Jak zainstalować DeepSeek Harness w 10 minut (i skierować go na dowolny model)

Instalacja DeepSeek Harness wymaga jednego polecenia. Trzydzieści sekund później patrzysz na piękny, całkowicie pusty interfejs na http://127.0.0.1:3080 i nikt nie powiedział ci, co robić dalej.

Plik README jest notorycznie cienki. Dokument Cordis, do którego prowadzi link, mówi o czasoprzestrzennej kompozycyjności. Ty chciałeś tylko, żeby to narzędzie czytało twój kod.

Ten przewodnik zaczyna się od tego pustego ekranu. Otrzymasz polecenie instalacji, tak, ale część, która faktycznie kosztuje cię popołudnie, to podłączenie dostawcy modelu, a w tym kroku są trzy domyślne wartości, które po cichu psują modele DeepSeek i wyrzucają 75% twojego okna kontekstu. Prawie nikt ich nie dokumentuje.

Kluczowe wnioski

• npx @deepseek-ai/dsh web to cała instalacja. Node.js ^22.19.0 lub >=24.0.0 to jedyny wymóg wstępny.
• DeepSeek Harness to platforma, a nie model. Jest dostarczany bez żadnych poświadczeń, więc nic nie robi, dopóki nie podłączysz dostawcy.
• Działa każdy punkt końcowy zgodny z OpenAI, w tym własne API DeepSeek, brama lub lokalny serwer Ollama.
• Gdy dodajesz niestandardowego dostawcę, platforma zgaduje dialekt myślenia na podstawie twojego podstawowego URL. Zgadnij źle, a reasoning_content przestanie działać.
• Ręcznie zadeklarowane modele domyślnie mają okno kontekstu 262 144, więc pełne okno V4 wynoszące 1 048 576 pozostaje wyłączone, dopóki nie powiesz inaczej.

Terminal z zielonymi testami obok świecącej modułowej platformy, ilustrujący, jak zainstalować DeepSeek Harness

60-sekundowa wersja tego, co budujesz

Oto efekt przed jakąkolwiek teorią. Trzy pliki w pustym folderze, jedna wklejona komenda, a agent czyta kod, uruchamia pytest, widzi dwa nieudane testy, zmienia jeden znak i uruchamia ponownie, aż zestaw testów będzie zielony.

DeepSeek Harness czyta fizzbuzz.py, uruchamia pytest, naprawia błąd off-by-one i uruchamia ponownie, aby uzyskać 3 zaliczone testy

Pełna pętla: czytaj, uruchom, diagnozuj, napraw, uruchom ponownie. Każdy krok jest zapisywany w dzienniku sesji tylko do dołączania, który możesz później odtworzyć.

To jest demo, które zbudujemy razem w kroku 6. Jest celowo na tyle małe, że można je odtworzyć w katalogu roboczym i nie jest zależne od żadnego zewnętrznego repozytorium, które mogłoby się zmienić w przyszłym tygodniu.

Dlaczego większość prób instalacji DeepSeek Harness utyka w kroku drugim

Instalacja jest naprawdę trywialna. Utrudnienie pojawia się zaraz po niej i jest to decyzja projektowa, a nie błąd: DeepSeek Harness jest dostarczany bez kluczy, domyślnego dostawcy i dołączonego modelu.

DeepSeek udostępnił projekt jako open source 13 sierpnia 2026 roku na licencji MIT i od razu zyskał ogromną popularność. Na dzień 17 sierpnia 2026 repozytorium ma 144 361 gwiazdek i 14 689 forków (GitHub, sierpień 2026), co oznacza, że wiele osób trafia w tym samym tygodniu na ten sam pusty ekran.

Wątek na Hacker News z tygodnia premiery pokazuje podzielone reakcje. Ludzie uwielbiają przejrzystość: wszystko, co widzi model, jest rejestrowane w dzienniku sesji tylko do dołączania, a jeden z komentujących zauważył, że „modele amerykańskie nie pozwolą ci tego zobaczyć”. Skargi są równie spójne. „README jest dość skąpe poza instrukcjami instalacji” – napisał jeden z programistów, a dokument Cordis został oceniony jako „bełkot” (Hacker News, sierpień 2026).

