetsyta. Lägg till den projektkatalog som dsh får arbeta i. Inmatningen förblir låst tills båda stegen är klara.

Skicka sedan en första uppgift — ett bra röktest är "Sammanfatta detta arkiv och identifiera dess huvudpaket." Om sammanfattningen kommer tillbaka och verktygsanropen visas i körningsspåret, fungerar din installation.

Metod 3 — bygg från källkod

Föredrar du att köra från repositoryt? Den officiella sökvägen är:

git clone https://github.com/deepseek-ai/deepseek-harness.git

cd deepseek-harness

pnpm install

pnpm run build

pnpm dsh web

Du behöver pnpm för detta (bidragsgivare låser pnpm till 11.7.0). Välj källbygget när du vill köra senaste main istället för den publicerade releasekandidaten, när du planerar att läsa eller modifiera harnesset, eller när du vill bygga en anpassad förinställning från repots apps/cli/config/agent-presets/ katalog. För alla andra är npx-vägen samma programvara med mindre krångel — källbygget låser inte upp funktioner som npm-paketet saknar.

De tre profilerna: web, headless och tui

dsh levereras som tre körprofiler, och vilken du använder beror på var arbetet utförs:

• web (standard) — hela webbläsargränssnittet på port 3080. Detta är vad npx @deepseek-ai/dsh web startar, och det är profilen som de flesta kommer att installera först.

• headless — en uppgift, sedan avslutas. dsh --profile headless "run the test suite and report failures" startar en session, kör uppgiften, skriver sina resultat och avslutas. Den headless-runtimen är uttryckligen en enuppgiftsprocess: du kan inte injicera uppföljningar mitt i körningen, och korrigeringar är en ny körning mot samma arbetsyta. Detta är profilen att koppla in i skript och CI.

• tui — ett terminalgränssnitt för tangentbordsstyrda sessioner: dsh --profile tui.

Alla tre delar samma konfiguration (~/.dsh/profiles/<name>/) och samma plugin-system, så att flytta en uppgift från webbgränssnittet till headless är att byta kommando, inte att installera om.

Lägga till plugins

Pluginhantering är ett förstklassigt CLI-kommando, inte något som görs genom att redigera på plats:

npx @deepseek-ai/dsh plugin --profile web add <source>

Källan kan vara ett npm-paketnamn, ett GitHub-repo (github:user/repo), en tarball, eller en lokal mapp. Den mest användbara första installationen är den officiella pluginmarknaden, som förvandlar plugin-upptäckten till ett UI:

npx @deepseek-ai/dsh plugin --profile web add dshmarket

Starta sedan om webbtjänsten och öppna Inställningar → Plugin Market för att bläddra och installera med ett klick från katalogen. Två regler som många fastnar på: plugin-paket monteras vid profilens start, så ett nyligen tillagt plugin kräver en omstart av dsh web; och en vanlig npm install registrerar inte ett plugin i en profil — du måste använda dsh plugin. Ekosystemet är ungt men inte tomt: den community-underhållna awesome-dsh-plugin-listan katalogiserar redan hundratals plugins inom kategorier som UI, färdigheter, verktyg, leverantörer och aviseringar.

MCP, de fyra förinställningarna och banuppspelning

Tre funktioner spelar roll när du väl är förbi en grundinstallation:

MCP. dsh talar Model Context Protocol genom en inbyggd @deepseek-ai/dsh-mcp-client plugin. Idag är det konfigurerat i filer, inte i gränssnittet: du redigerar ~/.dsh/profiles/web/cordis.patch.yml (eller en projektlokal patch) och deklarerar varje servers transport — stdio för lokala kommandon som npx @playwright/mcp@latest, streamable-http för fjärr-URL:er. Det fungerar, men det är den minst polerade ytan i förhandsversionen; förvänta dig enstaka instabilitet och inget GUI för att växla servrar.

Förinställningar. dsh laddar en av fyra agentförinställningar per session, och var och en är en annan avvägning:

• Standard — den fullständiga verktygsuppsättningen: filredigering, skal, fil- och webbhämtning, färdigheter, planering, underagenter, arbetsflöden. Vardagens standardval.

