DeepSeek Harness, Được Giải Thích: Runtime Tác Tử Đằng Sau 'Model + Harness = Agent'

Deep​Seek Harness — dsh gọi tắt — không phải là một mô hình. Đây là runtime tác tử mã nguồn mở mà Deep​Seek phát hành theo giấy phép MIT vào ngày 13 tháng 8 năm 2026, và đây là thứ được đón nhận nhanh nhất mà Deep​Seek từng tung ra: các bài báo đưa tin khoảng 50,000 sao GitHub trong 12 giờ đầu tiên, và kho lưu trữ đứng ở mức 125,922 sao với 12,523 bản fork khi chúng tôi truy cập API GitHub hôm nay. Công việc của nó là lớp kỹ thuật giữa mô hình ngôn ngữ và một tác vụ hoàn chỉnh: chỉnh sửa tệp, thực thi terminal, tìm kiếm web, quản lý ngữ cảnh, lập kế hoạch tác vụ và gọi các tác tử khác. Công thức mà chính đội ngũ Deep​Seek sử dụng là Model + Harness = Agent — mô hình suy luận, còn harness làm mọi thứ khác.

Sự khác biệt đó chính là trọng tâm của bài viết này. Những người tìm kiếm "deepseek harness" thường mong đợi một bài đánh giá mô hình nhưng lại gặp bài viết về sự ra mắt. Vì vậy, đây là câu trả lời ngay từ đầu: DSH không phải là một mô hình bạn gọi qua API. Nó là một chương trình bạn cài đặt và chạy — gói npm là @deepseek-ai/dsh, hiện tại là 0.1.0-rc.6 — và nó kết nối bất kỳ mô hình nào bạn cung cấp (mặc định là DeepSeek V4 Flash) với hệ thống tệp của bạn, thiết bị đầu cuối của bạn, web và các tác nhân khác. Nó được cấp phép MIT, được xây dựng trên một khung plugin có tên Cordis, và rõ ràng là bản xem trước dành cho nhà phát triển kèm cảnh báo về các thay đổi phá vỡ tương thích. Dưới đây là những gì nó thực sự làm, cách chạy nó hiện tại, và những điểm hạn chế của nó.

Harness thực sự làm gì (và tại sao thuật ngữ này gây nhầm lẫn)

Harness là khung kết nối giúp một mô hình thô có thể hoạt động trong thế giới thực. Bản thân mô hình chỉ có thể tạo ra văn bản. Trao cho nó một harness, nó có thể đọc và ghi tệp, chạy lệnh trong shell của bạn, tìm kiếm trên web, duy trì một kế hoạch, gọi công cụ, phản ứng với lỗi và đánh giá khi nào một tác vụ hoàn thành. Công thức công khai của Deep​Seek — được lặp lại trong các bài đưa tin ra mắt và chính các bài đăng tuyển dụng của họ — là "Model + Harness = Agent": mô hình cung cấp khả năng suy luận, harness cung cấp mọi thứ còn lại.

Đây là lý do vì sao bản phát hành này có ý nghĩa vượt ra ngoài một sản phẩm đơn lẻ. Deep​Seek đã công bố điểm chuẩn agentic của chính mình cho hai mô hình gần nhất từ ngay trong bộ khung (harness) này: tài liệu API DeepSeek V4 Flash nêu rõ kết quả Terminal-Bench 2.1 đạt 82.7 của họ được tạo ra trên "Deep​Seek Harness minimal mode." Bộ khung này là môi trường tham chiếu tạo ra những con số đó, và giờ đây nó đã được công khai để bất kỳ ai cũng có thể tái tạo — hoặc bác bỏ.

Mọi thứ đều là plugin: kiến trúc Cordis

Thiết kế cốt lõi của DSH, như được nêu trong README của chính nó, là mọi thứ đều là plugin. Vòng lặp tác tử, bộ chuyển đổi mô hình, công cụ, kỹ năng, lưu trữ phiên, hộp cát, lập lịch, và cả giao diện web đều là các plugin của Cordis. Không có lõi đặc quyền nào để vá: bạn mở rộng bộ khung bằng cách gắn một plugin bên cạnh các plugin khác, và mỗi lần đăng ký là một hiệu ứng tự gỡ khi plugin được dỡ tải. Động cơ plugin là Cordis, một siêu khung có thiết kế được mô tả trong bài báo của Đại học Bắc Kinh–Deep​Seek "Một mô hình lập trình cho khả năng kết hợp không-thời gian."