Cztery rzeczy, które faktycznie blokują ludzi, wszystkie występują po instalacji:

• Node jest za stary, więc npx zawodzi, zanim cokolwiek się uruchomi.
• Port 3080 jest już zajęty przez inny serwer deweloperski.
• Niestandardowy dostawca zwraca błąd 401 lub lista modeli jest pusta.
• Model łączy się, ale dane wyjściowe rozumowania są zniekształcone lub długie pliki wcześnie przekraczają okno kontekstu.

Kroki od 1 do 5 poniżej są bezpośrednio skierowane na te cztery problemy.

Przed instalacją DeepSeek Harness: wybierz model i klucz

Odpowiedź najpierw: sama platforma jest bezpłatna i lokalna, ale nie zrobi niczego użytecznego, dopóki nie podasz jej podstawowego URL zgodnego z OpenAI, klucza i co najmniej jednego identyfikatora modelu. Zdecyduj o tym przed instalacją, a cała konfiguracja zajmie dziesięć minut.

Wszystko dzieje się w jednej karcie przeglądarki na 127.0.0.1:3080. Masz do wyboru trzy ścieżki, a wszystkie działają.

Tabela B: opcje dostępu do modeli działające z DeepSeek Harness

Dwie rzeczy, które warto wiedzieć przed wyborem. Pierwsze API DeepSeek przeszło na rozliczanie w godzinach szczytu i poza nim, gdzie godziny szczytu to 01:00–04:00 i 06:00–10:00 UTC, a poza szczytem cena jest dokładnie o połowę niższa (Dokumentacja API DeepSeek, sierpień 2026). Ceny wejściowe trafień w pamięci podręcznej są bardzo niskie, więc obciążenie, które wielokrotnie czyta ten sam kontekst, może być bardzo tanie u pierwszego dostawcy.

Brama zamienia to na przewidywalność. Atlas Cloud oferuje te same modele DeepSeek po stałej stawce bez dopłat w szczycie i bez subskrypcji. To przykład, którego użyję w poniższej konfiguracji, ponieważ nie wymaga regionalnej metody płatności. Zamień na dowolną ścieżkę pasującą do twojej sytuacji; kształt konfiguracji jest identyczny dla wszystkich.

Jak zainstalować DeepSeek Harness krok po kroku

Są trzy sposoby. Wybierz wiersz, a następnie postępuj zgodnie z krokami.

Tabela A: porównanie metod instalacji

Krok 1: Sprawdź wymagania wstępne przed instalacją DeepSeek Harness

Najczęstszą przyczyną niepowodzenia jest wersja Node, która wygląda na wystarczająco nową, ale nie jest. Repozytorium wymaga ^22.19.0 || >=24.0.0. Żadna wersja z linii 23.x nie kwalifikuje się na żadnym poziomie poprawek.

bashCopy
1node -v      # musi być >= 22.19.0 na 22.x lub >= 24.0.0
2npm -v
3

Jeśli node -v wyświetla 22.14 lub 20.x, zaktualizuj przed kontynuowaniem. Potrzebujesz pnpm tylko jeśli planujesz budować ze źródła lub tworzyć wtyczki:

bashCopy
1npm install -g pnpm
2

Krok 2: Zainstaluj DeepSeek Harness jednym poleceniem

To jest cała instalacja. Pobiera i uruchamia profil internetowy w jednym kroku.

bashCopy
1npx @deepseek-ai/dsh web
2

Otwórz http://127.0.0.1:3080. Jeśli ten port jest już zajęty, program ładujący przekazuje wszystkie nierozpoznane flagi bezpośrednio do profilu, więc możesz go przenieść:

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

Otrzymujesz pustą powłokę. Żadnego dostawcy, modelu ani klucza. To normalne i w tym miejscu kończy się większość przewodników.