• PTC (Programmatic Tool Calling) — Standard plus ett Code Mode SDK som låter modellen skriva TypeScript-program för att orkestrera flerrundiga verktygsanrop. Mer kraftfull, fler biverkningar.

• Minimal — endast bash och en filredigerare, inget annat. Byggd för modellbenchmarking och minimal reproduktion; det läge som DeepSeek V4 Flash API-dokumenten refererade till när de avslöjade att deras egna agentscore kördes på "Deep​Seek Harness minimal mode."

• Skapande — en runtime-lekplats: inspektera och ladda in Cordis-plugins i minnet, experimentera och stabilisera en fungerande kombination som ett nytt preset.

Trajectory-replay. Varje körning skriver en append-only sessionslogg — systemprompter, resonemang, verktygsanrop och deras resultat, subagent-schemaläggning. Trajectory-vyn låter dig inspektera per källa, återuppta, förgrena, söka och spela upp en körning. Det är debuggen för agentarbete: när en uppgift misslyckas kör du inte om och hoppas; du spelar upp den misslyckade trajectorian, förgrenar den vid det felaktiga steget och testar en fix utan att kassera originalet.

Alternativet för Python SDK

Om du hellre vill styra harnessen från Python än från en webbläsare, finns det ett officiellt SDK: pip install deepseek-harness-sdk. Det inkluderar dsh-körtiden (pip-wheelen innehåller Node-körtiden, så ingen separat Node-installation behövs), och användningen är en context manager: bygg en Deep​SeekHarness instans, anropa run("task"). Det ärver standardmiljövariabler som DEEPSEEK_API_KEY och DEEPSEEK_BASE_URL, så ett byte av leverantör är bara en konfigurationsändring. Haken: det kräver Python 3.10+ och stöder endast Linux x64/arm64 och macOS 14+ arm64 — det finns inget nativt Windows-wheel, vilket är en verklig brist om Windows är din värd. På Windows, håll dig till npm-vägen.

Rikta dsh mot modellerna du betalar för

dsh behöver en API-nyckel för modellen, och den är medvetet leverantörsoberoende: Inställningar → Modeller accepterar en anpassad leverantör med en Open​AI-kompatibel bas-URL (i settings.yaml är det api: openai-completions, baseURL och en modelllista). Som standard används Deep​Seeks eget API; en anpassad leverantör är där en routing-gateway blir användbar.

OrcaRouter is an Open​AI-compatible endpoint that passes Deep​Seek's list price through with zero markup — https://api.orcarouter.ai/v1. The models dsh will actually call are all on it: DeepSeek V4 Flash 0731 (deepseek/deepseek-v4-flash-0731, $0.22 per million input tokens and $0.66 per million output), DeepSeek V4 Pro 0813 (deepseek/deepseek-v4-pro-0813, $0.66/$1.98) and DeepSeek V4.1 Flash (deepseek/deepseek-v4.1-flash, $0.15/$0.60), the model Deep​Seek's own rate card bills as deepseek-flash. Every rate doubles inside Deep​Seek's peak windows, 01:00-04:00 and 06:00-10:00 UTC on weekdays; the router passes that surcharge through rather than hiding it, and automatic failover moves a request to another provider if one wobbles. Figures checked against both rate cards on September 25, 2026. For dsh, the practical win is that you can keep the cheap tier for the bulk of everyday agent tasks and switch the same harness to V4 Pro for the hard passes — one key, one base URL, and the swap is a model name in the settings, not a reinstall.

För att vara tydlig med gränserna: OrcaRouter hostar de modeller som dsh anropar; den är inte värd för dsh självt och levererar inte heller skrivbordsklienten – den kommer från DeepSeeks egen nedladdningsserver. dsh är en lokal agentruntime, och du kör den på din egen maskin.

