DeepSeek Harness Plugins: 7 lohnenswerte, und der eine Layer, den niemand auf seine Liste setzt.

Ein Entwickler an einem hellen Home Office mit zwei Monitoren, auf dem linken Bildschirm scrollen Plugin-Installationslogs in einem Terminal, auf dem rechten aktualisiert sich ein Raster von Plugin-Karten

Sieben Plugins, ein Provider-Block und ein Profil, das du tatsächlich verstehst. Das ist die gesamte Einrichtung.

Am 13. August 2026 veröffentlichte DeepSeek seinen Agent Harness als Open Source. Innerhalb von etwa zwölf Stunden erreichte er rund 50.000 GitHub-Sterne, nach 28 Stunden etwa 92.000 (Justin3go, August 2026). Vier Tage später steht das Repo bei 144.4k Sternen und 14.7k Forks (GitHub, August 2026).

Deine Timeline ist jetzt voll mit dsh-*-Repos. Themes, Spracheingabe, Pomodoro-Timer, ein Whale-Arcade-Spiel für die Zeit, in der der Agent denkt. Die kuratierte Community-Liste hat die 1.100 Einträge überschritten.

Dann schaust du auf deine API-Nutzungsseite.

Dies ist kein weiteres Plugin-Verzeichnis. Es sind die sieben Teile, die dsh zu etwas machen, das du einen ganzen Nachmittag lang laufen lassen kannst, plus eine Konfigurationsebene, die fast niemand in seine Plugin-Liste aufnimmt, obwohl sie entscheidet, ob die anderen sechs bezahlbar bleiben.

Wichtige Erkenntnisse

• dsh ist MIT-lizenziert und ausdrücklich eine Entwicklervorschau. Die README selbst sagt: „ES WIRD KOMPATIBILITÄTSBRECHENDE ÄNDERUNGEN GEBEN."
• „Alles ist ein Plugin" schließt die Modellebene selbst ein. Das ist die am meisten unterschätzte Konsequenz der Architektur.
• Die Anzahl der Plugins ist nicht die Qualität der Plugins. Ein Rezensent fand 41 kompatible Integrationen gegenüber 219 als Aufmerksamkeit erfordernd markierten, und alle 5 getesteten Drittanbieter-Tools schlugen komplett fehl.
• Lerne, was ein Profil ist, bevor du etwas installierst, sonst installierst du in ein Profil, führst ein anderes aus und wunderst dich, warum nichts erscheint.
• dsh ist von Natur aus ein schwerer Kontextkonsument, und DeepSeek's eigene API berechnet jetzt nach Tageszeit. Deine Provider-Konfiguration ist ein tragender Teil der Einrichtung.

Der Lohn dieser gesamten Einrichtung: ein Durchgang Agentenarbeit, auf zwei Arten bepreist, in einem Panel, das du tatsächlich lesen kannst. Die Zahlen wurden aus den veröffentlichten Preiskarten jeder Route zum 17. August 2026 berechnet, nicht aus einem gemessenen Lauf.

Warum DeepSeek Harness Plugins explodierten und warum die meisten von ihnen kaputt gehen

Das Wachstum ist real, und die Zerbrechlichkeit ist auch real. Innerhalb von zwei Tagen nach dem Start gingen über 2.000 Plugin-Einreichungen ein (Justin3go, August 2026), und die Community-Liste umfasst jetzt mehr als 1.100 installierbare Plugins in vierzehn Kategorien.

Was dies von einer normalen Erweiterungs-API unterscheidet, ist, wie tief die Naht geht. DeepSeek's Designprinzip umfasst „Modelle, Werkzeuge, Fähigkeiten, Sitzungen, Sandboxen, Dateisysteme, Schleifen, Orchestrierung und UI-Komponenten", die „gemischt, kombiniert, ersetzt und erweitert werden können" (The Register, August 2026). Der Harness basiert auf dem Cordis-Kernel, ein Plugin registriert, was es tut, über eine apply(ctx)-Funktion, die beim Entladen aufräumt, und die Agentenschleife selbst ist austauschbar. Ebenso der Modellanbieter.

