Die Installation von DeepSeek Harness dauert einen einzigen Befehl. Dreißig Sekunden später starren Sie auf eine schöne, völlig leere Benutzeroberfläche unter http://127.0.0.1:3080, und niemand hat Ihnen gesagt, was als Nächstes zu tun ist.
Die README ist notorisch dünn. Das Cordis-Papier, auf das sie verlinkt, spricht von raumzeitlicher Komponierbarkeit. Sie wollten nur, dass das Ding Ihren Code liest.
Dieser Leitfaden beginnt an diesem leeren Bildschirm. Sie erhalten den Installationsbefehl, ja, aber der Teil, der Sie tatsächlich einen Nachmittag kostet, ist das Anschließen eines Modellanbieters, und es gibt drei Standardwerte in diesem Schritt, die DeepSeek-Modelle leise zerstören und 75 % Ihres Kontextfensters wegwerfen. Fast niemand dokumentiert sie.
Wichtige Erkenntnisse
npx @deepseek-ai/dsh webist die gesamte Installation. Node.js^22.19.0oder>=24.0.0ist die einzige Voraussetzung.- DeepSeek Harness ist ein Harness, kein Modell. Es wird ohne Anmeldedaten ausgeliefert, also tut es nichts, bis Sie einen Anbieter hinzufügen.
- Jeder OpenAI-kompatible Endpunkt funktioniert, einschließlich DeepSeek's eigener API, eines Gateways oder eines lokalen Ollama-Servers.
- Wenn Sie einen benutzerdefinierten Anbieter hinzufügen, errät der Harness die Denk-Dialekt aus Ihrer Basis-URL. Falsch geraten, und
reasoning_contentbricht. - Handdeklarierte Modelle standardmäßig auf ein Kontextfenster von 262.144, sodass V4s volles Fenster von 1.048.576 ausgeschaltet bleibt, bis Sie es anders sagen.
Terminal mit grünen, bestandenen Tests neben einem leuchtenden modularen Harness-Gerüst, das zeigt, wie man DeepSeek Harness installiert
Die 60-Sekunden-Version dessen, was Sie bauen
Hier ist die Belohnung vor aller Theorie. Drei Dateien in einem leeren Ordner, ein Prompt zum Einfügen, und der Agent liest den Code, führt pytest aus, beobachtet zwei fehlschlagende Tests, ändert ein einzelnes Zeichen und führt erneut aus, bis die Suite grün ist.
DeepSeek Harness liest fizzbuzz.py, führt pytest aus, behebt den Off-by-one-Fehler und führt erneut aus, bis 3 bestanden sind
Der vollständige Kreislauf: Lesen, Ausführen, Diagnostizieren, Patchen, Erneut ausführen. Jeder Schritt landet in einem nur-appendierbaren Sitzungsprotokoll, das Sie später wiedergeben können.
Das ist die Demo, die wir gemeinsam in Schritt 6 erstellen werden. Sie ist bewusst klein genug, um in einem Scratch-Verzeichnis reproduziert zu werden, und hängt von keinem externen Repository ab, das nächste Woche abweichen könnte.
Warum die meisten Versuche, DeepSeek Harness zu installieren, bei Schritt Zwei ins Stocken geraten
Die Installation ist wirklich trivial. Das Stocken passiert unmittelbar danach, und es ist eher eine Design-Entscheidung als ein Fehler: DeepSeek Harness wird ohne Schlüssel, ohne Standardanbieter und ohne gebündeltes Modell ausgeliefert.
DeepSeek hat das Projekt am 13. August 2026 unter der MIT-Lizenz als Open Source veröffentlicht, und es ging durch die Decke. Stand 17. August 2026 hat das Repository 144.361 Sterne und 14.689 Forks (GitHub, August 2026), was bedeutet, dass viele Leute im selben Zeitraum auf demselben leeren Bildschirm ankommen.
Der Hacker-News-Thread aus der Startwoche zeigt die gespaltene Reaktion. Die Leute lieben die Transparenz: Alles, was das Modell sieht, wird in einem nur-appendierbaren Sitzungsprotokoll aufgezeichnet, und ein Kommentator bemerkte, dass "US-Modelle Sie das nicht sehen lassen." Die Beschwerden sind ebenso konsistent. "Die README ist abgesehen von den Installationsanweisungen ziemlich dünn", schrieb ein Entwickler, und das Cordis-Papier bekam das Urteil, dass es sich wie "Wortsalat" liest (Hacker News, August 2026).