Interfejs internetowy DeepSeek Harness na 127.0.0.1:3080 zaraz po instalacji, bez skonfigurowanego dostawcy ani modelu

Instalacja zakończona, całkowicie nieaktywna. Od tego momentu wszystko to okablowanie.

Krok 3: Uzyskaj klucz API dla DeepSeek Harness

Niezależnie od tego, którą ścieżkę wybrałeś z Tabeli B, potrzebujesz klucza i podstawowego URL. Dla ścieżki pierwszego dostawcy zarejestruj się na platform.deepseek.com i utwórz tam klucz. Opcje rozliczeń różnią się w zależności od regionu, więc sprawdź, czy twoja metoda płatności jest obsługiwana, zanim się na nią zdecydujesz.

Dla ścieżki bramy użytej w tym przewodniku utwórz klucz w panel sterowania Atlas Cloud w sekcji Klucze API, a następnie wyeksportuj go, aby platforma mogła go odczytać bez przechowywania w pliku ustawień:

bashCopy
1export ATLASCLOUD_API_KEY="sk-twój-klucz-tutaj"
2

Strona kluczy API panelu Atlas Cloud z nowo utworzonym kluczem, częściowo zamaskowanym

Skopiuj klucz raz. Po opuszczeniu strony nie będzie już wyświetlany.

Krok 4: Dodaj dostawcę modelu do DeepSeek Harness

W interfejsie przejdź do Ustawienia, następnie Modele, a następnie Dodaj niestandardowego dostawcę. Formularz wymaga identyfikatora dostawcy, nazwy wyświetlanej, podstawowego URL, protokołu API, poświadczenia i co najmniej jednego modelu.

Jedno ostrzeżenie, które dokumentacja słusznie powtarza: identyfikator dostawcy jest stały. Jest zapisywany w żądaniach, zapisanych sesjach, domyślnych ustawieniach modeli i referencjach poświadczeń. Jeśli później go nie polubisz, jedyną opcją jest utworzenie nowego dostawcy i usunięcie starego.

Jeśli pobieranie modeli zwraca błąd 401, klucz jest nieprawidłowy. Jeśli zwraca pustą listę, punkt końcowy po prostu nie udostępnia indeksu modeli, co jest nieszkodliwe: wpisz identyfikator modelu ręcznie i kontynuuj.

Wypełniony formularz dodawania niestandardowego dostawcy z zaznaczonymi polem podstawowego URL, protokołu API i przyciskiem pobierania modeli

Trzy pola, które decydują o tym, czy następny krok zadziała: podstawowy URL, protokół i lista modeli.

Krok 5: Trzy domyślne ustawienia DeepSeek Harness, które po cichu psują modele DeepSeek

To jest część, której nie obejmuje żaden inny przewodnik instalacji, i to jest powód, dla którego twoja konfiguracja może wyglądać na podłączoną, ale działać dziwnie.

Warstwa LLM platformy wnioskuje, jakiego dialektu myślenia używać na podstawie adresu URL twojego punktu końcowego. Wewnętrzna dokumentacja jest bezpośrednia co do konsekwencji: „pi-ai zgaduje na podstawie adresu URL punktu końcowego; adres URL prywatnej bramy nic nie mówi, więc brama dialektu DeepSeek byłaby obsługiwana w dialekcie OpenAI bez możliwości poprawienia”. Mówiąc wprost, każdy podstawowy URL, który nie jest oczywiście DeepSeek, jest traktowany jako OpenAI, a obsługa reasoning_content DeepSeek działa nieprawidłowo.

Drugie i trzecie pułapki dotyczą pojemności. Model zadeklarowany ręcznie korzysta z domyślnego defaultContextWindow wynoszącego 262 144 i defaultMaxTokens wynoszącego 32 768. V4 obsługuje 1 048 576 tokenów kontekstu, więc zaakceptowanie wartości domyślnej powoduje utratę trzech czwartych tej pojemności.