Armin Ronacher, zitiert im selben Artikel, drückte die Anziehungskraft gut aus: „Ich denke nicht, dass der DeepSeek Harness perfekt ist, aber dies ist definitiv das erste Mal, dass ich mir etwas Neues in diesem Bereich angesehen habe und mich ziemlich inspiriert fühlte, einige unserer Entscheidungen zu überdenken."

Nun das kalte Wasser. Die offizielle Kompatibilitätsliste zeigte 41 kompatible Integrationen gegenüber 219, die als aufmerksamkeitsbedürftig markiert waren, und in praktischen Tests „schlugen alle 5 getesteten Drittanbieter-Tools komplett fehl" (Justin3go, August 2026). Die Harness-README verheimlicht dies auch nicht. Es ist eine Entwicklervorschau, „die sich schnell weiterentwickelt", mit garantierten bahnbrechenden Änderungen in Großbuchstaben.

Die vernünftige Strategie ist also nicht „installiere dreißig Plugins". Es ist, eine kleine Anzahl zu installieren, die echte Betriebsprobleme lösen, und zwar in einer Reihenfolge, in der jedes das nächste sicherer macht.

Wie DeepSeek Harness Plugins zusammenpassen: Profile, Bundles und die Modellebene

Drei Konzepte erklären fast jeden „es wurde installiert, aber nichts passierte"-Beitrag, den du lesen wirst.

Profile. Ein Profil ist eine benannte, in sich geschlossene Zusammensetzung von Plugins und Konfiguration. dsh liefert Vorlagen, die bei der ersten Verwendung automatisch initialisiert werden, darunter web (was dsh web startet) und headless, mit dsh-base, dsh-web-app und dsh-headless als verfügbaren Bundle-Quellen. Plugins werden in ein Profil installiert. Installiere in das falsche und das Plugin ist wirklich da, nur nicht in dem, was du ausführst.

Bundles. Jedes installierbare Plugin deklariert ein dsh.bundle-Manifest. Dieses Manifest macht es für den Plugin-Befehl und für die Community-Liste auffindbar, die nur Einträge akzeptiert, die über dsh plugin add installierbar sind.

Die Modellebene. Unter llm-pi-ai sind Provider nur Konfiguration. Hier ist die Form direkt aus der Dokumentation:

yamlCopy
1llm-pi-ai:
2  providers:
3    my-gateway:
4      apiKeyEnv: GATEWAY_API_KEY
5      api: openai-completions
6      baseURL: https://gateway.example/v1
7      models:
8        - id: legacy-chat
9        - id: vision-preview
10          input: [text, image]
11

Das ist der gesamte Mechanismus. Setze api: openai-completions plus eine baseURL und du zeigst auf alles, was das OpenAI Chat Completions-Protokoll spricht. Schlüssel leben separat in $DSH_HOME/.credentials.yaml und bleiben schreibgeschützt, sodass settings.yaml eine Referenz enthält und niemals das eigentliche Geheimnis.

Die DeepSeek Harness Plugins-Ebene, die niemand auf seine Liste setzt

Scrolle durch ein beliebiges Plugin-Verzeichnis und du wirst Themes, Panels, Speichersysteme, Benachrichtigungsbrücken finden. Was du nicht weit oben finden wirst, ist der Provider-Block, denn es ist kein Plugin, das du installierst. Es sind neun Zeilen YAML, die du einmal schreibst.

Es ist wichtig wegen der Arithmetik. dsh zeichnet alles auf, was das Modell sieht, in einem Append-Only-Sitzungsprotokoll, injiziert aggressiv Kontext und plant Unteragenten ein. Dieses Design hat einen Token-Kosten. In einem vorläufigen Vergleich mit demselben Modell maß Pis ungecachter Eingabe etwa 4.5K Token gegenüber etwa 47.6K für dsh, „ein Unterschied von einer Größenordnung". Der Rezensent wies auf Störfaktoren hin und merkte an, dass dsh in der Vorschau sei, und bestätigte separat einen echten Fehler, bei dem dsh sowohl CLAUDE.md als auch AGENTS.md liest und die Systemaufforderung verdoppelt, wenn deren Inhalte übereinstimmen (Justin3go, August 2026). Behandle dies als eine frühe Messung einer Person, nicht als gesicherte Tatsache. Die Richtung ist jedoch unbestritten.