Hệ quả thực tế là sự phân tách mối quan tâm rõ rệt: plugin bổ sung khả năng; preset quyết định khả năng mà một tác nhân cụ thể có thể thấy. Monorepo cung cấp 49 gói trong packages/ — core, llm, mcp, sandbox, context, plan, goal, và hơn thế nữa — và phạm vi ra mắt bao gồm hơn 100 plugin bên thứ nhất, với một cửa hàng plugin đã được dành riêng và 288 kho plugin cộng đồng được thu thập trên GitHub trong vòng 24 giờ sau khi phát hành, có thể tìm thấy dưới thẻ chủ đề dsh-plugin.

Bốn chế độ cài sẵn — và khi nào nên sử dụng loại nào

DSH đi kèm với bốn preset agent, mỗi preset tải một tập hợp plugin khác nhau. Từ menu preset của chính Web UI:

• Standard — một tác nhân lập trình hoàn chỉnh: chỉnh sửa tệp, shell, tìm kiếm tệp và web, kỹ năng, lập kế hoạch, mục tiêu, subagent và quy trình làm việc. Lựa chọn mặc định phù hợp cho hầu hết công việc.

• Code — được gọi là PTC, "programmatic tool calling," trong báo chí Trung Quốc — bao gồm mọi thứ trong Standard, cùng với Code Mode SDK cho phép mô hình viết các chương trình TypeScript để kết hợp các lời gọi công cụ đa bước trong một chương trình. Mạnh mẽ hơn, và nó có thể nhân lên các tác dụng phụ và lời gọi công cụ.

• Tối giản — chỉ gồm phiên bash bền vững và str_replace_editor. Được xây dựng để tái hiện các lần chạy benchmark; đây là bộ cấu hình mà Deep​Seek đã dùng để đạt được con số 82.7 trên Terminal-Bench V4 Flash. Tối giản không phải là vô hại — quyền truy cập shell vẫn là quyền truy cập shell.

• Creator — thư mục preset thứ tư theo đúng nghĩa đen có tên là cordis — Standard cùng với kiểm tra runtime, thử nghiệm plugin Cordis trong bộ nhớ và soạn thảo preset. Tác nhân có thể cài đặt, thay thế hoặc phá hủy plugin ngay giữa cuộc trò chuyện. Một môi trường kỹ thuật, không phải lớp phê duyệt sản xuất.

Bạn nên chọn cái nào? Nếu bạn đang tái tạo một benchmark, hãy chọn Minimal. Nếu bạn muốn agent tự viết quy trình điều phối nhiều bước của riêng nó, hãy chọn Code. Nếu bạn đang xây dựng hoặc kiểm thử plugin, hãy chọn Creator. Đối với mọi trường hợp khác, hãy bắt đầu với Standard — quyền hạn rộng đồng nghĩa với việc bạn cũng cần một không gian làm việc và chính sách phân quyền chặt chẽ.

Trajectory: tính năng mà các nhà đánh giá gọi là 'DevTools for agents'

Tính năng được khen ngợi nhiều nhất trong các bài đánh giá thực tế là Trajectory. Mỗi lần chạy đều ghi vào một nhật ký phiên chỉ nối thêm — JSONL nén zstd với khung sự kiện đồng nhất gồm loại, thứ tự, thời gian và dữ liệu — ghi lại mọi thứ mô hình đã thấy: các prompt hệ thống, quá trình lý luận, lời gọi công cụ và kết quả, lập lịch subagent, tiêm ngữ cảnh. Chế độ xem Trajectory hỗ trợ kiểm tra theo nguồn, tiếp tục, fork, tìm kiếm và phát lại. Fork chính là điểm nhấn: bạn có thể thay đổi một chỉ dẫn và phát lại lần chạy song song với bản gốc thay vì vứt bỏ dấu vết.

