Cara Menginstal DeepSeek Harness dalam 10 Menit (Dan Arahkan ke Model yang Anda Inginkan)

Memasang DeepSeek Harness hanya membutuhkan satu perintah. Tiga puluh detik kemudian Anda sudah melihat antarmuka yang indah dan benar-benar kosong di http://127.0.0.1:3080, dan tidak ada yang memberi tahu apa yang harus dilakukan selanjutnya.

README-nya terkenal tipis. Makalah Cordis yang ditautkannya membahas tentang komposabilitas spatiotemporal. Anda hanya ingin alat ini membaca kode Anda.

Panduan ini dimulai dari layar kosong itu. Anda akan mendapatkan perintah instalasi, ya, tetapi bagian yang sebenarnya menghabiskan waktu Anda adalah menghubungkan penyedia model, dan ada tiga nilai default dalam langkah itu yang secara diam-diam merusak model DeepSeek dan membuang 75% jendela konteks Anda. Hampir tidak ada yang mendokumentasikannya.

Kesimpulan utama

• npx @deepseek-ai/dsh web adalah seluruh instalasi. Node.js ^22.19.0 atau >=24.0.0 adalah satu-satunya prasyarat.
• DeepSeek Harness adalah sebuah harness, bukan model. Ia dikirimkan tanpa kredensial apa pun, sehingga tidak berguna sampai Anda memasang penyedia.
• Semua titik akhir yang kompatibel dengan OpenAI dapat digunakan, termasuk API DeepSeek sendiri, gateway, atau server Ollama lokal.
• Saat Anda menambahkan penyedia kustom, harness menebak dialek berpikir dari URL dasar Anda. Tebakan salah dan reasoning_content akan rusak.
• Model yang dideklarasikan secara manual secara default menggunakan jendela konteks 262.144, sehingga jendela penuh V4 yang 1.048.576 tetap mati sampai Anda mengaturnya secara eksplisit.

Terminal menampilkan tes yang lolos berwarna hijau di samping rig harness modular bercahaya, mengilustrasikan cara memasang DeepSeek Harness

Versi 60 Detik dari Apa yang Anda Bangun

Ini hasilnya sebelum teori apa pun. Tiga file dalam folder kosong, satu prompt yang ditempelkan, dan agen membaca kode, menjalankan pytest, melihat dua tes gagal, mengubah satu karakter, dan menjalankan ulang hingga rangkaian tes menjadi hijau.

DeepSeek Harness membaca fizzbuzz.py, menjalankan pytest, memperbaiki bug off-by-one dan menjalankan ulang hingga 3 lulus

Siklus lengkap: baca, jalankan, diagnosa, perbaiki, jalankan ulang. Setiap langkahnya tercatat dalam log sesi append-only yang dapat Anda putar ulang nanti.

Itulah demo yang akan kita bangun bersama di Langkah 6. Demo ini sengaja dibuat cukup kecil untuk direproduksi di direktori sementara, dan tidak bergantung pada repositori eksternal mana pun yang mungkin berubah minggu depan.

Mengapa Sebagian Besar Upaya Memasang DeepSeek Harness Terhenti di Langkah Kedua

Instalasinya memang sepele. Kemacetan terjadi segera setelahnya, dan itu adalah keputusan desain, bukan bug: DeepSeek Harness tidak menyertakan kunci, penyedia default, atau model bawaan.

DeepSeek merilis proyek ini sebagai sumber terbuka pada 13 Agustus 2026 di bawah lisensi MIT, dan proyek ini langsung melesat. Per 17 Agustus 2026, repositori ini memiliki 144.361 bintang dan 14.689 fork (GitHub, Agustus 2026), yang berarti banyak orang tiba di layar kosong yang sama dalam minggu yang sama.

