Этот урок открывает курс и ничего не просит устанавливать. Вы разберётесь, что скрывается за термином «агентная обвязка» (agent harness), чем DeepSeek Harness (команда dsh) отличается от Claude Code и Codex, для каких задач его стоит пробовать и сколько это стоит на самом деле. После урока вы сможете отличить официальный проект от похожих по названию подделок и решить, нужен ли вам этот инструмент, ещё до того, как откроете терминал или скачаете первый файл.

Неофициальный курс AI University. Тексты, примеры и задания написаны нашей командой по открытой документации DeepSeek и репозитория DeepSeek Harness на 04.10.2026; курс не связан с компанией DeepSeek и не одобрен ею. Программа в статусе developer preview и быстро меняется, сверяйтесь с документацией.

Курс неофициальный: его написала команда AI University, он не связан с DeepSeek и не одобрен компанией. Все факты в тексте актуальны на 04.10.2026 и помечены источниками: официальная документация или опыт пользователей.

Модель отдельно, обвязка отдельно: что такое agent harness

Когда говорят о «ИИ-агенте для кода», часто смешивают две разные вещи. Первая: сама языковая модель, которая понимает текст и умеет рассуждать. Вторая: программа вокруг неё, которая даёт модели руки и глаза, то есть доступ к файловой системе, терминалу, поиску в интернете, памяти о предыдущих шагах. Эту программу и называют agent harness, обвязкой. Модель без обвязки может только отвечать текстом. Обвязка без модели умеет открывать файлы и запускать команды, но не умеет решать, что именно делать.

DeepSeek разделяет эти две роли подчёркнуто явно. Модели DeepSeek (DeepSeek-V4.1-Flash, DeepSeek-V4-Pro-0813) живут и развиваются отдельно, через API. DeepSeek Harness, то есть команда dsh, это отдельный открытый проект, который даёт любой подключённой модели набор инструментов и интерфейс для работы. Можно подключить к этой обвязке модель DeepSeek, а можно подключить модели других поставщиков, о чём ниже.

Показательный пример такого разделения: собственные официальные бенчмарки DeepSeek для задач кодового агента (Code Agent) прогонялись не «моделью саму по себе», а моделью, встроенной в минимальный режим (minimal mode) DSH, с максимальным уровнем усилий и фиксированными параметрами сэмплирования. То есть даже сама DeepSeek измеряет качество модели не в вакууме, а через конкретную обвязку с конкретным набором инструментов. Это хорошая иллюстрация того, что результат агента, который вы видите на экране, это всегда произведение двух факторов: способностей модели и того, что ей разрешила и подсказала обвязка.

«Всё есть плагин»: архитектура Cordis и статус проекта

DeepSeek Harness построен по принципу «всё есть плагин» (everything is a plugin). Модельный адаптер, который переводит запросы в формат конкретного провайдера, файловые инструменты, система одобрения действий, хранилище истории сессии, даже сам цикл работы агента (agent loop) оформлены как сменные модули. Технически это реализовано на фреймворке Cordis, описанном в отдельной статье о «парадигме программирования для пространственно-временной компонуемости». На практике для пользователя это означает: обвязку можно разобрать на части, заменить любую из них своей версией или версией сообщества, не трогая остальное. Например, набор файловых инструментов можно поменять, не трогая способ подключения модели, и наоборот.

Проект выпущен под лицензией MIT, то есть исходный код открыт и его можно изучать, форкать и менять. Репозиторий создан 13.08.2026, тогда же начался публичный предпросмотр для разработчиков (developer preview). Статус подчёркнут авторами прямо: впереди будут ломающие совместимость изменения, аудита безопасности проект ещё не проходил. Это не повод отказываться от знакомства с инструментом, но повод не доверять ему критичные рабочие процессы без дополнительных проверок, о чём подробнее будет сказано в уроке о безопасности.

DSH, Claude Code и Codex: в чём разница

Три инструмента решают похожую задачу, то есть агента, который работает с кодом и файлами, но устроены по разной философии.

