DeepSeek Harness İncelemesi: Üç çalıştırma da tamamlandı olarak rapor edildi. Yalnızca bir sayfa gerçekten çalıştı.

154.302 yıldız. Okuduğum her inceleme bana aynı üç şeyi söyledi: her şey bir eklenti, oturum günlüğü salt-ekleme ve bu bir geliştirici önizlemesi.

Hiçbiri bana ne kadar disk yediğini söylemedi. Ya da boş bir oturumun ne kadar RAM tuttuğunu. Ya da DeepSeek'in kendi uç noktası olmayan bir uç noktaya yönelttiğinizde ne olacağını.

Bu yüzden kurdum ve üç kez tek bir iş verdim: tek bir bağımsız HTML dosyasında canlı bir ISS izleyicisi oluştur. Üç farklı sağlayıcı yapılandırması, aynı istem, aynı model. Üçü de tamamlandı. Üçü de sözde doğruladıkları her şeyin bir madde işareti listesiyle kendinden emin bir "Bitti" yazdırdı.

Sonra üç sayfayı bir tarayıcıda açtım. İkisi bozuktu.

Önemli çıkarımlar

• npm install @deepseek-ai/dsh macOS'te 531 paket ve 306 MB çekti. 1,5 GB değil, ama küçük de değil ve dsh paketinin kendisi bunun 172 KB'ı.
• dsh web sunucusu, canlı bir oturum açıkken, başlangıçta yaklaşık 212 MB zirve yaptıktan sonra 35 ila 40 MB RSS ile boşta kaldı. İnsanların alıntıladığı 500 MB rakamı sunucu süreci değil.
• Yörünge görünümü bu sürümdeki asıl şey. Düz, salt-ekleme bir JSONL olay akışıdır ve yapılandırma sorununu saatler yerine dakikalar içinde teşhis etmemi sağlayan şey buydu.
• İki YAML satırı (compat.thinkingFormat ve gerçek bir maxTokens) aynı görevi 36 adımlı, 422 saniyelik bir çalıştırmadan 15 adımlı, 152 saniyelik bir çalıştırmaya dönüştürdü. Bu satırların hiçbiri dokümantasyon sitesinde yok.
• Her çalıştırma başarı bildirdi. Yalnızca biri sıfır konsol hatası olan bir sayfa üretti. Özeti değil, çıktıyı okuyun.
• Bu bir geliştirici önizlemesidir ve README bunu büyük harflerle söylüyor. Sınırlı pilot, evet. Üretim kontrol düzlemi, hayır.

İşte yazının tamamı tek bir görselde. İki ISS izleyici sayfası, aynı istem, aynı model, bir yapılandırma farkı. Soldaki ayarladığım çalıştırma. Sağdaki ayarlamadığım çalıştırma.

İki ISS izleyici sayfasının yan yana karşılaştırması, soldaki bozuk bir dünya haritası ve üzerinde sıkışmış eski bir rozet, sağdaki canlı bir işaretçi ile doğru işleniyor

Sol: ayarlanmış çalıştırma, 152 saniye, on beş bozuk SVG yolu ve "Eski" üzerinde donmuş bir rozet. Sağ: saf çalıştırma, 422 saniye, sıfır konsol hatası. Her ikisi de bitti olarak raporlandı.

Her DeepSeek Harness İncelemesi Neden Aynı Üç Şeyi Söylüyor?

Depo 13 Ağustos'ta yayınlandı ve ben yazmaya başladığımda MIT lisansı altında 154.302 yıldız ve 15.960 çatala ulaşmıştı (GitHub, Ağustos 2026). Bu hızda, çoğu kapsam README'nin bir okumasıdır, çünkü başka bir şey için zaman yoktu.

Bu nedenle mevcut DeepSeek Harness inceleme ortamı üç kampa ayrılıyor ve üçünün de aynı boşluğu var. Kaynak denetim yazıları eklenti dikişlerini inceliyor ve asla bir kıyaslama çalıştırmıyor. Veri yazıları belirteç sayılarını karşılaştırıyor ve kurulum boyutunu ve belleği açıkça atlıyor. Kurumsal satın alma yazıları, neredeyse hiçbir ölçülmüş sayı olmadan bir karara varıyor.

