6 metoder til at implementere DeepSeek Harness lokalt

TLDR DeepSeek Harness (dsh) er DeepSeek AI’s open source-agent-runtime, udgivet som udviklerpreview omkring 13. august 2026 under MIT-licensen. Det følger princippet “Model + Harness = Agent,” hvor alle kapabiliteter (modeller, værktøjer, sessioner, sandkasser, løkker, UI) er implementeret som udskiftelige Cordis-plugins.

Den hurtigste måde at køre det lokalt på er npx @deepseek-ai/dsh web (kræver Node.js ^22.19 eller ≥24), som starter en Web-UI på http://127.0.0.1:3080. Du leverer en DeepSeek- (eller OpenAI-kompatibel) API-nøgle og et workspace. Kildebuilds, desktop-apps, Docker, Python-SDK og Ollama-integrationer er også tilgængelige. For produktionsklar multi-model-adgang, pålidelighed og omkostningskontrol under brug af harnesset, kan anmodninger routes via CometAPI’s samlede OpenAI-kompatible endpoint.

Nøglepointer

• DeepSeek Harness er ikke en model—det er det lokale runtime/orchestrator, der lader modeller agere på filer, shell, værktøjer og sessioner.
• Officiel one-liner: npx @deepseek-ai/dsh web → åbner lokal Web-UI på port 3080.
• Node.js-kravet er strengt: ^22.19.0 eller ≥24.x.
• Understøtter DeepSeeks officielle modeller (deepseek-v4-flash, deepseek-v4-pro), brugerdefinerede OpenAI-kompatible gateways og lokale modeller via plugins/Ollama.
• Arkitekturen er fuldt plugin-baseret (Cordis-kernel); tilstande inkluderer Standard, Minimal, Code og Creator.
• Hurtig adoption: titusinder til langt over 100k GitHub-stjerner inden for få dage efter lancering.
• Anbefales til power users: kombiner med CometAPI (https://www.cometapi.com/) som en brugerdefineret provider for adgang til 500+ modeller, 20–40% besparelse og én samlet API-nøgle.
• Brug altid et isoleret workspace; agenten kan ændre filer og køre kommandoer.
• Udviklerpreview-status betyder, at breaking changes kan forekomme—pin versioner til produktionslignende eksperimenter.

Hvad er DeepSeek Harness, og hvorfor er det vigtigt i 2026

DeepSeek Harness (dsh) er et open source-agent-runtime udviklet af DeepSeek AI. Udgivet under MIT-licensen i udviklerpreview, med fokus på komposabilitet: hver kapabilitet—modeladaptere, værktøjer, færdigheder, sessioner, sandkasser, storage, agentløkker, scheduling og UI—eksisterer som et Cordis-plugin, der kan monteres, afmonteres, udskiftes eller recomposeres via konfiguration. Der er i praksis ingen privilegeret kerne, der kræver patching.

Vigtige designprincipper omfatter:

• Agent = Model + Harness.
• Sporbare hændelsesstrømme med understøttelse af resume, fork, søgning og replay.
• Flere runtime-tilstande (standard fuldt værktøjssæt, code/orchestration-tilstand, minimal tilstand til benchmarking, creator/eksperimentelle tilstande).
• Lokal-først Web-UI til interaktiv brug plus headless og SDK-muligheder til automation.

Officielle ressourcer:

• GitHub: https://github.com/deepseek-ai/deepseek-harness
• Produkt/landing: https://www.deepseek.com/harness/en/ (samt kinesisk modstykke)
• Installationsvejledninger og communityspejle bekræfter de samme kernekommandoer.

Vigtig terminologibemærkning: “lokal deployment” kan betyde to forskellige ting. Den DeepSeek Harness, der diskuteres i denne guide, kører lokalt på din computer, men standardprojektet deepseek-harness forbinder til DeepSeek V4-Pro eller V4-Flash via en API. Det betyder, at selve harnesset, konfiguration, sessioner, validering og klientlogik kan være lokale, mens selve modelinference normalt udføres af DeepSeeks API. Hvis du har brug for reelt offline inference med modelvægte på din egen GPU, er det en anden udrulningsarkitektur.

Forudsætninger og systemkrav

Inden installation, verificer følgende:

