Hoe installeer je DeepSeek Harness in 10 minuten (en richt het op elk model dat je wilt)

Het installeren van DeepSeek Harness kost één opdracht. Dertig seconden later staart u naar een prachtige, volledig lege interface op http://127.0.0.1:3080, en niemand heeft u verteld wat u nu moet doen.

De README is berucht dun. De Cordis-paper waarnaar wordt verwezen, heeft het over spatiotemporele samenstelbaarheid. U wilde gewoon dat het ding uw code zou lezen.

Deze gids begint bij dat lege scherm. U krijgt de installatieopdracht, ja, maar het onderdeel dat u daadwerkelijk een middag kost, is het aansluiten van een modelprovider, en er zijn drie standaardwaarden in die stap die DeepSeek-modellen stilletjes breken en 75% van uw contextvenster weggooien. Bijna niemand documenteert ze.

Belangrijkste conclusies

• npx @deepseek-ai/dsh web is de volledige installatie. Node.js ^22.19.0 of >=24.0.0 is de enige vereiste.
• DeepSeek Harness is een harnas, geen model. Het wordt geleverd met nul inloggegevens, dus het doet niets totdat u een provider koppelt.
• Elk OpenAI-compatibel eindpunt werkt, inclusief DeepSeek's eigen API, een gateway of een lokale Ollama-server.
• Wanneer u een aangepaste provider toevoegt, raadt het harnas de denkdialect uit uw basis-URL. Raadt u het verkeerd, dan breekt reasoning_content.
• Handmatig gedeclareerde modellen gebruiken standaard een contextvenster van 262.144, dus het volledige venster van 1.048.576 van V4 blijft uitgeschakeld totdat u anders aangeeft.

Terminal met groene geslaagde tests naast een gloeiend modulair harnas, die illustreert hoe u DeepSeek Harness installeert

De 60-secondenversie van wat u bouwt

Hier is de beloning voordat er enige theorie komt. Drie bestanden in een lege map, één prompt om te plakken, en de agent leest de code, voert pytest uit, ziet twee tests falen, verandert één teken en voert opnieuw uit totdat de suite groen is.

DeepSeek Harness leest fizzbuzz.py, voert pytest uit, herstelt de off-by-one bug en voert opnieuw uit tot 3 geslaagd

De volledige lus: lezen, uitvoeren, diagnosticeren, patchen, opnieuw uitvoeren. Elke stap wordt vastgelegd in een alleen-toevoegen sessielogboek dat u later kunt afspelen.

Dat is de demo die we samen zullen bouwen in Stap 6. Het is bewust klein genoeg om te reproduceren in een tijdelijke map, en het is niet afhankelijk van een externe repository die volgende week kan veranderen.

Waarom de meeste pogingen om DeepSeek Harness te installeren vastlopen in stap twee

De installatie is echt triviaal. Het vastlopen gebeurt direct daarna, en het is een ontwerpbeslissing, geen bug: DeepSeek Harness wordt geleverd zonder sleutels, geen standaardprovider en geen gebundeld model.

DeepSeek heeft het project op 13 augustus 2026 open-source gemaakt onder de MIT-licentie, en het ging viraal. Op 17 augustus 2026 staat de repository op 144.361 sterren en 14.689 forks (GitHub, augustus 2026), wat veel mensen zijn die in dezelfde week op hetzelfde lege scherm aankomen.

De Hacker News-thread van de lanceerweek vangt de verdeelde reactie. Mensen houden van de transparantie: alles wat het model ziet, wordt vastgelegd in een alleen-toevoegen sessielogboek, en een commentator merkte op dat "Amerikaanse modellen u dat niet laten zien." De klachten zijn net zo consistent. "De README is vrij kaal buiten de installatie-instructies," schreef een ontwikkelaar, en de Cordis-paper kreeg het oordeel dat het aanvoelt als "woordensalade" (Hacker News, augustus 2026).

Dus de vier dingen die mensen daadwerkelijk blokkeren, zijn allemaal na installatie:

• Node is te oud, dus npx faalt voordat er iets begint.
• Poort 3080 is al bezet door een andere ontwikkelserver.
• De aangepaste provider retourneert 401, of de modellenlijst komt leeg terug.
• Het model maakt verbinding, maar de redenatie-uitvoer komt verminkt aan, of lange bestanden overschrijden het contextvenster te vroeg.

Stappen 1 tot en met 5 hieronder zijn rechtstreeks gericht op die vier.

