Så här installerar du DeepSeek Harness (dsh): npx enradskommando, bygge från källkod, headless och pluginmoduler

To install Deep​Seek Harness (dsh), the open-source agent runtime Deep​Seek shipped on August 13, 2026, run npx @deepseek-ai/dsh web on a machine with Node.js 22.19 or newer. That one command downloads the 0.1.0-rc.6 preview, starts a local web UI at http://127.0.0.1:3080, and walks you through adding a model API key and a workspace on first launch. Two things to know before you start: dsh is not a model — it's the harness layer that connects a model to tools, files, and a terminal — and it's a developer preview, so expect breaking changes between releases. This guide covers both official install methods, headless mode, plugins, MCP, and the honest rough edges.

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 användargränssnitt. För det andra är versionen på npm idag 0.1.0-rc.6, en releasekandidat som projektet självt flaggar som en utvecklarförhandsversion: README-filen varnar, med versaler, att kompatibilitetsbrytande ändringar är på väg. Populariteten är verklig — 50 000 GitHub-stjärnor under de första 12 timmarna, 100 000 på ungefär 42 timmar och över 120 000 den 16 augusti enligt kinesisk teknikpress — men stjärnor mäter intresse, inte stabilitet. Planera din installation som du planerar en förhandsversion: snabb att prova, billig att slänga.

Innan du börjar: de faktiska systemkraven

Det enda hårda kravet är Node.js. Projektet riktar sig till versionsintervallet ^22.19.0 || >=24.0.0 — i klartext: Node 22.19 eller senare, eller valfri Node 24.x. Kontrollera din version med node --version. Om du har en äldre Node, kommer npx-installationen att misslyckas eller bete sig felaktigt, inte att degradera elegant.

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 sessionsloggarna, plus vad en lokal modell än skulle behöva (dsh i sig kör inte vikter).

• OS: npm-vägen fungerar på Windows, macOS och Linux. Python-SDK:n är mer begränsad (Linux x64/arm64, macOS 14+ arm64 — inget inbyggt Windows-stöd), behandlas nedan.

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

Metod 1 — npx-enradaren (rekommenderas för nästan alla)

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 (current version 0.1.0-rc.6), 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 2 — bygga 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. That gives you DeepSeek V4 Flash (deepseek/deepseek-v4-flash-0731, about $0.15 per million input tokens and $0.29 per million output) and DeepSeek V4 Pro (about $0.44/$0.88), both at provider list price with no token markup, plus automatic failover if a provider wobbles. For dsh, the practical win is that you can run the cheap V4 Flash 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 är värd för modellernas dsh-anrop; den är inte värd för själva dsh. dsh är en lokal agentkörningsmiljö, 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 är på 0.1.0-rc.6. Konfigurationsnycklar, plugin-API:t och preset-format kan alla ändras utan förvarning. Behandla ~/.dsh som ett kasserbart tillstånd — kostnaden för en dålig uppdatering är en ominstallation, och det är acceptabelt i detta skede bara för att installationen är 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 är en fälla. Flera community-wrappers paketerar dsh som en skrivbordsapp som installeras med ett klick, med en medföljande Node-runtime. De fungerar, men de är osignerade och underhålls inte av Deep​Seek; om du använder en sådan anförtror du en tredje part ett verktyg som kommer att ha dina filsystemsbehörigheter.

• 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.

Slutsats

Att installera Deep​Seek Harness är verkligen ett jobb med ett enda kommando på vilken maskin som helst med Node 22.19+: npx @deepseek-ai/dsh web, lägg till en modellnyckel och en arbetsyta, skicka en testuppgift. Välj källbygget endast om du vill modifiera eller spåra main; använd headless för skript; lägg till plugin-marknaden tidigt; och behandla MCP som ett pågående arbete. Den ärliga varningen är densamma som projektet skriver i sin egen README: detta är en 0.1.0-rc-förhandsversion och det kommer att bryta saker på vägen mot en stabil version. Det är den rätta avvägningen om du vill se vart Deep​Seek är på väg med agentlagret — och modellerna det kör, DeepSeek V4 Flash och DeepSeek V4 Pro, finns tillgängliga idag till listpris via OrcaRouter, redo att driva harnessen på andra sidan installationen.