Cụ thể, trong một bài kiểm tra thực hành được công bố vào ngày 15 tháng 8, một tác vụ ghi tệp duy nhất đã tạo ra 61 sự kiện phiên, và một tác vụ trả lời "PONG" tầm thường vẫn tiêu tốn khoảng 13.467 token đầu vào trong yêu cầu đầu tiên — chi phí phụ trội từ các lời nhắc hệ thống mặc định, lược đồ công cụ, quy tắc kho lưu trữ được tự động chèn và tóm tắt kỹ năng. Đó là cái giá trung thực của một bộ khung ghi lại mọi thứ: bạn trả token cho phần khung, và bạn có thể thấy chính xác mình đã trả cho những gì.

MCP, plugin và giao tiếp với các agent khác

MCP là nơi mà sự cường điệu vượt xa bản dựng hiện tại. Monorepo bao gồm một gói mcp, và CLI đi kèm phụ thuộc dsh-mcp-client, nhưng không có máy chủ MCP nào được bật theo mặc định, và kiến trúc định tuyến tích hợp công cụ thông qua các plugin Cordis thay vì coi MCP như một công dân hạng nhất. Bạn có thể kết nối các máy chủ MCP như một nguồn công cụ; chỉ là đó chưa phải là đường dẫn mặc định.

Điều đáng ngạc nhiên hơn là danh sách các nhà cung cấp subagent cho thấy. DSH có thể tạo ra các agent khác làm subagent — bao gồm, theo tài liệu capability-seams, một nhà cung cấp Codex và một nhà cung cấp Claude Code. Đó là một lập trường bất thường đối với một đối thủ cạnh tranh: DSH là một khung điều phối có thể giao việc cho chính những sản phẩm mà nó đang được so sánh.

Câu chuyện plugin mới chính là ván cược nền tảng thực sự. DeepSeek đã dành riêng một cửa hàng plugin, các kho lưu trữ cộng đồng được gắn thẻ để dễ khám phá, và các cửa hàng trong ứng dụng của bên thứ ba đã tồn tại. Cuộc chơi dài hạn là phần khung (harness), chứ không phải mô hình, trở thành hệ sinh thái — đó là lý do vì sao cuộc thảo luận về giá quanh DSH lại quan trọng hơn bất kỳ tính năng đơn lẻ nào.

Cách chạy nó hôm nay

Bạn cần Node.js 22.19 trở lên — tệp manifest của gói yêu cầu ^22.19.0 hoặc >=24 — và sau đó chỉ cần một lệnh:

npx @deepseek-ai/dsh web

Điều đó sẽ khởi động giao diện web (Web UI), được phục vụ tại http://127.0.0.1:3080 theo mặc định. Trong giao diện: mở Cài đặt (Settings) → Mô hình (Models), dán khóa API Deep​Seek vào, rồi chọn một không gian làm việc — trình soạn phiên sẽ bị khóa cho đến khi bạn thực hiện xong. Mô hình mặc định là DeepSeek V4 Flash, và chính sách quyền mặc định là workspace-write kèm lời nhắc phê duyệt cho mọi thao tác khác.

Có tổng cộng bốn điểm vào: Web UI, các lần chạy một lần không giao diện (headless), một Python SDK điều khiển DSH qua JSON-RPC stdio, và --dump-config, lệnh in ra cây plugin đã được lắp ráp (profile web lắp ráp 129 dòng cấu hình plugin; headless là 81). Từ mã nguồn, đường dẫn là git clone, pnpm install, pnpm run build, sau đó chạy pnpm dsh web.

Phần thành thật: chất lượng xem trước, và nơi DSH là công cụ sai

DSH là phiên bản 0.1.0-rc.6, và README nêu rõ: "SẼ CÓ NHỮNG THAY ĐỔI PHÁ VỠ TƯƠNG THÍCH." Các bài đánh giá được công bố trong tuần này liệt kê những khía cạnh còn thô ráp — lỗi âm thầm dưới MSYS2 trên Windows, bộ nhớ đệm hot-reload bị lỗi thời, độ trễ lưu trữ hàng loạt khoảng 200ms làm chậm hiển thị tiến trình trên giao diện, và chỉ trích từ cộng đồng về việc GitHub Issues bị tắt trên một kho lưu trữ được định vị là hạ tầng công cộng. Trải nghiệm sản phẩm mặc định cũng vẫn còn thua kém các tác nhân lập trình trau chuốt mà nó được đem ra so sánh; một bài đánh giá thực hành đã kết luận rằng bản phát hành mã nguồn mở là một khung nền tảng chạy tác nhân, chưa phải là một sản phẩm hoàn thiện.