Voordat u DeepSeek Harness installeert: Kies een model en een sleutel

Antwoord eerst: het harnas zelf is gratis en lokaal, maar het zal geen enkel nuttig ding doen totdat u het een OpenAI-compatibele basis-URL, een sleutel en ten minste één model-ID geeft. Beslis dit voordat u installeert en de hele installatie duurt tien minuten.

Alles gebeurt in één browsertabblad op 127.0.0.1:3080. U kiest uit drie routes, en alle drie werken.

Tabel B: modeltoegangsopties die werken met DeepSeek Harness vandaag

Twee dingen die u moet weten voordat u kiest. DeepSeek's first-party API is overgestapt op piek- en dalurentarifering, waarbij piekuren van 01:00 tot 04:00 en 06:00 tot 10:00 UTC zijn en daluren precies de helft van piek zijn (DeepSeek API Docs, augustus 2026). De prijs voor cache-hit invoer is extreem laag, dus een werklast die dezelfde context herhaaldelijk leest, kan first-party zeer goedkoop zijn.

Een gateway ruilt dat in voor voorspelbaarheid. Atlas Cloud biedt dezelfde DeepSeek-modellen aan tegen een vast tarief zonder piektoeslag en zonder abonnement, wat het voorbeeld is dat ik in de onderstaande installatie zal gebruiken omdat het geen regionale betaalmethode nodig heeft. Vervang door de route die bij uw situatie past; de configuratievorm is identiek voor allemaal.

Hoe u DeepSeek Harness installeert, stap voor stap

Er zijn drie manieren. Kies een rij en volg de stappen.

Tabel A: installatiemethoden vergeleken

Stap 1: Controleer uw vereisten voordat u DeepSeek Harness installeert

De meest voorkomende fout is een Node-versie die er recent genoeg uitziet maar dat niet is. De repository vereist ^22.19.0 || >=24.0.0. Niets op de 23.x-lijn komt in aanmerking op welk patch-niveau dan ook.

bashCopy
1node -v      # moet >= 22.19.0 zijn op 22.x, of >= 24.0.0
2npm -v
3

Als node -v 22.14 of 20.x afdrukt, upgrade dan voordat u verder gaat. U heeft alleen pnpm nodig als u van plan bent om vanuit broncode te bouwen of plug-ins te schrijven:

bashCopy
1npm install -g pnpm
2

Stap 2: Installeer DeepSeek Harness met één opdracht

Dit is de volledige installatie. Het downloadt en start het webprofiel in één keer.

bashCopy
1npx @deepseek-ai/dsh web
2

Open http://127.0.0.1:3080. Als die poort al bezet is, geeft de launcher alle vlaggen die hij niet herkent direct door aan het profiel, dus u kunt het verplaatsen:

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

Wat u krijgt is een lege shell. Geen provider, geen model, geen sleutel. Dat is verwacht, en het is waar de meeste gidsen stoppen.

De DeepSeek Harness web-UI op 127.0.0.1:3080 direct na installatie, zonder geconfigureerde provider of model

Installatie voltooid en volledig inert. Alles vanaf hier is bedrading.

Stap 3: Verkrijg een API-sleutel voor DeepSeek Harness

Welke route u ook heeft gekozen uit Tabel B, u heeft een sleutel en een basis-URL nodig. Voor de first-party route, registreer u op platform.deepseek.com en maak daar een sleutel aan. Factureringsopties verschillen per regio, dus controleer of uw betaalmethode wordt ondersteund voordat u zich eraan committeert.

Voor de gateway-route die in deze walkthrough wordt gebruikt, maakt u een sleutel aan in het Atlas Cloud-dashboard onder API-sleutels, en exporteert u deze vervolgens zodat het harnas het kan lezen zonder het in een instellingenbestand op te slaan:

bashCopy
1export ATLASCLOUD_API_KEY="sk-uw-sleutel-hier"
2

De API-sleutelpagina van het Atlas Cloud-dashboard met een nieuw aangemaakte sleutel, gedeeltelijk gemaskeerd

Kopieer de sleutel één keer. Deze wordt niet opnieuw getoond nadat u de pagina verlaat.

Stap 4: Voeg uw modelprovider toe aan DeepSeek Harness

Ga in de gebruikersinterface naar Instellingen, vervolgens Modellen, en dan Een aangepaste provider toevoegen. Het formulier heeft een Provider-ID, een weergavenaam, een basis-URL, een API-protocol, een inloggegevens en ten minste één model nodig.

