TL;DR DeepSeek Harness (dsh) to otwarte środowisko uruchomieniowe agentów od DeepSeek AI, wydane w wersji deweloperskiej około 13 sierpnia 2026 na licencji MIT. Kieruje się zasadą „Model + Harness = Agent”, a każda funkcja (modele, narzędzia, sesje, piaskownice, pętle, UI) jest zaimplementowana jako wymienne wtyczki Cordis.
Najszybszym sposobem uruchomienia lokalnie jest npx @deepseek-ai/dsh web (wymaga Node.js ^22.19 lub ≥24), co uruchamia Web UI pod adresem http://127.0.0.1:3080. Dostarczasz klucz API DeepSeek (lub zgodny z OpenAI) i przestrzeń roboczą. Dostępne są też buildy ze źródeł, aplikacje desktopowe, Docker, Python SDK oraz integracje z Ollama. Dla produkcyjnego, niezawodnego, wielomodelowego dostępu i kontroli kosztów podczas korzystania z harnessa kieruj ruch przez ujednolicony zgodny z OpenAI endpoint CometAPI.
Kluczowe informacje
- DeepSeek Harness nie jest modelem — to lokalny runtime/orkiestrator, który pozwala modelom działać na plikach, shellu, narzędziach i sesjach.
- Oficjalny jednolinijkowiec:
npx @deepseek-ai/dsh web→ otwiera lokalne Web UI na porcie 3080. - Wymóg Node.js jest rygorystyczny: ^22.19.0 lub ≥24.x.
- Obsługuje oficjalne modele DeepSeek (deepseek-v4-flash, deepseek-v4-pro), niestandardowe bramki zgodne z OpenAI oraz modele lokalne przez wtyczki/Ollama.
- Architektura w pełni oparta na wtyczkach (jądro Cordis); tryby obejmują Standard, Minimal, Code i Creator.
- Szybka adopcja: od dziesiątek tysięcy do ponad 100 tys. gwiazdek GitHub w ciągu kilku dni od premiery.
- Rekomendacja dla zaawansowanych: sparuj z CometAPI (https://www.cometapi.com/) jako niestandardowym dostawcą, aby uzyskać dostęp do 500+ modeli, 20–40% oszczędności i jeden klucz API.
- Zawsze używaj odizolowanej przestrzeni roboczej; agent może modyfikować pliki i uruchamiać polecenia.
- Status developer preview oznacza spodziewane zmiany niezgodne wstecznie — przypinaj wersje do eksperymentów zbliżonych do produkcyjnych.
Czym jest DeepSeek Harness i dlaczego ma znaczenie w 2026
DeepSeek Harness (dsh) to otwarte środowisko uruchomieniowe agentów opracowane przez DeepSeek AI. Wydane na licencji MIT w wersji deweloperskiej, kładzie nacisk na kompozycyjność: każda zdolność — adaptery modeli, narzędzia, umiejętności, sesje, piaskownice, storage, pętle agentów, harmonogramowanie oraz UI — istnieje jako wtyczka Cordis, którą można montować, demontować, wymieniać lub rekonfigurować przez konfigurację. W praktyce nie ma uprzywilejowanego „rdzenia”, który wymagałby łatek.
Kluczowe zasady projektowe obejmują:
- Agent = Model + Harness.
- Śledzalne strumienie zdarzeń wspierające wznawianie, rozgałęzianie, wyszukiwanie i odtwarzanie.
- Wiele trybów wykonawczych (pełny zestaw narzędzi standard, tryb code/orchestration, tryb minimal do benchmarków, tryby creator/eksperymentalne).
- Lokalny (local-first) interfejs Web dla pracy interaktywnej plus tryby headless i SDK do automatyzacji.
Oficjalne zasoby:
- GitHub: https://github.com/deepseek-ai/deepseek-harness
- Strona produktu/landing: https://www.deepseek.com/harness/en/ (oraz chiński odpowiednik)
- Strony z instrukcjami instalacji i mirrory społecznościowe potwierdzają te same kluczowe komendy.
Uwaga terminologiczna: „lokalne wdrożenie” może oznaczać dwie różne rzeczy. Omawiany tutaj DeepSeek Harness działa lokalnie na Twoim komputerze, ale standardowy projekt
deepseek-harnessłączy się z DeepSeek V4-Pro lub V4-Flash przez API. Oznacza to, że harness, konfiguracja, sesje, walidacja i logika klienta działają lokalnie, podczas gdy inferencja modelu jest zwykle wykonywana przez API DeepSeek. Jeśli potrzebujesz faktycznie offline’owej inferencji z wagami modeli na własnym GPU, to inna architektura wdrożenia.