DSH không phù hợp ở đâu? Bốn tình huống. Thứ nhất, nếu bạn muốn sự hoàn chỉnh trọn gói — Claude Code và Codex hiện tại hoàn thiện hơn, còn DSH dành cho những người muốn có khung sườn và sẵn sàng tự hoàn thiện nó. Thứ hai, nếu bạn không thể kiểm toán những gì mình chạy: nguồn gốc plugin, khác biệt cấu hình, và ranh giới thông tin xác thực đều do bạn tự cung cấp, và sử dụng trong sản xuất đòi hỏi cơ chế quản trị mà bạn phải tự thiết lập. Thứ ba, nếu bạn đang đo điểm chuẩn mô hình: bạn không thể chạy một mô hình ở chế độ Standard và một mô hình khác ở chế độ Minimal rồi gọi sự khác biệt đó là kết quả của mô hình — bạn đã thay đổi bộ khung chạy thử, không chỉ đơn thuần là mô hình. Thứ tư, nếu bạn nhạy cảm về chi phí liên quan đến chi phí token phụ trội: bối cảnh luôn bật có thể đốt hàng nghìn token đầu vào trước khi mô hình thực hiện bất kỳ công việc thực sự nào.

Điều đó có ý nghĩa gì đối với DeepSeek V4 Flash và DeepSeek V4 Pro

DSH mặc định sử dụng DeepSeek V4 Flash, và bản dựng DeepSeek V4 Pro cao cấp (Deep​Seek-V4-Pro-0813) thuộc cùng dòng mô hình mà harness được xây dựng để chạy. Cả hai đều có sẵn hôm nay thông qua các lệnh gọi API thông thường — không cần harness — và cả hai đều được lưu trữ trên OrcaRouter ở mức giá niêm yết của chính Deep​Seek: khoảng $0.15 cho mỗi triệu token đầu vào và $0.29 cho mỗi triệu token đầu ra đối với DeepSeek V4 Flash, và khoảng $0.44/$0.88 đối với DeepSeek V4 Pro, chuyển qua với mức chênh lệch 0%.

Ranh giới trung thực: OrcaRouter là một bộ định tuyến mô hình, không phải là một môi trường chạy agent, nên chúng tôi không lưu trữ DSH — nó không phải là một mô hình. Điều mà một bộ định tuyến thực sự giải quyết ở đây chính là bài toán failover mà DSH đặt ra. Bộ thử nghiệm là một bản xem trước đang thay đổi nhanh, và hướng lưu lượng production vào nó có nghĩa là đặt cược vào các điểm số agentic do nhà cung cấp báo cáo. Chạy chính các mô hình Deep​Seek đó qua một lớp định tuyến chỉ với một key cho phép bạn kiểm tra các số liệu nguyên bản của DSH trong khi vẫn duy trì failover tự động giữa các nhà cung cấp cho lưu lượng cần phải hoạt động liên tục. Bộ thử nghiệm là thứ để thử nghiệm; còn các mô hình mà nó chạy là thứ cần được định tuyến cẩn thận.

Kết luận

Deep​Seek Harness là thứ có tầm ảnh hưởng nhất mà Deep​Seek đã mã nguồn mở kể từ chính các mô hình, vì nó thay đổi ý nghĩa của "Deep​Seek": không chỉ là các mô hình, mà còn là tầng tác tử (agent layer) chạy chúng. Đối với độc giả đang cân nhắc phải làm gì: nếu bạn xây dựng agent, hãy cài đặt nó trong tuần này và chạy bài kiểm tra tái lập — điểm số V4 Flash và V4 Pro mà Deep​Seek công bố đến từ harness này, và giờ bạn có thể tự mình kiểm tra. Nhưng hãy coi nó đúng như bản chất: một bản xem trước dành cho nhà phát triển 0.1.0-rc.6 với những thay đổi phá vỡ phía trước, một hệ thống plugin có lợi cho những ai thích tự làm chủ công nghệ của mình, và một harness vẫn còn thô hơn so với các lựa chọn trau chuốt hơn. Các mô hình bên dưới mới là phần đáng tin cậy — và bạn có thể định tuyến chúng một cách tự tin ngay hôm nay.