Zapisz te wartości w pliku ustawień:

yamlCopy
1# $DSH_HOME/settings.yaml   (domyślnie ~/.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. zatrzymaj zgadywanie na podstawie URL
11      defaultContextWindow: 1048576  # 2. domyślnie tylko 262144
12      defaultMaxTokens: 32768        # 3. podnieś dla zadań z długimi wyjściami
13      models:
14        - id: deepseek-ai/deepseek-v4-flash
15          contextWindow: 1048576
16        - id: deepseek-ai/deepseek-v4-pro
17          contextWindow: 1048576
18

Trzy rzeczy, o których należy pamiętać. Ustawienia są rozwiązywane w kolejności: najpierw model, potem trasa, potem wpis w zainstalowanym katalogu, a na końcu zgadywanie na podstawie URL, więc wartość per-model zawsze wygrywa. Oba przełączniki compat, thinkingFormat i supportsReasoningEffort, istnieją tylko w ramach openai-completions; umieszczenie ich w innym protokole spowoduje niepowodzenie rozpoznawania. Ten adapter celowo nie obejmuje Bedrock, Vertex, Azure ani Codex, których przepływy uwierzytelniania wymagają więcej niż klucza, punktu końcowego i nagłówków.

Krok 6: Uruchom swoje pierwsze rzeczywiste zadanie w DeepSeek Harness

Teraz demo z początku tego artykułu. Utwórz pusty folder i dodaj trzy pliki.

fizzbuzz.py zawierający jeden błąd 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, w którym dwa z trzech testów kończą się niepowodzeniem:

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

I requirements.txt:

textCopy
1pytest>=8.0
2

Warto najpierw ręcznie uruchomić zestaw testów, aby wiedzieć, z czym agent ma do czynienia:

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

Ustaw tryb agenta na Standardowy i model na deepseek-ai/deepseek-v4-flash, a następnie wklej dokładnie tę komendę:

Uruchom pytest w tym obszarze roboczym. Dwa testy kończą się niepowodzeniem. Znajdź główną przyczynę w fizzbuzz.py, napraw ją przy użyciu najmniejszej możliwej zmiany, a następnie uruchom ponownie pytest i pokaż mi końcowe wyjście. Nie edytuj pliku testowego.

Prawidłowa poprawka to jeden znak: range(1, n) zmienia się na range(1, n + 1), a zestaw testów raportuje 3 passed.

Teraz część, która odróżnia platformę od okna czatu. Każde uruchomienie jest rejestrowane w dzienniku sesji tylko do dołączania i możesz go rozwidlić. Wróć do punktu, w którym agent po raz pierwszy przeczytał fizzbuzz.py, i rozgałęź drugą próbę:

Rozwidlij tę sesję od kroku, w którym po raz pierwszy przeczytałeś fizzbuzz.py. Tym razem przepisz ją jako wyszukiwanie w słowniku zamiast łatania gałęzi if, a następnie uruchom pytest ponownie.

Rozwidlenie dziennika sesji DeepSeek Harness w celu uzyskania drugiej implementacji opartej na słowniku z tego samego punktu początkowego

Jeden punkt początkowy, dwie gałęzie. To jest funkcja, która naprawdę interesowała tłum z tygodnia premiery.

Krok 7: Przejdź na tryb bezgłowy dla skryptów i CI

Dwa profile inicjują się przy pierwszym użyciu: web i headless. Do tej pory używałeś web, a dsh web to tylko alias dla dsh --profile web.

Tryb bezgłowy uruchamia jedną świeżą, trwałą sesję, wyświetla końcową odpowiedź i kończy działanie, co jest dokładnie tym, czego potrzebuje zadanie CI:

bashCopy
1dsh --profile headless "Uruchom testy i napraw wszelkie błędy. Pokaż diff."
2

Każdy inny profil musi zostać utworzony za pomocą dsh plugin. Profile znajdują się w $DSH_HOME/profiles/<nazwa>, co domyślnie oznacza ~/.dsh/profiles/<nazwa>.

Wyjście terminala z bezgłowego działania DeepSeek Harness wyświetlające końcową odpowiedź i kończące działanie

Tryb bezgłowy: jedna sesja, jedna odpowiedź, kod wyjścia, na którym możesz rozgałęziać.