Inzwischen bepreist DeepSeek's First-Party-API nach Tageszeit. Spitzenzeiten sind 01:00-04:00 und 06:00-10:00 UTC, und Nebenzeiten kosten die Hälfte der Spitzenzeiten (DeepSeek API-Dokumentation, August 2026). Sowohl deepseek-v4-flash als auch deepseek-v4-pro haben 1M Kontext und 384K maximale Ausgabe.

Die Modellebene ist also der Ort, an dem ein Plugin-Stack entweder nachhaltig bleibt oder nicht. Zur Referenz: Hier sind die Kosten für dieselben DeepSeek-Modell-IDs auf einem Festpreis-Hosted-Endpunkt. Atlas Cloud ist einer, hier aufgeführt, weil er DeepSeek's eigene Modell-IDs zu Festpreisen anbietet, was ihn direkt mit den First-Party-Zahlen vergleichbar macht, anstatt einen Äpfel-mit-Birnen-Vergleich anzustellen.

Tabelle 1. DeepSeek-Modell-IDs und veröffentlichte Preise pro 1M Token, bestätigt am 17. August 2026

Lies diese Tabelle ehrlich, denn sie sagt nicht eine Sache aus. Flash ist im Festpreis günstiger als in beiden offiziellen Tarifen. Pro's Festpreis-Eingabe liegt über dem offiziellen Spitzen-Cache-Miss-Tarif. Und der offizielle Cache-Hit-Eingabe ist nahezu kostenlos, daher kann eine Arbeitslast mit hohen Cache-Trefferquoten auf der First-Party-API am günstigsten sein. Was ein Festpreis-Endpunkt dir tatsächlich bringt, ist Vorhersagbarkeit: die gleiche Zahl um 03:00 UTC wie um 15:00 UTC, keine First-Party-Konto-Drosselung und identische Modell-IDs, sodass ein Wechsel zurück eine Zeile ist.

Der DeepSeek Harness Plugins-Stack, Schritt für Schritt

Acht Schritte, aus gutem Grund in dieser Reihenfolge. Jeder macht entweder den nächsten Schritt möglich oder sicherer.

Tabelle 2. Der Sieben-Teile-Stack, in sich geschlossen

Eine Anmerkung zu den Installationsspezifikationen, bevor du beginnst. dsh plugin --profile <name> <args> leitet seine Argumente an pnpm innerhalb des Profilverzeichnisses weiter, sodass alles, was pnpm auflösen kann, funktioniert: ein npm-Paketname, eine github:owner/repo-Spezifikation oder ein link:/absolute/path für ein Plugin, das du entwickelst. Das ist in der Praxis wichtig. Ich habe die Registrierung überprüft, und dsh-cost-meter und dsh-tier-router sind nicht auf npm veröffentlicht, daher ist die GitHub-Spezifikation der einzige Weg für diese beiden.

Schritt 1. Installiere dsh und starte das Web-Profil.

bashCopy
1npx @deepseek-ai/dsh web
2

Der Befehl gibt die Server-URL aus. Wenn du lieber aus dem Quellcode bauen möchtest:

bashCopy
1git clone https://github.com/deepseek-ai/deepseek-harness.git
2cd deepseek-harness
3pnpm install
4pnpm run build
5pnpm dsh web
6

Dann im Browser: Einstellungen, Modelle, API-Schlüssel einfügen, speichern. Wähle einen Arbeitsbereich, richte ihn auf ein Projektverzeichnis und starte eine Sitzung.

DeepSeek Harness Web-UI beim ersten Start, mit dem neuen Sitzungsbildschirm und der Arbeitsbereichsauswahl

Schritt 1 erledigt: dsh web läuft lokal mit einem ausgewählten Arbeitsbereich.

Schritt 2. Verstehe dein Profil, bevor du etwas installierst.