Utas Hacker News dari minggu peluncuran menangkap reaksi yang terbelah. Orang menyukai transparansi: semua yang dilihat model tercatat dalam log sesi append-only, dan seorang komentator mencatat bahwa "model AS tidak akan membiarkan Anda melihat itu." Keluhannya juga konsisten. "README-nya cukup tipis selain petunjuk instalasi," tulis seorang pengembang, dan makalah Cordis mendapat penilaian bahwa itu terdengar seperti "word salad" (Hacker News, Agustus 2026).

Jadi, empat hal yang benar-benar menghalangi orang semuanya terjadi setelah instalasi:

• Node terlalu tua, sehingga npx gagal sebelum semuanya dimulai.
• Port 3080 sudah dipakai oleh server pengembangan lain.
• Penyedia kustom mengembalikan 401, atau daftar model kembali kosong.
• Model terhubung tetapi output penalaran muncul kacau, atau file panjang meledakkan jendela konteks lebih awal.

Langkah 1 hingga 5 di bawah ini ditujukan langsung untuk mengatasi keempat hal tersebut.

Sebelum Memasang DeepSeek Harness: Pilih Model dan Kunci

Jawab dulu: harness itu sendiri gratis dan lokal, tetapi tidak akan melakukan satu hal pun yang berguna sampai Anda memberinya URL dasar yang kompatibel dengan OpenAI, kunci, dan setidaknya satu ID model. Putuskan ini sebelum Anda menginstal dan seluruh pengaturan hanya memakan waktu sepuluh menit.

Semuanya terjadi di satu tab browser di 127.0.0.1:3080. Anda memilih di antara tiga rute, dan ketiganya berfungsi.

Tabel B: opsi akses model yang berfungsi dengan DeepSeek Harness saat ini

Dua hal yang perlu diketahui sebelum Anda memilih. API pihak pertama DeepSeek beralih ke penagihan puncak dan non-puncak, di mana jam sibuk adalah 01:00 hingga 04:00 dan 06:00 hingga 10:00 UTC dan non-puncak tepat setengah dari puncak (Dokumen API DeepSeek, Agustus 2026). Harga input cache hit-nya sangat rendah, sehingga beban kerja yang membaca ulang konteks yang sama berulang kali bisa sangat murah jika menggunakan pihak pertama.

Gateway menukar itu dengan prediktabilitas. Atlas Cloud menyajikan model DeepSeek yang sama dengan tarif tetap tanpa biaya tambahan jam sibuk dan tanpa langganan, yang merupakan contoh yang akan saya gunakan dalam pengaturan di bawah ini karena tidak memerlukan metode pembayaran regional. Tukar dengan rute mana pun yang sesuai dengan situasi Anda; bentuk konfigurasi identik untuk semuanya.

Cara Memasang DeepSeek Harness, Langkah demi Langkah

Ada tiga cara. Pilih satu baris, lalu ikuti langkah-langkahnya.

Tabel A: perbandingan metode instalasi

Langkah 1: Periksa Prasyarat Sebelum Memasang DeepSeek Harness

Kegagalan paling umum adalah versi Node yang terlihat cukup baru tetapi ternyata tidak. Repositori memerlukan ^22.19.0 || >=24.0.0. Tidak ada di jalur 23.x yang memenuhi syarat pada tingkat patch mana pun.

bashCopy
1node -v      # harus >= 22.19.0 pada 22.x, atau >= 24.0.0
2npm -v
3

Jika node -v mencetak 22.14 atau 20.x, tingkatkan sebelum melanjutkan. Anda hanya memerlukan pnpm jika berencana membangun dari sumber atau menulis plugin:

bashCopy
1npm install -g pnpm
2

Langkah 2: Pasang DeepSeek Harness dengan Satu Perintah

Ini adalah seluruh instalasi. Ini mengunduh dan meluncurkan profil web dalam satu langkah.

bashCopy
1npx @deepseek-ai/dsh web
2

Buka http://127.0.0.1:3080. Jika port itu sudah sibuk, peluncur akan meneruskan flag apa pun yang tidak dikenali langsung ke profil, sehingga Anda dapat memindahkannya:

bashCopy
1npx @deepseek-ai/dsh web --port 8080
2

Yang Anda dapatkan adalah shell kosong. Tidak ada penyedia, tidak ada model, tidak ada kunci. Itu diharapkan, dan di situlah sebagian besar panduan berhenti.

