DeepSeek Harness - platforma dla agentów AI, nie gotowy produkt
Źródło: Link
Źródło: Link
Wieczorem 13 sierpnia DeepSeek wypuścił coś, co wielu wzięło za chińską odpowiedź na Claude Code. W kilka dni GitHub pokazał 140 000 gwiazdek. Dokumentacja mówi coś innego - to nie jest produkt. To fundament.
DeepSeek Harness (w terminalu: dsh) ma być płytą główną ery agentów AI. Nie aplikacją, którą instalujesz i używasz - płytą, na której budujesz własne rozwiązania. Produkt działa od razu, ale zmienia się tylko wtedy, gdy producent chce. Platforma wymaga pracy, za to możesz ją przekształcić w cokolwiek.

Fundament dsh to Cordis. Mikrojądro, które zajmuje się tylko trzema rzeczami: ładowaniem wtyczek, wyładowywaniem wtyczek i zarządzaniem zależnościami między nimi. Zero funkcji agenta. Jak płyta bazowa Lego - daje tylko gniazda, w które wkładasz klocki.
Adaptery modeli, rejestry narzędzi, piaskownice, logika planowania, nawet interfejs webowy - wszystko to wtyczki o równym statusie. Najostrzejsze cięcie? Agent to tylko interfejs, a agent-loop to jedna z możliwych implementacji. Wtyczki zależą tylko od słownika agenta, nigdy od konkretnej pętli. Wymieniasz całą orkiestrację zmieniając jeden plik konfiguracyjny Cordis.
iPhone działa świetnie od razu. Android z odblokowanym bootloaderem pozwala podmienić system operacyjny, jeśli wiesz jak. dsh jest tym drugim.
Główna pętla dsh używa wzorca ReAct: pomyśl krok, wywołaj narzędzie, zobacz wynik, pomyśl znowu, aż skończysz. To samo co Claude Code, Codex czy WorkBuddy. Różnica nie leży w tym, jak wygląda pętla - leży w tym, co możesz z nią zrobić.
Claude Code spawa komponenty w gotowy produkt. Stabilny, zamknięty. Codex uruchamia pętlę w swojej piaskownicy. dsh niczego nie spawa. Spawanie daje stabilność. Rozdzielenie daje wyjście awaryjne, które zawsze możesz użyć.

Co dsh dodaje? Konfigurację jako kompozycję - jeden plik cordis.yml składa tryby standard, minimal, PTC i creation. Neutralność modelową - adaptery pozwalają wymieniać prawie 40 modeli. Możliwość osadzenia - Python SDK wystawia agentów przez JSON-RPC. Czego brakuje? To wersja developerska z łamaniem kompatybilności, szorstkimi rogami UX i młodym ekosystemem.
Strategiczne myślenie robi wrażenie. Możliwości modeli i agentów są daleko od zbieżności. Pętla lub protokół narzędzi, który dziś wydaje się słuszny, jutro może zostać obalony. Możliwość odłączenia odpowiedzi i wymiany jej na inną ma większe znaczenie niż trafny wybór teraz.
Zespół DeepSeek jest mały i nie może samodzielnie eksplorować pamięci, planowania, piaskownic i możliwości multi-agentowych. Wypuszczenie harness jako open-source przekształca problem poszukiwań w marketplace. Lider projektu Cui Tianyi mówi wprost: zamknięte źródło dostarcza teraźniejszość, otwarte pozwala użytkownikom opanować przyszłość.
Wtyczki społecznościowe oznaczone tagiem dsh-plugin liczą już prawie 300. Jeśli ta ścieżka się sprawdzi, dsh staje się infrastrukturą ery agentów - jak npm dla Node.js czy Kubernetes dla kontenerów.
Podobne podejście widzieliśmy już wcześniej - Alibaba z Qwen AI Arena również stawia na platformę dla agentów, nie gotowe rozwiązanie. Różnica? Qwen Arena to marketplace aplikacji, dsh to warstwa niżej - fundamenty, na których te aplikacje powstają.

dsh to narzędzie dla ludzi, którzy chcą budować agentów AI, nie tylko ich używać. Szukasz gotowego rozwiązania do pisania kodu? Claude Code lub Cursor będą lepszym wyborem. Chcesz zrozumieć, jak agenci działają od środka i eksperymentować z własnymi implementacjami? dsh daje fundamenty.
To wciąż wersja developerska z ostrymi rogami. Nie wrzucaj tego do produkcji. Obserwuj: podczas gdy wszyscy ścigają się, czyj agent jest mądrzejszy, DeepSeek cicho konkuruje na bardziej fundamentalnym pytaniu - z jakich standardowych części powinny być zbudowane agenci.
Formuła Model + Harness = Agent to zakład na to, że przyszłość nie należy do firm, które zbudują najlepszego agenta, ale do tych, które zbudują najlepszą platformę do budowania agentów. Różnica jak między posiadaniem najszybszego samochodu a posiadaniem fabryki, w której każdy może zbudować własny.
Szerszy kontekst: Google Cloud API Gateway pokazuje podobne podejście do routowania modeli, a Cloudflare Kitesurf buduje przeglądarkę specjalnie dla agentów. Wszystkie te projekty łączy jedno - stawiają na infrastrukturę, nie na pojedyncze produkty.
Tak, DeepSeek Harness jest w pełni open-source i dostępny za darmo na GitHubie. Możesz go używać, modyfikować i dystrybuować zgodnie z licencją projektu. Koszty mogą powstać tylko przy korzystaniu z płatnych modeli AI przez adaptery.
Claude Code to gotowy produkt do pisania kodu - instalujesz i używasz. dsh to platforma do budowania własnych agentów AI - wszystkie komponenty, nawet główna pętla, są wtyczkami, które możesz wymienić. Claude Code jest stabilny i zamknięty, dsh jest modularny i otwarty.
Tak, dsh ma adaptery do około 40 różnych modeli AI, w tym komercyjnych jak GPT czy Claude oraz open-source jak Llama czy Qwen. Neutralność modelowa to jeden z kluczowych elementów architektury - możesz wymieniać modele zmieniając konfigurację.
Nie, to wciąż wersja developerska z łamaniem kompatybilności i niedopracowanym UX. DeepSeek wyraźnie oznacza to jako developer preview. Możesz eksperymentować i budować prototypy, ale nie wdrażaj tego w krytycznych systemach produkcyjnych.
Cordis to minimalistyczne jądro, które zajmuje się tylko ładowaniem wtyczek, ich wyładowywaniem i zarządzaniem zależnościami między nimi. Samo w sobie nie ma żadnych funkcji agenta - jest jak płyta bazowa, która tylko dostarcza gniazda do podłączania komponentów.
Na podstawie: Pandaily
10 gotowych promptów do codziennej pracy + 5 narzędzi + plan na pierwszy tydzień. PDF, 4 strony konkretu.