Главные отличия DeepSeek Harness:

открытый код под MIT, а не закрытый продукт: любую часть можно прочитать, заменить или собрать заново;
основной интерфейс это веб-приложение в браузере (по умолчанию на адресе 127.0.0.1:3080) или отдельное desktop-приложение, а не текстовый интерфейс в терминале; интерфейс в виде TUI существует только как сторонний, не официальный профиль;
модель по умолчанию DeepSeek, но подключить можно Anthropic, OpenAI, Kimi, GLM или любой совместимый по протоколу шлюз, включая собственный сервер;
Claude Code и Codex можно подключить внутрь DSH как субагентов: агент DSH умеет делегировать часть работы отдельной сессии Claude Code или Codex внутри той же рабочей папки, при этом оплата такой делегированной работы идёт по вашей подписке или ключу Claude или Codex отдельно от DeepSeek.

Честно о зрелости: по отзывам пользователей на англоязычных и китайских площадках (Hacker News, V2EX, обзоры на DeepInfra и composio.dev), DSH пока остаётся сырым продуктом развития. Встречаются сообщения, что агент иногда останавливается посреди задачи без объяснения причины, что установка через npx бывает капризной, особенно на Windows, что интерфейс подтормаживает на длинном контексте и на мобильных устройствах, что экосистема сторонних плагинов растёт быстро, но без контроля качества. Авторы некоторых обзоров прямо пишут, что Claude Code остаётся «ежедневным инструментом» для большинства задач именно из-за отточенности и зрелости, а сильные стороны DSH в другом: аудируемость (видно всю траекторию действий модели), независимость от одного поставщика модели, более низкая цена при больших объёмах, возможность завести собственный self-hosted сервер. Это мнения авторов обзоров, а не измеренные гарантии, и стоит проверять их на своих задачах.

Для каких задач это подходит

По материалам самой DeepSeek и по практике пользователей DSH годится для четырёх типов сценариев.

Работа с кодом: агент может исследовать репозиторий, искать причину бага, вносить правки сразу в несколько файлов, запускать тесты и проверять их результат. Это основной сценарий, ради которого вообще заводят подобные инструменты.

Повседневная офисная работа: составление и редактирование документов, работа с таблицами, подготовка презентаций. По отзывам пользователей, тестировавших desktop-версию, в ней удобно работать с офисными файлами и PDF: есть предпросмотр таких файлов прямо в приложении, а правки показываются как различия (диффы) в боковой панели. Это наблюдение из обзоров, а не формально задокументированная официальная функция, и для своих задач его стоит проверить самостоятельно.

Поиск со ссылками на источники: агент умеет искать факты в интернете и подкреплять ответы ссылками, а не выдавать голые утверждения.

Фоновые задачи: запуск сценариев по расписанию и работа, которая продолжается без постоянного присутствия человека за экраном. Этот функционал на 04.10.2026 отмечен в официальном каталоге плагинов как экспериментальный, наравне с несколькими другими возможностями, о которых ниже.

Сколько стоит «бесплатный» агент на самом деле

В роликах и статьях о DSH нередко встречается формулировка в духе «как Claude Code, только бесплатно». Это упрощение, которое стоит разобрать честно, по пунктам.

Бесплатна сама программа: обвязка DeepSeek Harness распространяется под открытой лицензией MIT, скачать и запустить её не стоит денег. Но обвязка без модели ничего не делает сама по себе, а вызовы моделей DeepSeek через API платные. На 04.10.2026 действуют две модели: deepseek-flash (DeepSeek-V4.1-Flash, с поддержкой зрения) и deepseek-v4-pro (DeepSeek-V4-Pro-0813, без зрения), у обеих окно контекста в 1 миллион токенов и вывод до 384 тысяч токенов. Вне часов пиковой нагрузки цена за миллион токенов для flash составляет 0,003 доллара за вход при попадании в кэш, 0,15 доллара за вход без попадания в кэш и 0,60 доллара за выход; для v4-pro соответственно 0,022, 0,66 и 1,98 доллара. В часы пиковой нагрузки, то есть с 01:00 до 04:00 и с 06:00 до 10:00 по UTC в будни (по московскому времени это 04:00-07:00 и 09:00-13:00), цены удваиваются. Цены и состав моделей меняются, перед работой стоит сверяться со страницей цен на сайте DeepSeek.