Där den här guiden inte stämmer för dig — ärliga problem med förhandsvisningen

En installationsguide som bara säger vad du ska skriva gör halva jobbet. Här är vad förhandsvisningen har fel om idag, så att du inte upptäcker det klockan 2 på natten:

• Brytande ändringar är ett löfte, inte en varning. Du kör en release candidate – 0.1.5-rc.3 om du tog npm:s standard, 0.1.7-rc.2 om du installerade skrivbordsappen eller nästa tagg. Konfigurationsnycklar, plugin-API:t och förinställningsformat kan alla ändras utan förvarning. Betrakta ~/.dsh som kastbart tillstånd – kostnaden för en dålig uppdatering är en ominstallation, och det är acceptabelt i det här skedet bara för att varje installationsväg här är en nedladdning eller ett enda kommando.

• Du behöver inte dsh för att använda Deep​Seek-modeller som en agent. Om ditt enda mål idag är DeepSeek V4 Flash eller DeepSeek V4 Pro i en agent, så fungerar Deep​Seeks Anthro​pic-kompatibla slutpunkt redan i Claude Code och andra agentverktyg utan ny programvara. dsh är ett förstapartsalternativ, inte ett krav. Hoppa över den här installationen tills du specifikt vill ha den inbyggda miljön.

• MCP-protokollet är filkonfigurerat och ibland opålitligt. Inget GUI, ingen start/stopp-växling per server, och praktiska rapporter beskriver intermittenta fel. Avsätt tid för YAML-felsökning om ditt arbetsflöde är beroende av MCP-servrar.

• Plugin-förtroende är ett säkerhetsbeslut. Tredjepartsplugins körs i harnessens kärnprocess, och det finns ingen signering eller källverifiering vid installation. Installera endast plugins du har läst eller som kommer från en källa du litar på, och testa dem i en engångsarbetsyta innan du använder dem på riktiga uppgifter. Den danger-full-access-sandboxprofilen kan ändra alla synliga filer – håll den till engångsutcheckningar.

• Kända buggar finns i förhandsvisningen. En hängd bash-loop är ett dokumenterat feltillstånd (avbryt och försök igen), och beteendet kring långvariga sessioner håller fortfarande på att stabiliseras.

• Inofficiella skrivbordsbyggen har inte längre någon uppgift. Fram till den 24 september 2026 var de enda dsh-skrivbordsapparna som gick att installera med ett klick osignerade wrappers från communityn, och valet stod mellan dessa och kommandoraden. Den officiella klienten tar bort avvägningen: förstaparts, med körtiden inbakad, självuppdaterande. Det finns ingen riktig migreringsväg mellan de två typerna av skal – de omsluter samma harness – så avinstallera den ena och installera den andra, och behåll samma workspace-katalog.

• Om du behöver produktionsstabilitet, vänta på en icke-rc-utgåva. Testselen är kraftfull men omogen. För en agentstack i produktion är en mogen, beprövad testsele — eller den Anthropic-kompatibla endpointvägen — det försvarbara valet tills dsh når en stabil tag.

Slutsatsen

Att installera DeepSeek Harness är nu två olika jobb beroende på din plattform. I Windows eller på en Mac med Apple-silicon laddar du ner 0.1.7-rc.2 från DeepSeeks egen värd och är klar — ingen Node.js, ingen terminal och den senaste harness-versionen i någon kanal. Överallt annars är det fortfarande ett enda kommando på Node 22.19+: npx @deepseek-ai/dsh@next web, lägg sedan till en modellnyckel och en arbetsyta och skicka en testuppgift. Använd headless för skript, källkodsbygget endast om du vill ändra eller följa main, och behandla MCP som ett pågående arbete. Det ärliga förbehållet har inte ändrats: var och en av dessa kanaler är en 0.x releasekandidat och den kommer att ha sönder saker på vägen mot en stabil version — en bra affär om du vill se vart DeepSeek tar agentlagret. Modellerna som den kör — DeepSeek V4 Flash 0731, DeepSeek V4 Pro 0813 och DeepSeek V4.1 Flash — finns tillgängliga idag till listpris via OrcaRouter, redo att driva harness på andra sidan installationen.