Dies ist der Schritt, den die Leute überspringen, und er verursacht die meiste Verwirrung „Plugin installiert, aber nicht sichtbar". Überprüfe den zusammengesetzten Konfigurationsbaum, ohne ihn zu starten:

bashCopy
1dsh --profile web --dump-config
2

Es gibt auch --dump-default-config, wenn du eine Basislinie zum Vergleichen haben möchtest. Was du suchst, ist, ob das gerade installierte Bundle tatsächlich im zusammengesetzten Baum für das Profil erscheint, das du startest. Wenn nicht, hast du in ein anderes Profil installiert.

Terminalausgabe von dsh --dump-config, mit der Liste der zusammengesetzten Plugin-Bundles für das Web-Profil

--dump-config ist die Antwort auf fast jede Frage „Mein Plugin fehlt".

Schritt 3. Installiere den Markt, bevor du die Plugins installierst.

bashCopy
1dsh plugin --profile web add dshmarket
2

Dies fügt einen durchsuchbaren Plugin-Browser in den Einstellungen hinzu mit Ein-Klick-Installation und -Upgrade, plus einem Themes-Reiter. Danach erfolgt der Großteil der Installationen in der UI statt im Terminal. Wenn du die Suche lieber komplett delegieren möchtest:

bashCopy
1dsh plugin --profile web add dsh-find-plugin
2

Das lässt deinen Agenten Plugins für dich finden, was eine leicht absurde und sehr nützliche Sache ist.

Der dsh-market Plugin-Browser in den DeepSeek Harness Einstellungen, mit durchsuchbaren Plugin-Karten, Installationsschaltflächen und Kategoriefiltern

Das Markt-Panel in den Einstellungen, in dem der Rest deiner Installationen stattfinden wird.

Schritt 4. Installiere den Scanner, bevor du den Drittanbieter-Code installierst.

Die Community-Liste trägt die Warnung in einer Box oben, und es lohnt sich, sie zu zitieren: „Das Installieren eines Plugins führt Drittanbieter-Code auf deinem Rechner mit deinen eigenen Berechtigungen aus; er kann deine Dateien lesen, deine Anmeldeinformationen verwenden und das Netzwerk erreichen. Tool-Approvals sandboxen keinen Plugin-Code" (awesome-dsh-plugin, August 2026).

Also zuerst scannen:

bashCopy
1npm install -g dsh-poison-guard
2dsh-poison-guard scan ./some-plugin
3dsh-poison-guard scan ./some-plugin --json
4

Es läuft drei Ebenen: AST-Analyse via NodeSecure JS-X-Ray für dynamische Imports, Verschleierung, eval / Function / vm-Nutzung, Exfiltration und unsichere Shell-Befehle; einen Entschleierungs-Decoder, der atob(), Buffer.from() base64 und hex, String.fromCharCode() und Escape-Sequenzen entpackt, bevor er erneut scannt; und Regex-Heuristiken für Literal-Strings und Installations-Skripte wie postinstall und prepare. Exit-Code ist 0 für sauber und 1 bei Funden, sodass es direkt in CI integriert werden kann. Es kann auch innerhalb eines Profils leben:

bashCopy
1dsh plugin --profile web add dsh-poison-guard
2

Kombiniere es mit dsh-plugin-doctor, das Manifest, Patch, Eintrag, Build, Pack und Installation überprüft, Profil-Host-Schatten erkennt und einen eigenen Poison-Preflight durchführt.

dsh-poison-guard Scan-Bericht im Terminal, der Funde pro Ebene für ein Community-Plugin auflistet

Ein Pre-Install-Scan eines zufälligen Community-Plugins. Der Punkt ist nicht, dass er immer etwas findet, sondern dass du nachgesehen hast.

Schritt 5. Richte die Modellebene dorthin, wo du sie haben möchtest.