Судьба модели v4-pro в документации описана неоднозначно: в сентябре DeepSeek сообщала о её замене на flash, но позже решила продолжить обслуживание v4-pro по прежним ценам «в ответ на запросы пользователей»; на 04.10.2026 модель всё ещё доступна в прайс-листе, но стоит проверить её актуальный статус на странице цен перед тем, как на неё полагаться.

На практике типичная задача действительно стоит центы, а не доллары, особенно на flash и при хорошем попадании в кэш. Именно это, вероятно, и имеют в виду авторы роликов, когда называют DSH «дешёвым». Но называть это «полностью бесплатным» некорректно: деньги просто списываются не за саму программу, а за вызовы модели, причём сначала расходуются любые накопленные бонусы, а затем пополненный баланс.

По-настоящему бесплатный путь только один: подключить к обвязке собственную локальную модель через так называемый Custom model API, то есть через самостоятельно развёрнутый сервер с OpenAI-совместимым протоколом. Официальная документация упоминает поддержку такого self-hosted сервера и параметр для приоритизации очереди в vLLM, но конкретные инструкции для популярных локальных решений в официальных материалах по имени не указаны, поэтому для такого сценария стоит ориентироваться на собственный опыт развёртывания сервера или проверять актуальные инструкции отдельно.

Итог для этого раздела такой: DSH бесплатен как программа, дёшев как сервис при использовании DeepSeek API и условно бесплатен только при полностью собственной инфраструктуре модели.

Версии на 04.10.2026 и что ещё экспериментально

Проект развивается быстро и остаётся в статусе предпросмотра. На момент написания курса в npm-пакете @deepseek-ai/dsh актуальны два канала: latest, то есть версия 0.2.0-rc.2 от 29.09.2026, и alpha, то есть версия 0.2.1-alpha.1 от 03.10.2026. Обе версии, как и все предыдущие релизы с момента создания репозитория 13.08.2026, помечены на GitHub как предварительные (prerelease). Это значит, что ломающие изменения между версиями возможны и ожидаемы, а не являются исключением.

Запускается DSH двумя способами. Первый: через Node.js командой, которая поднимает веб-интерфейс на адресе 127.0.0.1:3080 в браузере; в репозитории для этого указана версия Node.js 22.19 и выше или 24 и выше, хотя для самого опубликованного npm-пакета минимальная версия явно не задокументирована. По отзывам пользователей, версия Node 23 может приводить к тихому завершению процесса без ошибок, так что её разумно избегать. Второй способ, доступный с 29.09.2026: отдельное desktop-приложение для macOS на процессорах Apple silicon и для Windows x64, которое не требует отдельной установки Node.js. Desktop-сборки для Linux на сегодня нет. Помимо этого существует headless-режим для запуска из скриптов без открытия окна или порта, о нём подробно пойдёт речь в последнем уроке курса.

Часть функциональности в самом продукте прямо отмечена как экспериментальная: работа агентов в командах (agent teams), автоматическое подтверждение проверок (auto approval review), задачи по расписанию (scheduled tasks) и голосовой ввод. Это означает, что такие возможности могут работать нестабильно или измениться в следующих версиях сильнее, чем остальная часть продукта.

Официальные адреса против подделок

Название проекта и команды dsh успело разойтись шире, чем сам официальный продукт, поэтому стоит заранее знать, где искать настоящий DeepSeek Harness.

Основные официальные источники три: репозиторий на GitHub по адресу github.com/deepseek-ai/deepseek-harness, пакет @deepseek-ai/dsh в npm под областью видимости @deepseek-ai, и страница deepseek.com/harness на сайте компании. Официальная документация опубликована на deepseek-harness.github.io/deepseek-harness/, ссылка на неё есть в README репозитория. Установщики desktop-приложения нужно скачивать только с поддомена download.deepseek.com/desktop/, ссылки на который ведут с официальной страницы.