Die vier Dinge, die die Leute tatsächlich blockieren, liegen alle nach der Installation:
- Node ist zu alt, also schlägt
npxfehl, bevor etwas startet. - Port 3080 ist bereits von einem anderen Dev-Server belegt.
- Der benutzerdefinierte Anbieter gibt 401 zurück, oder die Modellliste kommt leer zurück.
- Das Modell verbindet sich, aber die Reasoning-Ausgabe kommt verstümmelt an, oder lange Dateien sprengen das Kontextfenster vorzeitig.
Die Schritte 1 bis 5 unten zielen genau auf diese vier ab.
Bevor Sie DeepSeek Harness installieren: Wählen Sie ein Modell und einen Schlüssel
Antworten Sie zuerst: Der Harness selbst ist kostenlos und lokal, aber er wird keine einzige nützliche Sache tun, bis Sie ihm eine OpenAI-kompatible Basis-URL, einen Schlüssel und mindestens eine Modell-ID geben. Entscheiden Sie dies vor der Installation, und die gesamte Einrichtung dauert zehn Minuten.
Alles passiert in einem Browser-Tab unter 127.0.0.1:3080. Sie haben die Wahl zwischen drei Routen, und alle drei funktionieren.
Tabelle B: Modellzugriffsoptionen, die heute mit DeepSeek Harness funktionieren
| Route | Basis-URL | Preis pro 1 Mio. Tokens | Kontext | Zahlung | Am besten geeignet für |
|---|---|---|---|---|---|
| DeepSeek offizielle API | https://api.deepseek.com | V4-Flash $0,22 ein / $0,66 aus außerhalb der Spitze, $0,44 / $1,32 zur Spitzenzeit. Cache-Treffer ab $0,007 | 1M | Variiert nach Region | Erstparteiverhalten, sehr günstige Cache-Treffer |
| OpenAI-kompatibles Gateway (Beispiel: Atlas Cloud) | https://api.atlascloud.ai/v1 | V4-Flash $0,14 ein / $0,28 aus. V4-Pro $1,68 / $3,38 | 1.048.576 | Karte, kein Mindestumsatz | Feste Tarife ohne Spitzenzuschlag |
| Lokales Ollama | http://localhost:11434/v1 | Keine Token-Kosten | Modellabhängig | Keine | Privater Code, Offline-Arbeit |
Zwei Dinge, die Sie wissen sollten, bevor Sie wählen. DeepSeek's hauseigene API ist auf Spitzen- und Nebenzeiten-Abrechnung umgestellt, wobei die Spitzenzeiten 01:00 bis 04:00 und 06:00 bis 10:00 UTC sind und die Nebenzeiten genau die Hälfte der Spitzenzeit betragen (DeepSeek API-Dokumentation, August 2026). Die Preise für Cache-Treffer bei der Eingabe sind extrem niedrig, sodass eine Arbeitslast, die denselben Kontext wiederholt liest, bei der hauseigenen API sehr günstig sein kann.
Ein Gateway tauscht dies gegen Vorhersagbarkeit. Atlas Cloud bietet dieselben DeepSeek-Modelle zu einem Festpreis ohne Spitzenzuschlag und ohne Abonnement, was das Beispiel ist, das ich in der folgenden Einrichtung verwenden werde, da es keine regionale Zahlungsmethode benötigt. Tauschen Sie die Route gegen die, die Ihrer Situation entspricht; die Konfigurationsform ist für alle identisch.
Wie man DeepSeek Harness Schritt für Schritt installiert
Es gibt drei Möglichkeiten. Wählen Sie eine Zeile aus, befolgen Sie dann die Schritte.