UI web DeepSeek Harness di 127.0.0.1:3080 segera setelah instalasi, tanpa penyedia atau model yang dikonfigurasi

Instalasi selesai, dan benar-benar tidak aktif. Mulai dari sini adalah pengkabelan.

Langkah 3: Dapatkan Kunci API untuk DeepSeek Harness

Rute mana pun yang Anda pilih dari Tabel B, Anda memerlukan kunci dan URL dasar. Untuk rute pihak pertama, daftar di platform.deepseek.com dan buat kunci di sana. Opsi penagihan berbeda-beda menurut wilayah, jadi periksa apakah metode pembayaran Anda didukung sebelum Anda berkomitmen.

Untuk rute gateway yang digunakan dalam panduan ini, buat kunci di dasbor Atlas Cloud di bawah API Keys, lalu ekspor sehingga harness dapat membacanya tanpa menyimpannya di file pengaturan:

bashCopy
1export ATLASCLOUD_API_KEY="sk-your-key-here"
2

Halaman API Keys dasbor Atlas Cloud dengan kunci yang baru dibuat, sebagian disembunyikan

Salin kunci sekali. Kunci tidak akan ditampilkan lagi setelah Anda meninggalkan halaman.

Langkah 4: Tambahkan Penyedia Model ke DeepSeek Harness

Di UI, buka Settings, lalu Models, lalu Add a custom provider. Formulir memerlukan Provider ID, nama tampilan, URL dasar, protokol API, kredensial, dan setidaknya satu model.

Satu peringatan yang tepat untuk diulangi oleh dokumen: Provider ID bersifat permanen. ID ditulis ke dalam permintaan, sesi yang disimpan, default model, dan referensi kredensial. Jika Anda tidak menyukainya nanti, satu-satunya pilihan Anda adalah membuat penyedia baru dan menghapus yang lama.

Jika mengambil model mengembalikan 401, kuncinya salah. Jika mengembalikan daftar kosong, titik akhir tidak menampilkan indeks model, yang tidak berbahaya: ketik ID model secara manual dan lanjutkan.

Formulir Add a custom provider yang diisi, dengan URL dasar, protokol API, dan kontrol Fetch models ditandai

Tiga bidang yang menentukan apakah langkah selanjutnya berfungsi: URL dasar, protokol, dan daftar model.

Langkah 5: Tiga Default DeepSeek Harness yang Secara Diam-diam Merusak Model DeepSeek

Ini adalah bagian yang tidak dicakup oleh panduan instalasi lain, dan ini adalah alasan mengapa pengaturan Anda mungkin terlihat terhubung tetapi berperilaku aneh.

Lapisan LLM harness menyimpulkan dialek berpikir mana yang akan digunakan dari URL titik akhir Anda. Dokumen internal terus terang tentang konsekuensinya: "pi-ai menebak dari URL titik akhir; URL gateway pribadi tidak mengatakan apa-apa, sehingga gateway dialek DeepSeek akan diajak bicara dalam dialek OpenAI tanpa cara untuk memperbaikinya." Dengan kata sederhana, URL dasar apa pun yang jelas-jelas bukan DeepSeek akan diperlakukan sebagai OpenAI, dan penanganan reasoning_content DeepSeek akan salah.

Jebakan kedua dan ketiga adalah kapasitas. Model yang Anda deklarasikan secara manual akan kembali ke defaultContextWindow sebesar 262.144 dan defaultMaxTokens sebesar 32.768. V4 mendukung 1.048.576 token konteks, sehingga menerima default akan membuang tiga perempatnya.