Dies ist die Ebene aus dem vorherigen Abschnitt, jetzt als tatsächliche Bearbeitung. Öffne $DSH_HOME/settings.yaml:

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      apiKeyEnv: ATLASCLOUD_API_KEY
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      models:
8        - id: deepseek-ai/deepseek-v4-flash-0731
9        - id: deepseek-ai/deepseek-v4-pro
10        - id: deepseek-ai/deepseek-v3.2
11

bashCopy
1export ATLASCLOUD_API_KEY=sk-...
2

Der Provider-Block akzeptiert jeden OpenAI-kompatiblen Endpunkt: dein eigenes Gateway, einen lokalen vLLM-Server oder einen gehosteten Dienst. Das obige Beispiel verwendet einen gehosteten DeepSeek-Endpunkt, weil seine Modell-IDs und das Anforderungsschema mit der First-Party-API übereinstimmen, sodass ein Wechsel zurück eine einzeilige baseURL-Änderung ist, während der Rest deiner Konfiguration unberührt bleibt.

Wenn du lieber klickst, hat die Web-UI ein benutzerdefiniertes Provider-Formular. Es erwartet eine Provider-ID (Kleinbuchstaben, dauerhaft), einen Anzeigenamen, eine Basis-URL, ein API-Protokoll, einen API-Schlüssel-Zugangsnachweis und mindestens ein Modell. Nach dem Speichern erhältst du einen geschwärzten Deskriptor zurück, niemals das tatsächliche Geheimnis.

Ein praktischer Stolperstein. Die Schaltfläche „Verfügbare Modelle abrufen" der UI ruft den GET /models des Endpunkts auf, und Endpunkte ohne diese Route erfordern, dass die Modell-IDs manuell eingegeben werden. Ich habe diesen Endpunkt direkt überprüft: Er antwortet auf /v1/models und gibt alle drei obigen DeepSeek-IDs zurück, aber sein JSON-Envelope ist nicht byte-identisch mit OpenAIs Listenform. Wenn also der Abruf leer zurückkommt, nimm nicht an, dass der Provider defekt ist. Gib die drei IDs genau wie oben ein, was ein vollständig unterstützter Pfad ist.

DeepSeek Harness Modellauswahl mit erweitertem benutzerdefinierten Provider, der die drei DeepSeek-Modell-IDs aus dem settings.yaml-Provider-Block anzeigt

Schritt 5 erledigt: Die DeepSeek-Modelle des benutzerdefinierten Providers sind neben den integrierten auswählbar.

Schritt 6. Mach die Rechnung sichtbar.

bashCopy
1dsh plugin --profile web add github:Han-1413141/dsh-cost-meter
2

Du erhältst Kosten pro Sitzung und Tag, ein Budget mit Nutzungsprozentsatz, offiziellen Saldo und ein Verlaufs-Dashboard. Das entscheidende Detail, das dir keine Verzeichnisseite verraten wird: Es hat einen Ein-Klick-Abgleich der offiziellen Preise, einschließlich der Spitzen- und Nebenspitzen-Tarife. Wenn du über deinen eigenen Provider läufst, setze deine tatsächlichen Tarife, sonst führt das Panel korrekte Arithmetik auf der Preisliste eines anderen durch.

Wenn du eher die Token-Form als Dollar möchtest, geben die dsh-token-usage-Varianten Heatmaps und Aufschlüsselungen pro Modell, und dsh-context zeigt die Zusammensetzung des Kontextfensters selbst: Verlauf pro Anfrage, Komprimierungs- und Injektionsereignisse sowie Token-Statistiken pro Nachricht. Letzteres ist, wie du herausfindest, ob deine 47K Eingabe-Token Projektdateien, Sitzungsverlauf oder dieselben Anweisungen sind, die zweimal geladen wurden.

Schritt 7. Trenne Planung von Ausführung.

bashCopy
1dsh plugin --profile web add github:BruceLanLan/dsh-tier-router
2

Zweistufiges Routing: Eine starke Stufe plant, berät und überprüft, eine günstige Stufe setzt um. Es ist sich des Plan-Modus bewusst, hat eine Eskalationssperre für Aktionen mit hoher Auswirkung, eskaliert bei Fehlschlägen automatisch und stuft auch Unteragenten ein. Konkret binde den Planer an V4 Pro und den Ausführenden an V4 Flash. Angesichts der Preislücke in Tabelle 1 ist dies der einzige wirksamste Hebel gegen den Kontextappetit des Harness, wirksamer als jedes manuelle Prompt-Trimming, das du durchführen wirst.