Tabelle A: Installationsmethoden im Vergleich
| Methode | Zeit | Benötigt | Upgrades | Am besten geeignet für |
|---|---|---|---|---|
| npx | Unter einer Minute | Node 22.19+ oder 24+ | npx erneut ausführen | Fast jeder |
| Aus Quelle | 5 bis 10 Minuten | Node, pnpm, git | git pull und neu bauen | Mitwirkende, Plugin-Autoren |
| Desktop-Build | Etwa eine Minute | Nichts | Neu installieren | Jeder, der eine Node-Installation vermeiden möchte |
Schritt 1: Überprüfen Sie Ihre Voraussetzungen, bevor Sie DeepSeek Harness installieren
Der häufigste Fehler ist eine Node-Version, die neu genug aussieht, es aber nicht ist. Das Repository erfordert ^22.19.0 || >=24.0.0. Nichts auf der 23.x-Linie ist auf irgendeinem Patch-Level qualifiziert.
bash1node -v # muss >= 22.19.0 auf 22.x oder >= 24.0.0 sein 2npm -v 3
Wenn node -v 22.14 oder 20.x ausgibt, aktualisieren Sie, bevor Sie fortfahren. Sie benötigen pnpm nur, wenn Sie aus der Quelle bauen oder Plugins erstellen möchten:
bash1npm install -g pnpm 2
Schritt 2: DeepSeek Harness mit einem Befehl installieren
Dies ist die gesamte Installation. Es lädt das Webprofil herunter und startet es in einem Schritt.
bash1npx @deepseek-ai/dsh web 2
Öffnen Sie http://127.0.0.1:3080. Wenn dieser Port bereits belegt ist, leitet der Launcher alle Flags, die er nicht erkennt, direkt an das Profil weiter, sodass Sie ihn verschieben können:
bash1npx @deepseek-ai/dsh web --port 8080 2
Was Sie bekommen, ist eine leere Hülle. Kein Anbieter, kein Modell, kein Schlüssel. Das ist erwartet und der Punkt, an dem die meisten Anleitungen aufhören.
Die DeepSeek Harness-Web-UI unter 127.0.0.1:3080 unmittelbar nach der Installation, ohne konfigurierten Anbieter oder Modell
Installation abgeschlossen und völlig inert. Alles ab hier ist Verkabelung.
Schritt 3: Einen API-Schlüssel für DeepSeek Harness erhalten
Welche Route Sie auch aus Tabelle B gewählt haben, Sie benötigen einen Schlüssel und eine Basis-URL. Für die hauseigene Route registrieren Sie sich unter platform.deepseek.com und erstellen dort einen Schlüssel. Die Abrechnungsoptionen variieren je nach Region, überprüfen Sie also, ob Ihre Zahlungsmethode unterstützt wird, bevor Sie sich darauf festlegen.
Für die Gateway-Route, die in dieser Anleitung verwendet wird, erstellen Sie einen Schlüssel im Atlas Cloud Dashboard unter API-Schlüssel und exportieren Sie ihn dann, damit der Harness ihn lesen kann, ohne ihn in einer Einstellungsdatei zu speichern:
bash1export ATLASCLOUD_API_KEY="sk-your-key-here" 2
Die API-Schlüssel-Seite des Atlas Cloud Dashboards mit einem neu erstellten, teilweise maskierten Schlüssel
Kopieren Sie den Schlüssel einmal. Er wird nach dem Verlassen der Seite nicht wieder angezeigt.
Schritt 4: Ihren Modellanbieter zu DeepSeek Harness hinzufügen
Gehen Sie in der UI zu Einstellungen, dann zu Modelle, dann zu Benutzerdefinierten Anbieter hinzufügen. Das Formular benötigt eine Anbieter-ID, einen Anzeigenamen, eine Basis-URL, ein API-Protokoll, eine Anmeldeinformation und mindestens ein Modell.
Eine Warnung, die die Dokumentation zu Recht wiederholt: Die Anbieter-ID ist dauerhaft. Sie wird in Anfragen, gespeicherte Sitzungen, Standardmodelle und Anmeldeinformationsreferenzen geschrieben. Wenn Sie sie später nicht mögen, bleibt Ihnen nur, einen neuen Anbieter zu erstellen und den alten zu löschen.
| Feld | Was einzugeben ist |
|---|---|
| Anbieter-ID | atlas (Kleinbuchstaben, dauerhaft) |
| Anzeigename | Atlas Cloud |
| Basis-URL | https://api.atlascloud.ai/v1 |
| API-Protokoll | openai-completions |
| API-Schlüssel | Ihr Schlüssel |
| Modelle | Klicken Sie Verfügbare Modelle abrufen, oder geben Sie deepseek-ai/deepseek-v4-flash von Hand ein |
Wenn das Abrufen von Modellen 401 zurückgibt, ist der Schlüssel falsch. Wenn es eine leere Liste zurückgibt, stellt der Endpunkt einfach keinen Modellindex bereit, was harmlos ist: Geben Sie die Modell-ID manuell ein und fahren Sie fort.