Wymagania wstępne i systemowe
Przed instalacją sprawdź:
- Systemy operacyjne: Windows 10+, macOS 10.15+, popularne dystrybucje Linux (x64 lub arm64). Python SDK ma dodatkowe ograniczenia (Linux x64/arm64 lub macOS 14+ arm64).
- Node.js: Wymagany dla głównej ścieżki Web UI. Docelowy zakres to ^22.19.0 || >=24.0.0. Sprawdź poleceniem node --version. Pośrednie wersje o nieparzystych numerach poza tym zakresem nie są wspierane.
- Menedżery pakietów: npm/npx (w zestawie z Node). Build ze źródeł wymaga pnpm (zainstaluj przez npm install -g pnpm).
- Git: Wymagany do klonowania repozytorium.
- Python (opcjonalnie): 3.10+ dla oficjalnego Python SDK.
- Klucz API / endpoint: Klucz API DeepSeek z platform.deepseek.com lub dowolny endpoint zgodny z OpenAI + klucz + nazwa modelu.
- Sprzęt: GPU nie jest wymagane dla samego harnessa — inferencja modeli odbywa się zdalnie (lub przez skonfigurowanego lokalnego dostawcę). Zwykły laptop wystarczy dla Web UI i orkiestracji.
- Sieć: Potrzebna przy pierwszym uruchomieniu do pobrania pakietów; potem UI może działać jedynie z połączeniami do API modelu.
- Przestrzeń robocza: Przygotuj odizolowany katalog. Agent może czytać, pisać i wykonywać polecenia w tej przestrzeni — nigdy nie wskazuj produkcyjnych ani prywatnych danych bez zabezpieczeń.
Źródła wymagań: oficjalny README i liczne niezależne przewodniki instalacyjne opublikowane wkrótce po premierze.
Metoda 1: Oficjalny jednolinijkowiec z npx (rekomendowana dla większości użytkowników)
To najszybsza i oficjalnie promowana ścieżka.
- Upewnij się, że wersja Node.js spełnia wymagania.
- Otwórz terminal i uruchom:
Bash
npx @deepseek-ai/dsh web
- Pakiet zostanie pobrany (lub użyje cache), uruchomi profil Web UI i wydrukuje adres nasłuchiwania — domyślnie http://127.0.0.1:3080.
- Otwórz ten adres w przeglądarce. Zaakceptuj komunikat o wersji deweloperskiej, jeśli się pojawi.
- Przy pierwszym użyciu skonfiguruj dostawcę modelu (Settings → Models), wklejając klucz API i wybierając model, np. deepseek-v4-flash lub deepseek-v4-pro.
- Wybierz lub utwórz katalog przestrzeni roboczej.
- Zacznij wydawać polecenia/zadania.
Aby użyć innego portu:
Bash
npx @deepseek-ai/dsh web --port 8080
Platform-specific one-liners zapewniające również obecność Node dostępne są na stronach społeczności (PowerShell na Windows z winget, Homebrew na macOS, NodeSource na Debian/Ubuntu itd.).
Plusy: Zero trwałej instalacji poza cache npm; zawsze pobiera najnowszą opublikowaną wersję; najprostszy onboarding. Minusy: Wymaga sieci przy pierwszym uruchomieniu; mniej wygodne do głębokiej inspekcji kodu czy własnych buildów.
Metoda 2: Instalacja i uruchomienie ze źródeł
Użyj, jeśli chcesz czytać wtyczki Cordis, przypinać commit, tworzyć własne presety lub kontrybuować.
Bash
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
To samo Web UI pojawi się na domyślnym porcie. Buildy w wersji developer preview mogą zmieniać się między commitami, więc traktuj to jako ścieżkę eksperymentalną.
Metoda 3: Aplikacje desktopowe (bez konfiguracji Node)
Społecznościowe i zewnętrzne wrappery desktopowe pakują runtime, aby użytkownicy nie musieli instalować Node/pnpm:
- Lekkie klienty oparte na Tauri, które dołączają runtime Node i synchronizują najnowszy upstream harness przy starcie. Działają na 127.0.0.1:3080, przechowują dane lokalnie i rejestrują komendy dsh.