Inne sposoby instalacji DeepSeek Harness

Ścieżka npx obejmuje większość osób. Te trzy są warte poznania.

Zainstaluj DeepSeek Harness ze źródła za pomocą pnpm

Jeśli chcesz przeczytać kod, łat go lub pisać wtyczki:

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

Kompilacja desktopowa o rozmiarze 5 MB

Społecznościowy projekt hairyf/deepseek-harness-desktop opakowuje platformę w Tauri i dostarcza instalator o rozmiarze około 5 MB dla Windows, macOS i Linux bez konieczności konfiguracji Node. Nie jest to oficjalne wydanie DeepSeek, więc traktuj je odpowiednio: w momencie pisania tego tekstu ma około 400 gwiazdek i został utworzony dzień po samej platformie.

Uruchom DeepSeek Harness w pełni lokalnie z Ollama

Ollama dostarcza integrację pierwszej strony. Krótka wersja to jedno polecenie:

bashCopy
1ollama launch dsh
2

To instaluje i uruchamia platformę z podłączonym Ollama, przechowując jej ustawienia w ~/.ollama/launch/dsh/settings.yaml (Dokumentacja Ollama, sierpień 2026). Jedno zastrzeżenie warte przeczytania, zanim założysz, że wszystko jest offline: wbudowane wyszukiwanie internetowe jest włączone automatycznie i wymaga dostępu do chmury Ollama oraz modelu obsługującego narzędzia. Prawdziwie lokalny model daje zerowy koszt tokenów, kosztem szybkości i zazwyczaj słabszego wywoływania narzędzi.

DeepSeek Harness podłączony do lokalnego serwera Ollama wykonującego to samo zadanie z nieudanymi testami

Ten sam task, bez podróży w obie strony przez sieć, bez rachunku za token.

Czy DeepSeek Harness jest darmowy? Co faktycznie kosztuje jego uruchomienie

Odpowiedź najpierw: oprogramowanie jest darmowe i licencjonowane na MIT, w tym do użytku komercyjnego. Tokeny nie są darmowe, chyba że uruchamiasz modele lokalnie. Nic w samej platformie nie jest mierzone, blokowane ani powiązane z kontem DeepSeek.

Tabela C: co jest naprawdę darmowe, a co nie

Przykład z życia, używając okrągłych liczb zamiast konkretnego uruchomienia. Załóżmy, że sesja debugowania, taka jak w kroku 6, zużywa 200 000 tokenów wejściowych i 20 000 tokenów wyjściowych, co jest realistyczne, gdy agent przeczytał kilka plików i iterował. Przy stałej stawce bramy wynoszącej $0,14 wejście i $0,28 wyjście, ta sesja kosztuje około 3,4 centa. W pierwszym API przy stawkach poza szczytem i braku trafień w pamięci podręcznej to około 5,7 centa, a w godzinach szczytu około 11 centów. Jeśli większość twojego wejścia to trafienia w pamięci podręcznej, pierwszy dostawca staje się znacznie tańszy po stronie wejściowej, ponieważ wejście z trafieniem w pamięci podręcznej zaczyna się od $0,007 za 1M tokenów.

Praktyczne dźwignie, w kolejności wpływu: utrzymuj krótkie sesje, aby kontekst nie narastał, wykonuj rutynową pracę na Flash i oszczędzaj Pro na naprawdę trudne zadania, oraz używaj trybu Minimalnego do uruchomień w stylu benchmarków, ponieważ daje modelowi dokładnie dwa narzędzia i brak kompresji kontekstu.

Przed wdrożeniem: licencja DeepSeek Harness i ryzyko wersji zapoznawczej

Trzy krótkie rzeczy, a potem FAQ.

Licencja to MIT, więc użycie komercyjne jest w porządku. Ale projekt określa się jako wersję zapoznawczą dla programistów i stwierdza, wielkimi literami, że będą zmiany łamiące kompatybilność. Przypisz wersję i nie podłączaj jej jeszcze do potoku wydania produkcyjnego.