Tulis ini ke file pengaturan Anda:

yamlCopy
1# $DSH_HOME/settings.yaml   (default ke ~/.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. hentikan tebakan berdasarkan URL
11      defaultContextWindow: 1048576  # 2. default hanya 262144
12      defaultMaxTokens: 32768        # 3. naikkan untuk pekerjaan output panjang
13      models:
14        - id: deepseek-ai/deepseek-v4-flash
15          contextWindow: 1048576
16        - id: deepseek-ai/deepseek-v4-pro
17          contextWindow: 1048576
18

Tiga hal yang perlu diingat. Pengaturan diselesaikan dengan prioritas model terlebih dahulu, lalu rute, lalu entri katalog yang diinstal, lalu tebakan berdasarkan URL, sehingga nilai per-model selalu menang. Kedua sakelar compat, thinkingFormat dan supportsReasoningEffort, hanya ada di bawah openai-completions; letakkan di protokol lain dan resolusi gagal. Dan adaptor ini sengaja tidak mencakup Bedrock, Vertex, Azure, atau Codex, yang alur autentikasinya membutuhkan lebih dari sekadar kunci, titik akhir, dan header.

Langkah 6: Jalankan Tugas Nyata Pertama Anda di DeepSeek Harness

Sekarang demo dari awal artikel ini. Buat folder kosong dan tambahkan tiga file.

fizzbuzz.py, berisi satu bug off-by-one:

pythonCopy
1def 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, di mana dua dari tiga tes gagal:

pythonCopy
1from 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

Dan requirements.txt:

textCopy
1pytest>=8.0
2

Menjalankan rangkaian tes secara manual terlebih dahulu layak dilakukan, sehingga Anda tahu apa yang akan dihadapi agen:

textCopy
1.FF                                                                      [100%]
2=================================== FAILURES ===================================
3___________________________ test_covers_every_number ___________________________
4E       AssertionError: assert 14 == 15
5___________________________ test_fifteen_is_fizzbuzz ___________________________
6E       AssertionError: assert '14' == 'FizzBuzz'
7=========================== short test summary info ============================
82 failed, 1 passed in 0.01s
9

Setel mode agen ke Standard dan model ke deepseek-ai/deepseek-v4-flash, lalu tempelkan prompt ini dengan tepat:

Jalankan pytest di ruang kerja ini. Dua tes gagal. Temukan akar penyebab di fizzbuzz.py, perbaiki dengan perubahan sekecil mungkin, lalu jalankan ulang pytest dan tunjukkan output akhirnya. Jangan edit file tes.

Perbaikan yang benar adalah satu karakter: range(1, n) menjadi range(1, n + 1), dan rangkaian tes melaporkan 3 passed.

Sekarang bagian yang membuat harness berbeda dari jendela obrolan. Setiap proses dicatat dalam log sesi append-only, dan Anda dapat melakukan fork. Kembali ke titik di mana agen pertama kali membaca fizzbuzz.py dan buat cabang untuk percobaan kedua:

Fork sesi ini dari langkah ketika Anda pertama kali membaca fizzbuzz.py. Kali ini tulis ulang sebagai pencarian berbasis dict alih-alih menambal if-branch, lalu jalankan pytest lagi.

Melakukan fork log sesi DeepSeek Harness untuk menghasilkan implementasi kedua berbasis dict dari titik awal yang sama

Satu titik awal, dua cabang. Inilah fitur yang benar-benar dipedulikan oleh orang-orang di minggu peluncuran.

Langkah 7: Gunakan Headless untuk Skrip dan CI

Dua profil menginisialisasi diri mereka sendiri pada penggunaan pertama: web dan headless. Anda telah menggunakan web, dan dsh web hanyalah alias untuk dsh --profile web.

Headless menjalankan satu sesi baru yang persisten, mencetak jawaban akhir, dan keluar, yang persis seperti bentuk yang diinginkan oleh pekerjaan CI:

bashCopy
1dsh --profile headless "Jalankan tes dan perbaiki kegagalan apa pun. Laporkan diff-nya."
2

Profil lainnya harus dibuat melalui dsh plugin. Profil berada di $DSH_HOME/profiles/<nama>, yang default ke ~/.dsh/profiles/<nama>.