- Pakiety oparte na Electronie z dołączonymi, przypiętymi zależnościami.
Pobierz instalatory ze stron GitHub Releases odpowiednich projektów (wyszukaj „deepseek-harness-desktop”). Pierwsze uruchomienie pobiera komponenty rdzeniowe (kilkaset MB). Wygodne dla nietechnicznych użytkowników, ale nie są to oficjalne produkty DeepSeek — sprawdź repozytoria i sumy SHA.
Metoda 4: Wdrożenie Docker/kontenery
Społecznościowe obrazy Docker i pliki compose pozwalają uruchomić Web UI w kontenerze, często z terminacją HTTPS przez nginx i obsługą dowolnych bramek zgodnych z OpenAI. Typowy przebieg:
Bash
git clone <docker-repo>
cd <docker-repo>
cp .env.example .env # ustaw klucz API / publiczny host
docker compose up -d --build
Przydatne dla dostępu w LAN, serwerów lub środowisk, gdzie nie chcesz Node na hoście. Niektóre konfiguracje wspierają niestandardowy settings.yaml dla dostawców innych niż DeepSeek.
Metoda 5: Python SDK do użycia programowego/headless
Dla agentów bez nadzoru lub integracji w pipeline’ach Pythona:
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
Ustaw zmienne środowiskowe:
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
Następnie uruchom dołączone przykłady lub użyj klasy DeepSeekHarness we własnym kodzie wskazując odizolowaną przestrzeń roboczą i katalog sesji. SDK dołącza własne środowisko uruchomieniowe i nie wymaga systemowego Node.js.
Metoda 6: Integracja z Ollama
Ollama zapewnia wygodny launcher:
Bash
ollama launch dsh
# lub z konkretnym modelem
ollama launch dsh --model deepseek-v4-flash:cloud
Ollama może zainstalować pakiet, jeśli to konieczne, i przechowuje ustawienia uruchamiania oddzielnie. Wyszukiwanie w sieci i obsługa narzędzi zależą od wybranego modelu i dostępu do chmury Ollama.
Konfiguracja modeli i dostawców (w tym CometAPI)
W Web UI przejdź do Settings → Models.
- Dla oficjalnego DeepSeek: wklej klucz z platform.deepseek.com. Typowe modele to deepseek-v4-flash i deepseek-v4-pro.
- Dla dostawców katalogowych (Anthropic, OpenAI itd.): użyj opcji „Add provider”.
- Dla niestandardowych / self-hosted / agregatorów: wybierz „Add a custom provider”. Podaj stały Provider ID, base URL, protocol (zwykle openai-completions), referencję do klucza API w środowisku lub jego wartość oraz co najmniej jeden model ID.
Rekomendacja CometAPI (mocno sugerowana dla wielu przepływów zbliżonych do produkcyjnych) CometAPI to ujednolicona platforma infrastruktury AI, która udostępnia 500+ modeli (w tym warianty DeepSeek, GPT, Claude, Gemini, Grok i wiele innych) przez pojedynczy endpoint zgodny z OpenAI: https://api.cometapi.com/v1.
Korzyści przy użyciu z DeepSeek Harness:
- Jeden klucz API zamiast zarządzania wieloma poświadczeniami dostawców.
- Konkurencyjne ceny (raportowane 20–40% oszczędności względem stawek bezpośrednich wielu dostawców).
- Wysoka dostępność (cel SLA 99,9%), niska mediana opóźnień i rozliczanie pay-as-you-go.
- Łatwa zmiana modeli do A/B testów lub optymalizacji kosztów bez zmian w konfiguracji harnessa poza ID modelu.
- Kompatybilność typu drop-in: istniejące wzorce SDK OpenAI działają po zmianie jedynie base_url i klucza.
W formularzu custom-provider harnessa:
- Base URL:
https://api.cometapi.com/v1 - Protocol: openai-completions (lub równoważna obsługiwana opcja)
- API key: Twój klucz CometAPI
- Model ID: dowolny wspierany identyfikator modelu z katalogu CometAPI
To połączenie zachowuje mocne, lokalne środowisko agenta, oferując jednocześnie elastyczny, opłacalny dostęp do wielu dostawców modeli. Nowi użytkownicy zazwyczaj otrzymują darmowe kredyty testowe. Dokumentacja: https://apidoc.cometapi.com/.