Schritt 8. Führe etwas Echtes aus und überprüfe die Quittungen.

Füge dies in eine Sitzung ein, die auf ein Express-Projekt zeigt:

textCopy
1Füge request-scoped strukturiertes Logging zu dieser Express-App hinzu: Erstelle eine Middleware, die
2eine UUID-Request-ID an jede Anfrage anhängt, logge Methode, Pfad, Status und Dauer als
3JSON, propagiere die Request-ID in alle vorhandenen Logger-Aufrufe und füge Unit-Tests für
4die Middleware hinzu. Ändere keine Routenhandler-Signaturen. Zeige mir einen Plan vor dem Bearbeiten.
5

Es ist bewusst mittelgroß: mehrere Dateien, hat eine Testanforderung, hat eine Einschränkung, die der Agent verletzen kann, und fragt zuerst nach einem Plan, damit du zusehen kannst, wie der Router zwischen den Stufen übergibt. Wenn die Durchgänge beendet sind, lies das Kostenmesser-Panel und notiere Eingabe, Ausgabe und gecachte Token sowie die vergangene Zeit. Wechsle dann den Provider in der Modellauswahl und führe es erneut auf demselben Commit aus. Dieser zweite Durchlauf ist der ganze Grund, warum du die Schritte 5 bis 7 installiert hast.

DeepSeek Harness Sitzung abgeschlossen, mit Plan, Tool-Aufruf-Trajektorie für die Middleware-Bearbeitung und den bestandenen Unit-Tests

Schritt 8 erledigt: Plan, Bearbeitungen und Tests in einer einzigen Append-Only-Trajektorie, durch die du zurückblättern kannst.

DeepSeek Harness Plugins für verschiedene Rollen

Der Sieben-Teile-Stack ist das Minimum. Was du oben drauf setzt, hängt davon ab, was du tatsächlich tust, und die vierzehn Kategorien der Community-Liste lassen sich ziemlich klar auf Rollen abbilden.

• Forschung und Schreiben. xiehuan123/dsh-deepread bietet fünf Lesemodi mit Behauptungs-Belege-Daten-Berichten und Mermaid- oder XMind-Mindmaps, plus einer Budgetvorprüfung. Kombiniere es mit bowenliang123/dsh-context für Transparenz und flymysql/dsh-memory für einen sitzungsübergreifenden Tresor.
• Frontend und Design. AKS1st/dsh-mermaid rendert Mermaid-Blöcke als bereinigtes SVG, das deinem Theme folgt. omdsh-dev/dsh-genui rendert interaktive Komponenten inline in Antworten, darunter Diagramme, Formulare und 3D-Szenen, mit einer Ereignisschleife zurück zum Modell.
• Team und Audit. dfycaly98931680/dsh-trajectory-governance baut flache Sitzungsprotokolle in Verzweigungsbäume um und markiert Schleifen, Deadlocks, ungültige Wiederholungen und Zielabweichungen mit Kostenverteilung. DamonKoy/dsh-secret-redactor maskiert API-Schlüssel, Token, JWT und private Schlüssel in Tool-Ergebnissen, bevor das Modell sie sieht, und JohnXu22786/secret-guard blockiert Lese- und Schreibzugriffe auf .env und Schlüsselmaterial vollständig.
• Terminal-Menschen. kouyichi/dsh-tui-app ist ein vollständiger Ink-basierter Terminal-Chat-Client mit Tool-Karten, einem Jobs-Panel, Trajektorien-Wiedergabe und Multi-Sitzungs-Tabs. s3yf1337/dsh-desktop verpackt die Web-Oberfläche in einem nativen Tauri-Fenster.
• Lokale Modelle. NOirBRight/dsh-llm-ollama ist ein nativer Ollama-Chat-Adapter mit Modellerkennung, sodass der Provider-Trick aus Schritt 5 auch für Modelle auf deinem eigenen Rechner funktioniert.
• Resilienz. aokamoaki/dsh-startup-guard prüft die Plugin-Komposition vor, testet Host apply() und isoliert Crash-verursachende Bundles, sodass ein defektes Plugin den Start nicht blockieren kann. Bei einem Vorschau-Harness ist das weniger paranoid, als es klingt.