Twoje poświadczenia są przechowywane w postaci zwykłego tekstu na twoim komputerze w $DSH_HOME/.credentials.yaml wraz z ustawieniami w $DSH_HOME/settings.yaml, oba domyślnie w ~/.dsh. Jeśli twój katalog domowy platformy kiedykolwiek znajdzie się w repozytorium, dodaj go do .gitignore:

textCopy
1.dsh/
2

I oczywista rzecz, którą łatwo przeoczyć: twój kod trafia do punktu końcowego skonfigurowanego w kroku 4. Przeczytaj warunki dotyczące danych tego dostawcy, zanim skierujesz agenta na prywatną bazę kodu.

Często zadawane pytania

Czy DeepSeek Harness jest darmowy?

Platforma jest darmowa i licencjonowana na MIT, bez wymaganego konta ani subskrypcji, i możesz jej używać komercyjnie. Tokeny modelu są rozliczane osobno przez dostawcę, którego podłączysz. Skierowanie go na lokalny model Ollama daje konfigurację z zerowym kosztem tokenów, opłaconą sprzętem i szybkością.

Czy potrzebuję klucza API DeepSeek do zainstalowania DeepSeek Harness?

Nie. Instalacja i klucz DeepSeek są niezależne. npx @deepseek-ai/dsh web działa bez żadnych poświadczeń. Klucz jest potrzebny tylko wtedy, gdy chcesz, aby agent faktycznie wywołał model, i może to być klucz dla dowolnego punktu końcowego zgodnego z OpenAI, w tym lokalnego serwera.

Czy DeepSeek Harness może uruchamiać modele inne niż DeepSeek?

Tak. Niestandardowi dostawcy akceptują openai-completions, a adapter obejmuje protokoły, które można opisać za pomocą klucza, punktu końcowego i nagłówków. Dodaj drugiego dostawcę, dodając kolejny blok w sekcji providers: w settings.yaml z własnym identyfikatorem, podstawowym URL i modelami. Bedrock, Vertex, Azure i Codex są celowo poza zakresem, ponieważ ich uwierzytelnianie wymaga więcej niż to.

Dlaczego mój niestandardowy dostawca zwraca błąd 401 lub „nieznany model”?

Błąd 401 prawie zawsze oznacza, że klucz jest nieprawidłowy lub nie jest odczytywany ze zmiennej środowiskowej wymienionej w apiKeyEnv. Nieznany model zwykle oznacza, że punkt końcowy nie udostępnia indeksu modeli, więc nic nie zostało pobrane: wpisz identyfikator modelu ręcznie. Sprawdź również pisownię identyfikatora dostawcy, ponieważ nie można go zmienić, tylko zastąpić.

Gdzie DeepSeek Harness przechowuje mój klucz API i ustawienia?

Klucze trafiają do $DSH_HOME/.credentials.yaml, a ręcznie zapisane ustawienia modeli do $DSH_HOME/settings.yaml, oba w ~/.dsh, chyba że zastąpisz DSH_HOME. Sesje znajdują się w $DSH_HOME/storages, a profile w $DSH_HOME/profiles/<nazwa>. Trzymaj cały katalog poza kontrolą wersji.

Czy DeepSeek Harness jest gotowy do produkcji?

Jeszcze nie, według własnych informacji. Projekt jest dostarczany jako wersja zapoznawcza dla programistów i wyraźnie ostrzega przed zmianami łamiącymi kompatybilność, co jest uczciwym opisem oprogramowania, które ma kilka dni. Używaj go do lokalnego rozwoju i pomocy w CI, przypisz wersję, którą przetestowałeś, i przeczytaj ponownie dokumentację dostawców po aktualizacjach.

---

Zweryfikowano względem wersji zapoznawczej DeepSeek Harness dla programistów z 17 sierpnia 2026 r. Ten projekt celowo wprowadza zmiany łamiące kompatybilność, więc jeśli nazwa pola w twojej kompilacji różni się od powyższego YAML, sprawdź oficjalną dokumentację dostawców, zanim uznasz, że konfiguracja jest nieprawidłowa.