Das ausgefüllte Formular "Benutzerdefinierten Anbieter hinzufügen" mit markierten Feldern für Basis-URL, API-Protokoll und Modellabruf
Die drei Felder, die entscheiden, ob der nächste Schritt funktioniert: Basis-URL, Protokoll und die Modellliste.
Schritt 5: Die drei DeepSeek Harness-Standardwerte, die DeepSeek-Modelle leise zerstören
Dies ist der Teil, den kein anderer Installationsleitfaden abdeckt, und es ist der Grund, warum Ihre Einrichtung verbunden aussehen, sich aber seltsam verhalten könnte.
Die LLM-Schicht des Harness leitet den zu sprechenden Denk-Dialekt aus Ihrer Endpunkt-URL ab. Die internen Dokumente sind unverblümt, was die Konsequenz betrifft: "pi-ai rät aus der Endpunkt-URL; die URL eines privaten Gateways sagt nichts, daher würde ein Gateway mit DeepSeek-Dialekt im OpenAI-Dialekt angesprochen, ohne Korrekturmöglichkeit." In einfachen Worten: Jede Basis-URL, die nicht offensichtlich DeepSeek ist, wird als OpenAI behandelt, und DeepSeek's reasoning_content-Handhabung geht schief.
Die zweite und dritte Falle sind die Kapazität. Ein von Ihnen von Hand deklariertes Modell fällt auf defaultContextWindow von 262.144 und defaultMaxTokens von 32.768 zurück. V4 unterstützt 1.048.576 Token Kontext, also akzeptiert der Standardwert drei Viertel davon zu verwerfen.
Schreiben Sie diese in Ihre Einstellungsdatei:
yaml1# $DSH_HOME/settings.yaml (Standardmäßig ~/.dsh/settings.yaml) 2llm-pi-ai: 3 providers: 4 atlas: 5 displayName: Atlas Cloud 6 api: openai-completions 7 baseURL: https://api.atlascloud.ai/v1 8 apiKeyEnv: ATLASCLOUD_API_KEY 9 compat: 10 thinkingFormat: deepseek # 1. Stoppt die URL-basierte Schätzung 11 defaultContextWindow: 1048576 # 2. Standard ist nur 262144 12 defaultMaxTokens: 32768 # 3. Erhöht für lange Ausgabe-Jobs 13 models: 14 - id: deepseek-ai/deepseek-v4-flash 15 contextWindow: 1048576 16 - id: deepseek-ai/deepseek-v4-pro 17 contextWindow: 1048576 18
Drei Dinge, die Sie beachten sollten. Einstellungen lösen in der Reihenfolge Modell, dann Route, dann den installierten Katalogeintrag, dann die URL-abgeleitete Schätzung auf, sodass ein modellspezifischer Wert immer gewinnt. Beide compat-Schalter, thinkingFormat und supportsReasoningEffort, existieren nur unter openai-completions; setzen Sie sie auf ein anderes Protokoll, und die Auflösung schlägt fehl. Und dieser Adapter deckt bewusst nicht Bedrock, Vertex, Azure oder Codex ab, deren Authentifizierungsabläufe mehr als einen Schlüssel, einen Endpunkt und Header benötigen.
Schritt 6: Führen Sie Ihre erste echte Aufgabe in DeepSeek Harness aus
Jetzt die Demo vom Anfang dieses Artikels. Erstellen Sie einen leeren Ordner und fügen Sie drei Dateien hinzu.