Output terminal dari proses headless DeepSeek Harness yang mencetak jawaban akhir dan keluar

Mode headless: satu sesi, satu jawaban, kode keluar yang dapat Anda jadikan cabang.

Cara Lain untuk Memasang DeepSeek Harness

Rute npx mencakup sebagian besar orang. Ketiga ini perlu diketahui.

Pasang DeepSeek Harness dari Sumber dengan pnpm

Jika Anda ingin membaca kode, menambalnya, atau menulis plugin untuk itu:

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

Build Desktop 5 MB

Sebuah proyek komunitas, hairyf/deepseek-harness-desktop, membungkus harness dalam Tauri dan mengirimkan penginstal sekitar 5 MB untuk Windows, macOS, dan Linux tanpa pengaturan Node sama sekali. Ini bukan rilis resmi DeepSeek, jadi perlakukan dengan tepat: pada saat penulisan, proyek ini memiliki sekitar 400 bintang dan dibuat sehari setelah harness itu sendiri.

Jalankan DeepSeek Harness Sepenuhnya Lokal dengan Ollama

Ollama mengirimkan integrasi pihak pertama. Versi singkatnya adalah satu perintah:

bashCopy
1ollama launch dsh
2

Itu menginstal dan menjalankan harness dengan Ollama terhubung, menyimpan pengaturannya di ~/.ollama/launch/dsh/settings.yaml (Dokumen Ollama, Agustus 2026). Satu peringatan yang perlu dibaca sebelum Anda menganggap semuanya offline: pencarian web bawaan diaktifkan secara otomatis dan memerlukan akses cloud Ollama ditambah model yang mendukung alat. Model yang benar-benar lokal memberi Anda biaya token nol, dengan imbalan kecepatan dan, biasanya, panggilan alat yang lebih lemah.

DeepSeek Harness terhubung ke server Ollama lokal yang menjalankan tugas tes gagal yang sama

Tugas yang sama, tanpa perjalanan bolak-balik jaringan, tanpa tagihan per token.

Apakah DeepSeek Harness Gratis? Berapa Biaya Sebenarnya untuk Menjalankannya?

Jawaban dulu: perangkat lunak ini gratis dan berlisensi MIT, termasuk untuk penggunaan komersial. Token tidak gratis, kecuali Anda menjalankan model secara lokal. Tidak ada yang terkait dengan harness itu sendiri yang diukur, dibatasi, atau terikat dengan akun DeepSeek.

Tabel C: apa yang benar-benar gratis dan apa yang tidak

Contoh perhitungan, menggunakan angka bulat daripada proses tertentu. Katakanlah sesi debugging seperti Langkah 6 menghabiskan 200.000 token input dan 20.000 token output, yang realistis setelah agen membaca beberapa file dan melakukan iterasi. Dengan tarif gateway tetap $0,14 masuk dan $0,28 keluar, sesi itu berharga sekitar 3,4 sen. Pada API pihak pertama dengan tarif non-puncak cache-miss, biayanya sekitar 5,7 sen, dan selama jam sibuk sekitar 11 sen. Jika sebagian besar input Anda adalah cache hit, pihak pertama menjadi jauh lebih murah di sisi input, karena input cache hit mulai dari $0,007 per 1M token.

Tuas praktis, dalam urutan dampak: jaga sesi tetap pendek agar konteks tidak membesar, jalankan pekerjaan rutin pada Flash dan simpan Pro untuk tugas yang benar-benar sulit, dan gunakan mode Minimal untuk proses bergaya benchmark karena memberikan model tepat dua alat dan tanpa pemadatan konteks.

Sebelum Anda Meluncurkan: Lisensi DeepSeek Harness dan Risiko Pratinjau

Tiga hal singkat, lalu FAQ.

Lisensinya MIT, sehingga penggunaan komersial diperbolehkan. Namun proyek ini melabeli dirinya sebagai pratinjau pengembang dan menyatakan, dengan huruf kapital, bahwa akan ada perubahan yang melanggar kompatibilitas. Tetapkan versi dan jangan menghubungkannya ke dalam pipeline rilis produksi dulu.