Een waarschuwing die de documenten terecht herhalen: de Provider-ID is permanent. Het wordt geschreven in verzoeken, opgeslagen sessies, modelstandaardwaarden en referenties naar inloggegevens. Als u het later niet bevalt, is uw enige optie om een nieuwe provider te maken en de oude te verwijderen.

Als het ophalen van modellen 401 retourneert, is de sleutel verkeerd. Als het een lege lijst retourneert, stelt het eindpunt eenvoudigweg geen modelindex bloot, wat onschadelijk is: typ de model-ID handmatig in en ga verder.

Het formulier 'Een aangepaste provider toevoegen' ingevuld, met de basis-URL, het API-protocol en de 'Modellen ophalen'-bediening gemarkeerd

De drie velden die bepalen of de volgende stap werkt: basis-URL, protocol en de modellenlijst.

Stap 5: De drie DeepSeek Harness-standaardwaarden die DeepSeek-modellen stilletjes breken

Dit is het deel dat geen andere installatiehandleiding behandelt, en het is de reden waarom uw installatie er verbonden uit kan zien maar zich vreemd gedraagt.

De LLM-laag van het harnas leidt af welk denkdialect het moet spreken uit uw eindpunt-URL. De interne documenten zijn bot over het gevolg: "pi-ai raadt uit de eindpunt-URL; een privé-gateway-URL zegt niets, dus een DeepSeek-dialect gateway zou worden aangesproken in het OpenAI-dialect zonder mogelijkheid tot correctie." In gewone termen: elke basis-URL die niet duidelijk DeepSeek is, wordt behandeld als OpenAI, en DeepSeek's reasoning_content-afhandeling gaat fout.

De tweede en derde valkuil zijn capaciteit. Een model dat u handmatig heeft gedeclareerd, valt terug op defaultContextWindow van 262.144 en defaultMaxTokens van 32.768. V4 ondersteunt 1.048.576 tokens aan context, dus het accepteren van de standaard gooit driekwart ervan weg.

Schrijf deze in uw instellingenbestand:

yamlCopy
1# $DSH_HOME/settings.yaml   (standaard ~/.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. stop de URL-gebaseerde gok
11      defaultContextWindow: 1048576  # 2. standaard is slechts 262144
12      defaultMaxTokens: 32768        # 3. verhoog voor taken met lange uitvoer
13      models:
14        - id: deepseek-ai/deepseek-v4-flash
15          contextWindow: 1048576
16        - id: deepseek-ai/deepseek-v4-pro
17          contextWindow: 1048576
18

Drie dingen om in gedachten te houden. Instellingen lossen model eerst op, dan route, dan het geïnstalleerde catalogusitem, dan de URL-afgeleide gok, dus een waarde per model wint altijd. Beide compat-schakelaars, thinkingFormat en supportsReasoningEffort, bestaan alleen onder openai-completions; plaats ze op een ander protocol en de resolutie faalt. En deze adapter dekt bewust geen Bedrock, Vertex, Azure of Codex, waarvan de authenticatiestromen meer nodig hebben dan een sleutel, een eindpunt en headers.

Stap 6: Voer uw eerste echte taak uit in DeepSeek Harness

Nu de demo van het begin van dit artikel. Maak een lege map en voeg drie bestanden toe.

fizzbuzz.py, met één off-by-one fout:

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, waar twee van de drie tests falen:

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

En requirements.txt:

textCopy
1pytest>=8.0
2

Het is de moeite waard om de suite eerst handmatig uit te voeren, zodat u weet waar de agent aan begint:

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

Stel de agentmodus in op Standaard en het model op deepseek-ai/deepseek-v4-flash, en plak deze prompt exact:

Voer pytest uit in deze werkruimte. Twee tests falen. Vind de hoofdoorzaak in fizzbuzz.py, los het op met de kleinst mogelijke wijziging, voer pytest opnieuw uit en toon mij de uiteindelijke uitvoer. Bewerk het testbestand niet.

De juiste oplossing is één teken: range(1, n) wordt range(1, n + 1), en de suite rapporteert 3 passed.

Nu het deel dat een harnas anders maakt dan een chatvenster. Elke uitvoering wordt vastgelegd in een alleen-toevoegen sessielogboek, en u kunt het splitsen. Ga terug naar het punt waar de agent voor het eerst fizzbuzz.py las en maak een tweede poging:

Splits deze sessie vanaf de stap waar u voor het eerst fizzbuzz.py las. Herschrijf het deze keer als een dict-gebaseerde opzoeking in plaats van het patchen van de if-tak, voer pytest dan opnieuw uit.