fizzbuzz.py, mit einem Off-by-one-Fehler:
python1def fizzbuzz(n): 2 out = [] 3 for i in range(1, n): 4 if i % 15 == 0: 5 out.append("FizzBuzz") 6 elif i % 3 == 0: 7 out.append("Fizz") 8 elif i % 5 == 0: 9 out.append("Buzz") 10 else: 11 out.append(str(i)) 12 return out 13
test_fizzbuzz.py, bei dem zwei von drei Tests fehlschlagen:
python1from fizzbuzz import fizzbuzz 2 3def test_starts_correctly(): 4 assert fizzbuzz(5)[:3] == ["1", "2", "Fizz"] 5 6def test_covers_every_number(): 7 assert len(fizzbuzz(15)) == 15 8 9def test_fifteen_is_fizzbuzz(): 10 assert fizzbuzz(15)[-1] == "FizzBuzz" 11
Und requirements.txt:
text1pytest>=8.0 2
Es lohnt sich, die Suite zuerst von Hand auszuführen, damit Sie wissen, worauf der Agent trifft:
text1.FF [100%] 2=================================== FEHLER =================================== 3___________________________ test_covers_every_number ___________________________ 4E AssertionError: assert 14 == 15 5___________________________ test_fifteen_is_fizzbuzz ___________________________ 6E AssertionError: assert '14' == 'FizzBuzz' 7=========================== kurze Testzusammenfassung =========================== 82 fehlgeschlagen, 1 bestanden in 0,01s 9
Setzen Sie den Agent-Modus auf Standard und das Modell auf deepseek-ai/deepseek-v4-flash, und fügen Sie dann diesen Prompt genau ein:
Führen Sie pytest in diesem Arbeitsbereich aus. Zwei Tests schlagen fehl. Finden Sie die Grundursache in fizzbuzz.py, beheben Sie sie mit der kleinstmöglichen Änderung, führen Sie dann pytest erneut aus und zeigen Sie mir die endgültige Ausgabe. Bearbeiten Sie die Testdatei nicht.
Die richtige Korrektur ist ein Zeichen: range(1, n) wird zu range(1, n + 1), und die Suite meldet 3 bestanden.
Jetzt der Teil, der einen Harness von einem Chat-Fenster unterscheidet. Jeder Durchlauf wird in einem nur-appendierbaren Sitzungsprotokoll aufgezeichnet, und Sie können ihn forken. Gehen Sie zurück zu dem Punkt, an dem der Agent zuerst fizzbuzz.py gelesen hat, und zweigen Sie einen zweiten Versuch ab:
Forken Sie diese Sitzung ab dem Schritt, in dem Sie zuerst fizzbuzz.py gelesen haben. Schreiben Sie es diesmal als dict-basierte Nachschlagefunktion um, anstatt die if-Verzweigung zu patchen, und führen Sie dann pytest erneut aus.
Forken eines DeepSeek Harness Sitzungsprotokolls, um eine zweite, dict-basierte Implementierung vom selben Ausgangspunkt zu erstellen
Ein Ausgangspunkt, zwei Abzweigungen. Das ist die Funktion, die der Startwoche-Menge tatsächlich wichtig war.
Schritt 7: Gehen Sie für Skripte und CI kopflos
Zwei Profile initialisieren sich bei der ersten Verwendung selbst: web und headless. Sie haben web verwendet, und dsh web ist nur ein Alias für dsh --profile web.
Headless führt eine frische, persistierte Sitzung aus, gibt die endgültige Antwort aus und beendet sich, was genau die Form ist, die ein CI-Job haben möchte:
bash1dsh --profile headless "Führen Sie die Tests aus und beheben Sie alle Fehler. Melden Sie den Diff." 2
Jedes andere Profil muss über dsh plugin erstellt werden. Profile befinden sich in $DSH_HOME/profiles/<name>, standardmäßig ~/.dsh/profiles/<name>.
Terminal-Ausgabe eines kopflosen DeepSeek Harness-Durchlaufs, der die endgültige Antwort ausgibt und beendet
Kopfloser Modus: Eine Sitzung, eine Antwort, Exit-Code, den Sie verzweigen können.
Andere Möglichkeiten, DeepSeek Harness zu installieren
Die npx-Route deckt die meisten Leute ab. Diese drei sind es wert, bekannt zu sein.
DeepSeek Harness aus der Quelle mit pnpm installieren
Wenn Sie den Code lesen, patchen oder Plugins dafür schreiben möchten:
bash1git clone https://github.com/deepseek-ai/deepseek-harness 2cd deepseek-harness 3pnpm install 4pnpm run build 5pnpm dsh web 6
Der 5 MB Desktop-Build
Ein Community-Projekt, hairyf/deepseek-harness-desktop, verpackt den Harness in Tauri und liefert einen etwa 5 MB großen Installer für Windows, macOS und Linux ohne Node-Setup. Es ist keine offizielle DeepSeek-Veröffentlichung, also behandeln Sie es entsprechend: Zum Zeitpunkt des Schreibens hat es etwa 400 Sterne und wurde einen Tag nach dem Harness selbst erstellt.