Was ein DeepSeek Harness Plugins-Stack zu betreiben kostet

Lass mich präzise sein, was folgt. Dies sind Berechnungen aus veröffentlichten Preiskarten, nicht aus einem von mir gemessenen Lauf. Das Token-Volumen ist der zuvor zitierten Drittanbieter-Messung entlehnt, und die Ausgabezahl ist eine Annahme, die ich offen ausspreche.

Nimm einen Durchgang mit 47,6K ungecachten Eingabe-Token (der dsh-Wert aus diesem vorläufigen Vergleich) und nimm 8K Ausgabe-Token an.

Tabelle 3. Ein 47,6K-Eingabe-, 8K-Ausgabe-Durchgang, berechnet aus veröffentlichten Preisen

Drei Dinge in dieser Tabelle sind mehr wert als die Summen.

Erstens: Flash-Festpreis ist günstiger als Flash in beiden offiziellen Tarifen, und die Lücke bei der Ausgabe gegenüber Spitze beträgt etwa das 4,7-fache. Zweitens: Pro-Festpreis ist bei der Eingabe teurer als der offizielle Spitzen-Cache-Miss, daher ist eine Pro-lastige Arbeitslast nicht automatisch besser dran, die First-Party-API zu verlassen. Drittens, und am wichtigsten: Wenn diese 47,6K Eingabe ein Cache-Treffer und kein Fehlschlag wäre, würde die offizielle Preisgestaltung je nach Stunde irgendwo zwischen $0,0003 und $0,0007 verlangen. Praktisch kostenlos. Eine Arbeitslast mit wirklich hohen Cache-Trefferquoten kann auf DeepSeek's eigener API am günstigsten sein, Punkt. Jeder Beitrag, der dir sagt, ein gehosteter Endpunkt sei universell billiger, hat seine eigene Preiskarte nicht gelesen.

Es gibt auch eine Zeitzonen-Falle, die niemand erwähnt. Spitze ist 01:00-04:00 und 06:00-10:00 UTC, was 09:00-12:00 und 14:00-18:00 in Peking ist, dem chinesischen Arbeitstag. Ein Entwickler in San Francisco hat seine Neun-bis-Fünf-Zeit vollständig in der Nebenspitze. Ein Entwickler in Berlin hat seinen Morgen direkt in der Spitze. Wo du sitzt, ändert, welche Spalte von Tabelle 3 deinen tatsächlichen Monat beschreibt.

Drei Hebel bewegen die Zahl tatsächlich, in der Reihenfolge ihrer Wirkung: Stufen-Routing, sodass das teure Modell nur plant; Bündelung von Tool-Aufrufen, sodass jeder Durchgang weniger Roundtrips des Kontexts mit sich bringt; und Öffnen von dsh-context, um herauszufinden, was das Fenster füllt. Beginne mit dem dritten. Der doppelte CLAUDE.md- und AGENTS.md-Fehler hat für echte Benutzer eine Systemaufforderung verdoppelt, und kein noch so cleveres Routing behebt ein Problem, das du nicht sehen kannst.

Bevor du installierst: Vertrauen und Lizenzierung

Plugin-Code läuft in deinem Node-Prozess, mit deinen Berechtigungen, und Tool-Approvals sandboxen ihn nicht. Das ist nicht hypothetisch. Der Harness liest dein Repository und deine Zugangsdaten-Dateien per Design, und ein Plugin lebt innerhalb derselben Grenze. Die eigenen Kriterien der Community-Liste machen deutlich, dass eine Auflistung „keine Sicherheitsüberprüfung" ist und nichts darüber hinaus beweist, dass das Plugin installiert wird und das tut, was seine einzeilige Beschreibung sagt.

Praktische Haltung: Scanne mit dsh-poison-guard vor der Installation, bevorzuge Plugins, deren Quellcode du in einem Durchgang überfliegen kannst, und probiere unbekannte Plugins an einem Ort aus, der nicht deine Produktionsschlüssel enthält.