• Operativsystemer: Windows 10+, macOS 10.15+, gængse Linux-distroer (x64 eller arm64). Python-SDK har yderligere begrænsninger (Linux x64/arm64 eller macOS 14+ arm64).
• Node.js: Påkrævet for den primære Web-UI-vej. Målområde er ^22.19.0 || ≥24.0.0. Tjek med node --version. Ulige mellemliggende versioner uden for dette område understøttes ikke.
• Pakkestyring: npm/npx (følger med Node). Kildebuilds kræver pnpm (installer via npm install -g pnpm).
• Git: Påkrævet til kloning af kildekode.
• Python (valgfrit): 3.10+ for det officielle Python-SDK.
• API-nøgle / endpoint: En DeepSeek API-nøgle fra platform.deepseek.com eller ethvert OpenAI-kompatibelt endpoint + nøgle + modelnavn.
• Hardware: Ingen GPU kræves for selve harnesset—modelinference sker eksternt (eller via en lokal provider, du konfigurerer). Almindelige laptop-ressourcer er tilstrækkelige til Web-UI og orkestrering.
• Netværk: Behøves ved første kørsel for at hente pakker; herefter kan UI’en operere med kun model-API-kald.
• Workspace: Forbered et isoleret bibliotek. Agenten kan læse, skrive og eksekvere kommandoer inden for det konfigurerede workspace—peg det aldrig mod produktions- eller persondata uden værn.

Kilder til kravene: officiel README og flere uafhængige installationsguides udgivet kort efter lancering.

Metode 1: Officiel one-liner med npx (anbefales for de fleste)

Dette er den hurtigste og officielt promoverede vej.

1. Sørg for, at Node.js opfylder versionskravet.
2. Åbn en terminal og kør:

Bash

npx @deepseek-ai/dsh web

1. Pakken hentes (eller bruger cache), starter Web-UI-profilen og udskriver lytteadressen—som standard http://127.0.0.1:3080.
2. Åbn den URL i en browser. Accepter evt. udviklerpreview-notits.
3. Ved første brug konfigurerer du en modelprovider (Settings → Models) ved at indsætte din API-nøgle og vælge en model såsom deepseek-v4-flash eller deepseek-v4-pro.
4. Vælg eller opret et workspace-bibliotek.
5. Begynd at udstede opgaver.

For at bruge en anden port:

Bash
npx @deepseek-ai/dsh web --port 8080

Platforms-specifikke one-linere , som også sikrer, at Node er til stede, er tilgængelige fra community-sider (PowerShell på Windows med winget, Homebrew på macOS, NodeSource på Debian/Ubuntu osv.).

Fordele: Ingen permanent installationsfodaftryk ud over npm-cache; henter altid en nyere publiceret version; enklest onboarding. Ulemper: Afhænger af netværk ved initial hentning; mindre bekvemt til dyb kildeinspektion eller brugerdefinerede builds.

Metode 2: Installer og kør fra kildekoden

Brug dette, når du vil læse Cordis-plugins, pinne et commit, udvikle brugerdefinerede presets eller bidrage.

Bash

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

Den samme Web-UI vises på standardporten. Builds i udviklerpreview kan bryde mellem commits, så behandl dette som en eksperimentel vej.

Metode 3: Skrivebordsapplikationer (ingen Node-opsætning)

Community- og tredjeparts desktop-wrappere pakker runtime, så brugere undgår at installere Node/pnpm selv:

• Tauri-baserede letvægtsklienter, der bootstrapper en bundlet Node-runtime og synkroniserer den nyeste upstream-harness ved opstart. De kører på 127.0.0.1:3080, holder data lokalt og registrerer dsh-kommandoer.
• Electron-baseret pakning, der inkluderer pinned afhængigheder.

Download installere fra de respektive GitHub Releases-sider (søg “deepseek-harness-desktop”). Første opstart henter kernekomponenterne (et par hundrede MB). De er praktiske for ikke-tekniske brugere, men er ikke officielle DeepSeek-produkter—gennemse repository og SHA-kontrolsummer.

Metode 4: Docker / containerudrulning

Community-Docker-images og compose-filer findes til at køre Web-UI i en container, ofte med HTTPS-terminering via nginx og support for vilkårlige OpenAI-kompatible gateways. Typisk forløb:

Bash

git clone <docker-repo>
cd <docker-repo>
cp .env.example .env   # set API key / public host
docker compose up -d --build

Nyttigt til LAN-adgang, servere eller miljøer, hvor Node ikke ønskes på værtsmaskinen. Nogle opsætninger understøtter en brugerdefineret settings.yaml til ikke-DeepSeek-providere.

Metode 5: Python-SDK til programmatorisk/headless brug

Til uovervågede agenter eller integration i Python-pipelines:

Bash

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
python -m pip install deepseek-harness-sdk

Sæt miljøvariabler:

Bash

export DEEPSEEK_API_KEY=sk-your-key-here
# optional: export DEEPSEEK_BASE_URL=http://127.0.0.1:8000/v1
# optional: export DSH_MODEL=deepseek-v4-flash

Kør derefter de medfølgende eksempler, eller brug klassen DeepSeekHarness i din egen kode mod et isoleret workspace og en sessionsmappe. SDK’en bundler sin egen runtime og kræver ikke system-Node.js.

Metode 6: Ollama-integration

Ollama tilbyder en bekvemmelighedslauncher:

Bash

ollama launch dsh
# or with a specific model
ollama launch dsh --model deepseek-v4-flash:cloud

Ollama kan installere pakken ved behov og gemmer launch-indstillinger separat. Websøgning og værktøjsstøtte afhænger af den valgte model og Ollama cloud-adgang.