Kredensial Anda disimpan dalam teks biasa di mesin Anda, di $DSH_HOME/.credentials.yaml dengan pengaturan di sampingnya di $DSH_HOME/settings.yaml, keduanya default ke ~/.dsh. Jika folder harness Anda pernah berakhir di dalam repositori, tambahkan ke .gitignore:

textCopy
1.dsh/
2

Dan yang jelas mudah dilupakan: kode Anda pergi ke titik akhir mana pun yang Anda konfigurasi di Langkah 4. Baca persyaratan data penyedia itu sebelum mengarahkan agen ke basis kode pribadi.

Pertanyaan yang Sering Diajukan

Apakah DeepSeek Harness gratis?

Harness gratis dan berlisensi MIT, tanpa akun atau langganan yang diperlukan, dan Anda dapat menggunakannya secara komersial. Token model ditagih secara terpisah oleh penyedia yang Anda hubungkan. Mengarahkannya ke model Ollama lokal memberi Anda pengaturan biaya token nol yang sesungguhnya, dibayar dalam bentuk perangkat keras dan kecepatan.

Apakah saya perlu kunci API DeepSeek untuk memasang DeepSeek Harness?

Tidak. Instalasi dan kunci DeepSeek tidak terkait. npx @deepseek-ai/dsh web berjalan tanpa kredensial apa pun. Anda hanya memerlukan kunci saat ingin agen benar-benar memanggil model, dan itu bisa berupa kunci untuk titik akhir yang kompatibel dengan OpenAI mana pun, termasuk server lokal.

Bisakah DeepSeek Harness menjalankan model selain DeepSeek?

Ya. Penyedia kustom menerima openai-completions, dan adaptor mencakup protokol yang dapat dijelaskan dengan kunci, titik akhir, dan header. Tambahkan penyedia kedua dengan menambahkan blok lain di bawah providers: di settings.yaml dengan ID, URL dasar, dan modelnya sendiri. Bedrock, Vertex, Azure, dan Codex sengaja tidak tercakup karena kebutuhan autentikasi mereka lebih dari itu.

Mengapa penyedia kustom saya mengembalikan 401 atau "model tidak dikenal"?

401 hampir selalu berarti kuncinya salah atau tidak dibaca dari variabel lingkungan yang dinamai di apiKeyEnv. Model tidak dikenal biasanya berarti titik akhir tidak menampilkan indeks model, sehingga tidak ada yang diambil: ketik ID model secara manual. Juga periksa ejaan Provider ID, karena tidak dapat diganti namanya, hanya dapat diganti.

Di mana DeepSeek Harness menyimpan kunci API dan pengaturan saya?

Kunci masuk ke $DSH_HOME/.credentials.yaml dan pengaturan model yang ditulis tangan ke $DSH_HOME/settings.yaml, keduanya di bawah ~/.dsh kecuali Anda mengganti DSH_HOME. Sesi berada di $DSH_HOME/storages dan profil di $DSH_HOME/profiles/<nama>. Jaga seluruh direktori agar tidak masuk ke dalam kontrol versi.

Apakah DeepSeek Harness siap untuk produksi?

Belum, menurut pengakuannya sendiri. Proyek ini dikirimkan sebagai pratinjau pengembang dan memperingatkan secara eksplisit tentang perubahan yang melanggar kompatibilitas, yang merupakan deskripsi yang adil untuk perangkat lunak yang baru berusia beberapa hari. Gunakan untuk pengembangan lokal dan bantuan CI, tetapkan versi yang Anda uji, dan baca ulang dokumen penyedia setelah pembaruan.

---

Diverifikasi terhadap pratinjau pengembang DeepSeek Harness pada 17 Agustus 2026. Proyek ini mengirimkan perubahan yang melanggar dengan desain, jadi jika nama bidang di build Anda terlihat berbeda dari YAML di atas, periksa dokumentasi penyedia resmi sebelum menganggap konfigurasi salah.