Zur Lizenzierung: dsh selbst ist MIT. Einzelne Plugins sind es nicht. Sie sind separate Repositories mit eigenen Lizenzen, und ein permissiver Kern sagt nichts über die Erweiterung aus, die du gerade von einer GitHub-Spezifikation gezogen hast. Wenn du in etwas Kommerzielles installierst, lies jede einzelne Lizenz.

Häufig gestellte Fragen zu DeepSeek Harness Plugins

Wie installiere ich ein DeepSeek Harness Plugin?

Führe dsh plugin --profile <name> add <spec> aus. Der Befehl leitet an pnpm innerhalb des Profilverzeichnisses weiter, daher sind gültige Spezifikationen ein npm-Paketname, github:owner/repo (optional mit #ref) und link:/absolute/path für die lokale Entwicklung. Der Wert von --profile muss mit dem Profil übereinstimmen, das du tatsächlich startest. Plugins mit einer Host-seitigen Komponente erfordern einen Neustart des Prozesses, nicht nur ein Neuladen der Seite.

Mein DeepSeek Harness Plugin wurde installiert, wird aber nicht angezeigt. Warum?

Vier Ursachen, in der Reihenfolge ihrer Wahrscheinlichkeit. Du hast in ein anderes Profil installiert als das, das du gestartet hast. Der Browser bedient eine gecachte UI und benötigt einen harten Refresh. Das Plugin greift auf den Node-Host zu und benötigt einen Neustart des Prozesses. Oder das Bundle hat es nie in die zusammengesetzte Konfiguration geschafft, was dsh --profile <name> --dump-config dir in einem Befehl verrät.

Kann ich DeepSeek Harness mit einem Nicht-DeepSeek-Modell oder einem Drittanbieter-Endpunkt verwenden?

Ja, und es ist eine Konfigurationsänderung, kein Plugin. Füge unter llm-pi-ai einen Provider mit api: openai-completions und deiner baseURL hinzu, liste mindestens eine Modell-ID auf und verweise auf einen Schlüssel über apiKeyEnv oder $DSH_HOME/.credentials.yaml. Für Modelle auf deinem eigenen Rechner bietet dsh-llm-ollama einen nativen Ollama-Adapter mit Modellerkennung.

Sind DeepSeek Harness Plugins sicher zu installieren?

Behandle sie wie jede npm-Abhängigkeit mit Dateisystem- und Netzwerkzugriff, denn das sind sie. Plugin-Code läuft in deinem Node-Prozess mit deinen Berechtigungen, und Tool-Approvals sandboxen ihn nicht. Scanne vor der Installation mit dsh-poison-guard, validiere Manifeste und Builds mit dsh-plugin-doctor und verwende einen Secret-Redactor- oder Guard-Plugin, damit zugangsdatenförmige Strings nie das Modell erreichen.

Ist DeepSeek Harness bereit für die tägliche Codierungsarbeit?

Ehrlich gesagt, für die meisten Menschen noch nicht. Es ist eine Entwicklervorschau, deren README kompatibilitätsbrechende Änderungen verspricht, die Kompatibilität mit Drittanbieter-Plugins ist derzeit schlecht, und der Kontextverbrauch ist hoch. Es ist eine starke Wahl, wenn du Agenten-Infrastruktur baust, eine auditierbare Ausführungstrajektorie benötigst oder die Agentenschleife selbst austauschen möchtest. Für den täglichen Einsatz behalte dein bestehendes Tool und beobachte dieses.

Warum verbraucht DeepSeek Harness so viele Token?

Teils absichtlich, teils aufgrund eines Fehlers. Die Designkosten sind real: ein Append-Only-Protokoll von allem, was das Modell sieht, aggressive Kontextinjektion und Planung von Unteragenten. Die Fehlerseite ist behebbar, und ein bestätigter Fall hatte dsh, das sowohl CLAUDE.md als auch AGENTS.md las und die Systemaufforderung verdoppelte, wenn deren Inhalte übereinstimmten. Minderung durch Stufen-Routing, weniger und dickere Tool-Aufrufe und dsh-context, um die tatsächliche Zusammensetzung zu sehen.