Splitsen van een DeepSeek Harness-sessielogboek om een tweede, dict-gebaseerde implementatie te produceren vanaf hetzelfde startpunt

Een startpunt, twee takken. Dit is de functie waar de lancering-week menigte daadwerkelijk om gaf.

Stap 7: Ga headless voor scripts en CI

Twee profielen initialiseren zichzelf bij eerste gebruik: web en headless. U heeft web gebruikt, en dsh web is slechts een alias voor dsh --profile web.

Headless voert één nieuwe blijvende sessie uit, drukt het uiteindelijke antwoord af en sluit af, wat precies de vorm is die een CI-taak wil:

bashCopy
1dsh --profile headless "Voer de tests uit en los eventuele fouten op. Rapporteer het diff."
2

Elk ander profiel moet worden aangemaakt via dsh plugin. Profielen leven in $DSH_HOME/profiles/<naam>, wat standaard ~/.dsh/profiles/<naam> is.

Terminaluitvoer van een headless DeepSeek Harness-uitvoering die het uiteindelijke antwoord afdrukt en afsluit

Headless modus: één sessie, één antwoord, exit-code waarop u kunt vertakken.

Andere manieren om DeepSeek Harness te installeren

De npx-route dekt de meeste mensen. Deze drie zijn het vermelden waard.

Installeer DeepSeek Harness vanuit broncode met pnpm

Als u de code wilt lezen, patchen of plug-ins ervoor wilt schrijven:

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

De 5 MB Desktop-build

Een communityproject, hairyf/deepseek-harness-desktop, wikkelt het harnas in Tauri en levert een ongeveer 5 MB installer voor Windows, macOS en Linux zonder enige Node-installatie. Het is geen officiële DeepSeek-release, dus behandel het dienovereenkomstig: op het moment van schrijven heeft het ongeveer 400 sterren en is het een dag na het harnas zelf gemaakt.

Voer DeepSeek Harness volledig lokaal uit met Ollama

Ollama levert een first-party integratie. De korte versie is één opdracht:

bashCopy
1ollama launch dsh
2

Dat installeert en voert het harnas uit met Ollama ingebouwd, waarbij de instellingen op ~/.ollama/launch/dsh/settings.yaml worden bewaard (Ollama Docs, augustus 2026). Eén kanttekening die het lezen waard is voordat u aanneemt dat alles offline is: de ingebouwde webzoekopdracht is automatisch ingeschakeld en heeft Ollama cloud-toegang plus een model nodig dat tools ondersteunt. Een echt lokaal model geeft u geen tokenkosten, ten koste van snelheid en meestal zwakkere tool aanroeping.

DeepSeek Harness verbonden met een lokale Ollama-server die dezelfde falende-test taak uitvoert

Zelfde taak, geen netwerkronde, geen per-token rekening.

Is DeepSeek Harness gratis? Wat het kost om het daadwerkelijk te gebruiken

Antwoord eerst: de software is gratis en MIT-gelicenseerd, inclusief voor commercieel gebruik. De tokens zijn niet gratis, tenzij u modellen lokaal uitvoert. Niets aan het harnas zelf is gemeten, afgeschermd of gekoppeld aan een DeepSeek-account.

Tabel C: wat is daadwerkelijk gratis en wat niet

Een uitgewerkt voorbeeld, met ronde getallen in plaats van een specifieke uitvoering. Stel dat een foutopsporingssessie zoals Stap 6 200.000 invoertokens en 20.000 uitvoertokens verbruikt, wat realistisch is zodra de agent een paar bestanden heeft gelezen en geïtereerd. Tegen het vaste gatewaytarief van $0,14 in en $0,28 uit, kost die sessie ongeveer 3,4 cent. Op de first-party API tegen off-peak cache-miss tarieven is het ongeveer 5,7 cent, en tijdens piekuren ongeveer 11 cent. Als het grootste deel van uw invoer cache-hits zijn, wordt first-party aanzienlijk goedkoper aan de invoerkant, omdat cache-hit invoer begint bij $0,007 per 1M tokens.