DeepSeek Harness vollständig lokal mit Ollama ausführen
Ollama bietet eine hauseigene Integration. Die Kurzversion ist ein Befehl:
bash1ollama launch dsh 2
Das installiert und startet den Harness mit eingebundenem Ollama und behält seine Einstellungen unter ~/.ollama/launch/dsh/settings.yaml (Ollama-Dokumentation, August 2026). Ein Vorbehalt, den es wert ist zu lesen, bevor Sie annehmen, dass alles offline ist: Die integrierte Websuche ist automatisch aktiviert und benötigt Ollama-Cloud-Zugriff sowie ein Modell, das Werkzeuge unterstützt. Ein wirklich lokales Modell gibt Ihnen null Token-Kosten, zum Preis von Geschwindigkeit und in der Regel schwächerem Tool-Calling.
DeepSeek Harness, verbunden mit einem lokalen Ollama-Server, der dieselbe fehlschlagende Testaufgabe ausführt
Gleiche Aufgabe, kein Netzwerk-Roundtrip, keine Token-Rechnung.
Ist DeepSeek Harness kostenlos? Was der Betrieb tatsächlich kostet
Antwort zuerst: Die Software ist kostenlos und MIT-lizenziert, einschließlich der kommerziellen Nutzung. Die Token sind nicht kostenlos, es sei denn, Sie führen Modelle lokal aus. Nichts am Harness selbst ist abgerechnet, eingeschränkt oder an ein DeepSeek-Konto gebunden.
Tabelle C: Was tatsächlich kostenlos ist und was nicht
| Komponente | Kostenlos? | Anmerkungen |
|---|---|---|
| Die Harness-Software | Ja | MIT-lizenziert, kein Konto erforderlich |
| Modell-Token über eine API | Nein | Abgerechnet pro Token von dem, der das Modell bereitstellt |
| Modell-Token über lokales Ollama | Ja | Sie bezahlen in Hardware und Latenz stattdessen |
| Langer Kontext | Kommt darauf an | Abgerechnet pro Token, also kostet ein 1M-Fenster das, womit Sie es füllen |
Ein Rechenbeispiel mit runden Zahlen statt einer spezifischen Ausführung. Angenommen, eine Debugging-Sitzung wie Schritt 6 verbraucht 200.000 Eingabe-Token und 20.000 Ausgabe-Token, was realistisch ist, sobald der Agent ein paar Dateien gelesen und iteriert hat. Zum flachen Gateway-Tarif von $0,14 ein und $0,28 aus kostet diese Sitzung etwa 3,4 Cent. Bei der hauseigenen API zu Nebenzeiten mit Cache-Fehlern sind es etwa 5,7 Cent und während der Spitzenzeiten etwa 11 Cent. Wenn der Großteil Ihrer Eingabe Cache-Treffer sind, wird die hauseigene API auf der Eingabeseite dramatisch günstiger, da Cache-Treffer-Eingabe ab $0,007 pro 1 Mio. Token beginnt.
Die praktischen Stellschrauben in der Reihenfolge ihrer Wirkung: Halten Sie Sitzungen kurz, damit der Kontext nicht ausufert, erledigen Sie Routinearbeit mit Flash und sparen Sie sich Pro für die wirklich schwierigen Aufgaben auf, und verwenden Sie den Minimal-Modus für Benchmark-artige Läufe, da er dem Modell genau zwei Werkzeuge und keine Kontextkomprimierung gibt.
Bevor Sie ausliefern: DeepSeek Harness-Lizenz und Vorschau-Risiken
Drei kurze Dinge, dann die FAQ.
Die Lizenz ist MIT, also ist die kommerzielle Nutzung in Ordnung. Aber das Projekt bezeichnet sich selbst als Entwicklervorschau und stellt in Großbuchstaben fest, dass es kompatibilitätsbrechende Änderungen geben wird. Fixieren Sie eine Version und binden Sie sie noch nicht in eine Produktions-Release-Pipeline ein.