Klucze są przechowywane tylko do zapisu (np. w $DSH_HOME/.credentials.yaml); UI wyświetla jedynie zredagowane opisy.
Rozwiązywanie problemów DeepSeek Harness
DEEPSEEK_API_KEY nie znaleziony
Sprawdź:
echo $DEEPSEEK_API_KEY
Na Windows:
echo $env:DEEPSEEK_API_KEY
Jeśli puste, skonfiguruj ponownie.
Błąd 400 reasoning_content
Zwykle wskazuje na nieprawidłową obsługę cyklu życia reasoning.
Upewnij się, że Twoja aplikacja zachowuje odpowiednie informacje o reasoning asystenta w trakcie wieloetapowego myślenia/wywołań narzędzi.
To jeden z głównych problemów, które harness został zaprojektowany, aby rozwiązać.
Błąd długości kontekstu
Sprawdź:
input tokens + max_tokens
Udokumentowany twardy limit to:
1,048,576 tokens
Zredukuj kontekst wejściowy lub rozmiar żądanej odpowiedzi.
Wywołania narzędzi stają się niepoprawne podczas strumieniowania
Nie zakładaj, że fragmenty strumienia przychodzą w kolejności narzędzi.
Agreguj delty wywołań narzędzi według tool_call.index, zgodnie z kontraktem harnessa.
Żądania są nieoczekiwanie drogie
Sprawdź:
- tryb thinking
- długość wyjścia
- współczynnik trafień cache
- stabilność prefiksu promptu
- wybór modelu
- bieżące ceny API
Prostą poprawką jest przeniesienie rutynowych zadań z Pro na Flash.
Porównanie metod instalacji i wdrożenia
| Metoda | Łatwość użycia | Wymaga Node | Najlepsze dla | Trwałość / kontrola | Typowy port / dostęp | Uwagi |
|---|---|---|---|---|---|---|
| jednolinijkowiec npx | Najwyższa | Tak | Szybkie próby, większość użytkowników | Efemeryczne (tylko cache) | 3080 (konfigurowalny) | Oficjalnie zalecane |
| ze źródeł (pnpm) | Średnia | Tak | Rozwój, wtyczki, przypinanie | Pełna kontrola nad źródłami | 3080 | Wymaga pnpm + build |
| Desktop (Tauri/Electron) | Wysoka | Nie (w pakiecie) | Użytkownicy nietechniczni | Lokalne profile i autoaktualizacja | 3080 (wewnętrzny) | Pakiety społecznościowe |
| Docker | Średnia | Nie (kontener) | Serwery, LAN, HTTPS | Wolumeny kontenerów | Niestandardowy / 443 | Obrazy społeczności |
| Python SDK | Średnia | Nie (w pakiecie) | Headless, automatyzacja, potoki | Sesje programistyczne | N/D (domyślnie bez UI) | Oficjalne SDK |
| uruchomienie przez Ollama | Wysoka | Opcjonalnie | Eksperymenty z modelami lokalnymi | Ustawienia Ollama | 3080 | Integruje się z Ollama |
Dane zsyntetyzowane z oficjalnej dokumentacji i przewodników po premierze (sierpień 2026).
Zakończenie i kolejne kroki
DeepSeek Harness dostarcza czysto zaprojektowane, w pełni wtyczkowe środowisko agentowe na lokalne maszyny, z niemal zerowym tarciem dzięki jednolinijkowemu npx. W połączeniu z elastycznym routingiem modeli — szczególnie przez ujednoliconą platformę taką jak CometAPI — zyskujesz zarówno moc nowoczesnych, agentowych przepływów kodowania, jak i praktyczną kontrolę nad kosztami, wyborem modeli oraz lokalnością danych.
Zacznij dziś od:
npx @deepseek-ai/dsh web
Skonfiguruj klucz DeepSeek lub CometAPI, wskaż bezpieczną przestrzeń roboczą i eksploruj tryb Standard. Następnie eksperymentuj z trybem Minimal do benchmarków, niestandardowymi dostawcami dla optymalizacji kosztów lub Python SDK do automatyzacji.
Po najnowsze oficjalne instrukcje zawsze sięgaj do repozytorium GitHub i doc. Dla niezawodnego, wielomodelowego działania i przewag cenowych podczas korzystania z harnessa, sprawdź CometAPI oraz jego dokumentację pod https://apidoc.cometapi.com/.