De praktische hefbomen, in volgorde van impact: houd sessies kort zodat de context niet aangroeit, voer routinewerk uit op Flash en bewaar Pro voor de echt moeilijke taken, en gebruik Minimale modus voor benchmark-achtige uitvoeringen omdat het model precies twee tools geeft en geen contextcompactering.

Voordat u gaat implementeren: DeepSeek Harness-licentie en preview-risico's

Drie korte dingen, en dan de FAQ.

De licentie is MIT, dus commercieel gebruik is prima. Maar het project labelt zichzelf als een ontwikkelaarspreview en vermeldt, in hoofdletters, dat er compatibiliteitsbrekende wijzigingen zullen zijn. Zet een versie vast en sluit het nog niet aan in een productie-releasepijplijn.

Uw inloggegevens staan in platte tekst op uw machine, in $DSH_HOME/.credentials.yaml met instellingen ernaast in $DSH_HOME/settings.yaml, beide standaard in ~/.dsh. Als uw harnas-thuis ooit in een repository terechtkomt, voeg het dan toe aan .gitignore:

textCopy
1.dsh/
2

En de voor de hand liggende die gemakkelijk te vergeten is: uw code gaat naar welk eindpunt u ook heeft geconfigureerd in Stap 4. Lees de gegevensvoorwaarden van die provider voordat u een agent naar een privé-codebase wijst.

Veelgestelde vragen

Is DeepSeek Harness gratis?

Het harnas is gratis en MIT-gelicenseerd, zonder account of abonnement vereist, en u mag het commercieel gebruiken. Model-tokens worden apart gefactureerd door de provider die u aansluit. Door het naar een lokaal Ollama-model te wijzen, krijgt u een echt nul-tokenkosten opstelling, betaald in hardware en snelheid.

Heb ik een DeepSeek API-sleutel nodig om DeepSeek Harness te installeren?

Nee. Installatie en een DeepSeek-sleutel zijn niet gerelateerd. npx @deepseek-ai/dsh web wordt uitgevoerd zonder enige inloggegevens. U heeft alleen een sleutel nodig wanneer u wilt dat de agent daadwerkelijk een model aanroept, en het kan een sleutel zijn voor elk OpenAI-compatibel eindpunt, inclusief een lokale server.

Kan DeepSeek Harness andere modellen dan DeepSeek uitvoeren?

Ja. Aangepaste providers accepteren openai-completions, en de adapter dekt protocollen die kunnen worden beschreven met een sleutel, een eindpunt en headers. Voeg een tweede provider toe door een ander blok onder providers: in settings.yaml toe te voegen met zijn eigen ID, basis-URL en modellen. Bedrock, Vertex, Azure en Codex zijn bewust buiten scope omdat hun authenticatie meer nodig heeft dan dat.

Waarom retourneert mijn aangepaste provider 401 of "onbekend model"?

Een 401 betekent bijna altijd dat de sleutel verkeerd is of niet wordt gelezen uit de omgevingsvariabele die is genoemd in apiKeyEnv. Een onbekend model betekent meestal dat het eindpunt geen modelindex blootstelt, dus er is niets opgehaald: typ de model-ID handmatig in. Controleer ook de spelling van de Provider-ID, aangezien deze niet kan worden hernoemd, alleen vervangen.

Waar slaat DeepSeek Harness mijn API-sleutel en instellingen op?

Sleutels gaan naar $DSH_HOME/.credentials.yaml en handgeschreven modelinstellingen naar $DSH_HOME/settings.yaml, beide onder ~/.dsh tenzij u DSH_HOME overschrijft. Sessies leven in $DSH_HOME/storages en profielen in $DSH_HOME/profiles/<naam>. Houd de hele map buiten versiebeheer.

Is DeepSeek Harness klaar voor productie?

Nog niet, volgens eigen zeggen. Het project wordt geleverd als een ontwikkelaarspreview en waarschuwt expliciet voor compatibiliteitsbrekende wijzigingen, wat een eerlijke beschrijving is van software die een paar dagen oud is. Gebruik het voor lokale ontwikkeling en CI-ondersteuning, zet de versie vast die u heeft getest, en lees de providers-documentatie opnieuw na upgrades.

---

Gecontroleerd tegen de DeepSeek Harness ontwikkelaarspreview op 17 augustus 2026. Dit project levert per ontwerp baanbrekende wijzigingen, dus als een veldnaam in uw build er anders uitziet dan de YAML hierboven, controleer dan de officiële providers-documentatie voordat u aanneemt dat de configuratie verkeerd is.