Konfiguration af modeller og udbydere (inkl. CometAPI)

Gå i Web-UI til Indstillinger → Modeller.

• For officielle DeepSeek: indsæt nøglen fra platform.deepseek.com. Typiske modeller er deepseek-v4-flash og deepseek-v4-pro.
• For katalogudbydere (Anthropic, OpenAI osv.): brug “Add provider”-flowet.
• For brugerdefinerede / selvhostede / aggregator-endpoints: vælg “Add a custom provider.” Angiv en permanent Provider ID, base URL, protokol (normalt openai-completions), API-nøgle (miljøreference eller værdi) og mindst ét model-ID.

CometAPI-anbefaling (stærkt anbefalet til mange produktionslignende workflows) CometAPI er en samlet AI-infrastrukturplatform, der eksponerer 500+ modeller (inkl. DeepSeek-varianter, GPT, Claude, Gemini, Grok og mange andre) via ét OpenAI-kompatibelt endpoint: https://api.cometapi.com/v1.

Fordele ved brug sammen med DeepSeek Harness:

• Én API-nøgle i stedet for at håndtere flere provider-legitimationsoplysninger.
• Konkurrencedygtig prissætning (rapporteret 20–40% besparelse kontra direkte leverandørpriser for mange modeller).
• Høj tilgængelighed (99,9% SLA-mål), lav medianlatens og pay-as-you-go.
• Nem modelskift til A/B-tests eller omkostningsoptimering uden at ændre harness-konfigurationen ud over model-ID’et.
• Drop-in-kompatibilitet: eksisterende OpenAI SDK-mønstre fungerer efter kun at ændre base_url og nøgle.

I harnessets custom-provider-formular:

• Base URL: https://api.cometapi.com/v1
• Protocol: openai-completions (eller tilsvarende understøttet mulighed)
• API key: din CometAPI-nøgle
• Model ID: vilkårlig understøttet modelstreng fra CometAPI’s modelkatalog

Denne kombination bevarer det kraftfulde lokale agent-runtime og giver fleksibel, omkostningseffektiv multi-vendor-modeladgang. Nye brugere modtager typisk gratis testkreditter. Dokumentation: https://apidoc.cometapi.com/.

Nøgler lagres write-only (f.eks. under $DSH_HOME/.credentials.yaml); UI’en viser kun redigerede beskrivelser.

Fejlfinding i DeepSeek Harness

DEEPSEEK_API_KEY not found

Tjek:

echo $DEEPSEEK_API_KEY

På Windows:

echo $env:DEEPSEEK_API_KEY

Hvis tom, konfigurer igen.

400 reasoning_content error

Dette peger normalt på forkert håndtering af reasoning-livscyklussen.

Kontrollér, at din applikation bevarer den relevante assistant-reasoninginformation på tværs af flertrins thinking/tool-call-forespørgsler.

Dette er en af kerneproblemerne, som harnesset specifikt er designet til at håndtere.

Context-length error

Tjek:

input tokens + max_tokens

Den dokumenterede hårde grænse er:

1,048,576 tokens

Reducer enten inputkontekst eller ønsket completions-størrelse.

Tool calls become malformed during streaming

Antag ikke, at stream-chunks ankommer i værktøjsrækkefølge.

Aggreger tool-call-deltaer efter tool_call.index, som anbefalet af harness-kontrakten.

Requests are unexpectedly expensive

Tjek:

• thinking-tilstand
• outputlængde
• cache-hit-rate
• promptpræfiks-stabilitet
• modelvalg
• aktuel API-pris

En enkel forbedring er ofte at flytte rutineopgaver fra Pro til Flash.

Sammenligning af installations- og udrulningsmetoder

Data sammenfattet fra officielle docs og guider efter lancering (august 2026).

Konklusion og næste skridt

DeepSeek Harness bringer et veludformet, fuldt plugin-baseret agent-runtime til lokale maskiner med næsten nul friktion via npx-one-lineren. Kombineret med fleksibel modelrouting—særligt via en samlet platform som CometAPI—får du både kraften i moderne agentiske coding-workflows og praktisk kontrol over omkostninger, modelvalg og datalokalitet.

Kom i gang i dag med:

npx @deepseek-ai/dsh web

Konfigurer en DeepSeek- eller CometAPI-nøgle, peg den mod et sikkert workspace, og udforsk Standard-tilstanden. Eksperimentér derefter med Minimal-tilstand til benchmarks, brugerdefinerede providere til omkostningsoptimering eller Python-SDK’et til automation.

For de nyeste officielle instruktioner foretræk altid GitHub-repositoriet og dokumentationen. For multi-model-pålidelighed og prisfordele under kørsel af harnesset, udforsk CometAPI og dokumentationen på https://apidoc.cometapi.com/.