Ihre Anmeldeinformationen liegen im Klartext auf Ihrem Rechner, unter $DSH_HOME/.credentials.yaml mit den Einstellungen daneben in $DSH_HOME/settings.yaml, beide standardmäßig unter ~/.dsh. Wenn Ihr Harness-Verzeichnis jemals in einem Repository landet, fügen Sie es zu .gitignore hinzu:
text1.dsh/ 2
Und das Offensichtliche, das leicht zu vergessen ist: Ihr Code geht an den Endpunkt, den Sie in Schritt 4 konfiguriert haben. Lesen Sie die Datenschutzbestimmungen dieses Anbieters, bevor Sie einen Agenten auf eine private Codebasis richten.
Häufig gestellte Fragen
Ist DeepSeek Harness kostenlos?
Der Harness ist kostenlos und MIT-lizenziert, ohne Konto oder Abonnement erforderlich, und Sie können ihn kommerziell nutzen. Modell-Token werden separat von dem von Ihnen angeschlossenen Anbieter abgerechnet. Wenn Sie ihn auf ein lokales Ollama-Modell richten, erhalten Sie eine wirklich tokenkostenlose Einrichtung, bezahlt durch Hardware und Geschwindigkeit.
Benötige ich einen DeepSeek-API-Schlüssel, um DeepSeek Harness zu installieren?
Nein. Installation und ein DeepSeek-Schlüssel sind unabhängig. npx @deepseek-ai/dsh web läuft ohne jegliche Anmeldeinformationen. Sie benötigen erst einen Schlüssel, wenn der Agent tatsächlich ein Modell aufrufen soll, und es kann ein Schlüssel für jeden OpenAI-kompatiblen Endpunkt sein, einschließlich eines lokalen Servers.
Kann DeepSeek Harness andere Modelle als DeepSeek ausführen?
Ja. Benutzerdefinierte Anbieter akzeptieren openai-completions, und der Adapter deckt Protokolle ab, die mit einem Schlüssel, einem Endpunkt und Headern beschrieben werden können. Fügen Sie einen zweiten Anbieter hinzu, indem Sie einen weiteren Block unter providers: in settings.yaml mit eigener ID, Basis-URL und Modellen hinzufügen. Bedrock, Vertex, Azure und Codex sind bewusst ausgeschlossen, da ihre Authentifizierung mehr als das benötigt.
Warum gibt mein benutzerdefinierter Anbieter 401 oder "unbekanntes Modell" zurück?
Ein 401 bedeutet fast immer, dass der Schlüssel falsch ist oder nicht aus der in apiKeyEnv benannten Umgebungsvariablen gelesen wird. Ein unbekanntes Modell bedeutet normalerweise, dass der Endpunkt keinen Modellindex bereitstellt, also nichts abgerufen wurde: Geben Sie die Modell-ID stattdessen von Hand ein. Überprüfen Sie auch die Schreibweise der Anbieter-ID, da sie nicht umbenannt, sondern nur ersetzt werden kann.
Wo speichert DeepSeek Harness meinen API-Schlüssel und die Einstellungen?
Schlüssel gehen in $DSH_HOME/.credentials.yaml und handgeschriebene Modell-Einstellungen in $DSH_HOME/settings.yaml, beide unter ~/.dsh, sofern Sie DSH_HOME nicht überschreiben. Sitzungen befinden sich in $DSH_HOME/storages und Profile in $DSH_HOME/profiles/<name>. Halten Sie das gesamte Verzeichnis aus der Versionskontrolle heraus.
Ist DeepSeek Harness bereit für die Produktion?
Noch nicht, nach eigener Aussage. Das Projekt wird als Entwicklervorschau ausgeliefert und warnt ausdrücklich vor kompatibilitätsbrechenden Änderungen, was eine faire Beschreibung von Software ist, die ein paar Tage alt ist. Verwenden Sie es für lokale Entwicklung und CI-Unterstützung, fixieren Sie die getestete Version und lesen Sie die Anbieterdokumentation nach Upgrades erneut.
Verifiziert gegen die DeepSeek Harness Entwicklervorschau vom 17. August 2026. Dieses Projekt liefert von Natur aus breaking changes, also wenn ein Feldname in Ihrem Build anders aussieht als das obige YAML, überprüfen Sie die offizielle Anbieterdokumentation, bevor Sie annehmen, dass die Konfiguration falsch ist.