Отдельно стоит предупредить о путанице с названиями. Существует посторонний проект с тем же именем deepseek-harness и той же командой dsh, написанный на Python одним независимым разработчиком; его README прямо указывает, что это не форк и не поставка официальной обвязки на Node.js. Совпадение имени пакета и имени команды означает, что случайная установка не того инструмента вполне возможна, если ставить пакет из PyPI вместо npm.

Также в сети встречаются сайты, которые называют себя документацией или руководством по DeepSeek Harness, но в собственных текстах честно указывают, что они неофициальные и не связаны с DeepSeek: у части из них даже есть собственные страницы загрузки программы. Скачивать установщики с таких сайтов не стоит: это не нарушает закон само по себе, но создаёт лишний риск получить не ту сборку программы, которая проверена DeepSeek. Правило простое: если ссылка на скачивание ведёт не на download.deepseek.com, не на npm, не на github.com/deepseek-ai, лучше остановиться и найти официальную ссылку заново.

Карта курса

Этот курс состоит из шести уроков, и большая часть идёт без необходимости писать код.

Урок 1, этот, вводный: что такое DSH и кому он подходит. Урок 2: установка и первый запуск, веб-версия и desktop, типичные проблемы запуска. Урок 3: модели и деньги, то есть как устроена оплата, какие модели доступны и как контролировать расходы. Урок 4: работа с агентом на практике, инструменты, план действий, субагенты Claude Code и Codex внутри DSH. Урок 5: безопасность и данные, то есть что из рабочего контекста уходит в API модели, как устроена песочница и какие у неё ограничения. Урок 6 рассчитан на тех, кто уверенно работает в терминале, и посвящён headless-режиму, конфигурационным файлам и написанию собственных плагинов.

Попробуйте сами

Откройте страницу репозитория github.com/deepseek-ai/deepseek-harness и страницу пакета @deepseek-ai/dsh в npm. Сверьте, что обе ссылки принадлежат области видимости @deepseek-ai, и запишите текущую версию в канале latest. Критерий успеха: вы нашли актуальный номер версии и убедились, что источник официальный, а не похожий по названию сторонний проект.
Сформулируйте для своей ситуации (код, документы, поиск или фоновые задачи) один конкретный сценарий, где агент с доступом к файлам и терминалу сэкономил бы вам время. Критерий успеха: получилось описать задачу в одно-два предложения так, чтобы было понятно, какие инструменты (файлы, терминал, поиск) ей действительно нужны.
Прикиньте по таблице цен из этого урока, во сколько обойдётся обработка условной задачи на 200 тысяч токенов входа без попадания в кэш и 20 тысяч токенов выхода на модели flash, вне часов пиковой нагрузки. Критерий успеха: получилась оценка в долларах с показанным расчётом по шагам.

Итоги

DeepSeek Harness, команда dsh, это открытая под MIT обвязка для агентов, отдельная от моделей DeepSeek; архитектура построена по принципу «всё есть плагин» на фреймворке Cordis, проект в статусе предпросмотра для разработчиков с возможными ломающими изменениями.
От Claude Code и Codex DSH отличается открытым кодом, интерфейсом в браузере или desktop-приложении вместо терминала и способностью подключать разные модели, включая сами Claude Code и Codex как субагентов внутри себя; по отзывам пользователей зрелость и отполированность пока ниже, чем у конкурентов.
Подходящие сценарии: работа с кодом и репозиториями, офисные документы и таблицы, поиск со ссылками на источники, фоновые задачи, часть из которых всё ещё помечена экспериментальной.
«Бесплатно» означает бесплатную программу, но платные вызовы модели по цене в центы за типичную задачу; полностью бесплатным путь становится только при подключении собственного self-hosted сервера с моделью.
Скачивать и устанавливать DSH стоит только с github.com/deepseek-ai/deepseek-harness, из npm-пакета @deepseek-ai/dsh или со страницы deepseek.com/harness, минуя одноимённые сторонние проекты и неофициальные сайты с собственными страницами загрузки.
Следующий урок переходит от теории к практике: установка, первый запуск веб-версии и desktop-приложения, разбор типичных ошибок на старте.

Что такое DeepSeek Harness и кому он нужен