Kimse kurmadı, bir görevi baştan sona çalıştırdı ve ardından sonucu açmadı.

Bu arada en keskin eleştiri herhangi bir incelemede değildi. Dört günde 737 puan ve 309 yorum alan lansman başlığındaki iki yorumdu.

DeepSeek Harness kurulum boyutu ve boşta bellek kullanımı hakkında iki birebir Hacker News yorumu

Bu incelemenin gerçekten kontrol etmeye çalıştığı iki şikayet, lansman başlığından birebir alıntılanmıştır.

Kullanıcı Kuyawa: "47mb indirildi, derlemeden sonra 1.5gb, ne?" ve bir düzenlemede, "35 bağımlılık 1.4gb oluşturuyor, ne için bunlar?" Kullanıcı eglintondust, CPU yüküyle ilgili bir alt başlıkta: "Bellek kullanımı kesinlikle kontrolden çıktı, şu anda 500MB yiyen boş bir oturumum var" (Hacker News, Ağustos 2026).

Bunlar ilk kontrol etmek istediğim iki sayıydı, çünkü bu şeyin dizüstü bilgisayarınızda yaşayıp yaşamayacağına karar veren iki sayı onlar. İkisinin de alıntıların önerdiğinden daha karmaşık olduğu ortaya çıktı ve bunlardan biri insanların varsaydığından farklı bir şeyi ölçüyor. Bunlardan herhangi biri anlamlı olmadan önce mimariye giriş yapmanız gerekiyorsa, bu farklı bir makaledir: DeepSeek Harness aslında nedir.

Bu DeepSeek Harness İncelemesini Nasıl Kurulum: Bir Görev, Bir Uç Nokta

Kurulum kasıtlı olarak sıkıcıdır, böylece değişken görev değil yapılandırmadır.

Görev. Kendi kendine yeten bir index.html içinde canlı bir ISS izleyicisi oluşturun. Harici bir API, bir harita oluşturma, bir yoklama döngüsü ve hata işleme gerektirir, bu nedenle tek seferlik bir kod dökümü yerine gerçek bir çok adımlı araç döngüsünü zorlar. Ve çok önemli bir şekilde, sonucu açıp anında çalışıp çalışmadığını görebilirim.

Model. Üç çalıştırmada da aynı model olan deepseek-ai/deepseek-v4-flash-0731, böylece karşılaştırmadaki hiçbir şey bir model farkı değildir.

Uç nokta. Bu, insanların atladığı kısımdır. Harness bir modelle birlikte gelmez. OpenAI uyumlu bir temel URL ve bir anahtar gerektirir, nokta, ve bunun için yapılandırma yüzeyi, üç sorunumun da geldiği yerdir. Düz DeepSeek fiyatlandırması ve yoğun saat ek ücreti olmayan, barındırılan bir OpenAI uyumlu uç noktaya karşı çalıştırdım. Bu, aynı görevi tekrar tekrar çalıştırmak üzereyken ve faturanın çalıştırmalar arasında karşılaştırılabilir olmasını istediğinizde önemlidir. Herhangi bir uyumlu uç nokta aynı şekilde çalışır.

Bu orta satırda, beni daha sonra ısıran bir dürüst not: standart OpenAI {"object":"list","data":[...]} zarfı yerine {"code":200,"msg":"succeed","data":[...]} döndürüyor. data dizisi orada, bu nedenle hoşgörülü bir istemci için sorun yok, ancak her "OpenAI uyumlu" uç noktanın belirtimle bayt aynı olduğunu varsaymayın.

Fiyatlar, 18 Ağustos 2026'da V4 Flash model sayfasından okundu. Şu anda hiçbir DeepSeek modelinde indirim rozeti yok, bu nedenle burada sınırlı süreli bir oran yok.

1. Adım: DeepSeek Harness'ı Kurun ve Gerçekte Ne Kadara Mal Olduğunu Ölçün

Buradan itibaren her şey macOS'te Node 22.19+ veya 24+ ile tekrarlanabilir (23.x desteği yoktur ve birçok kılavuz bunu yanlış anlar). Node v24.15.0 ve @deepseek-ai/[email protected] çalıştırdım.

Hızlı başlangıç ile başlayın, bu tek bir komuttur:

bashCopy
1node -v                        # ^22.19.0 || >=24, 23.x değil
2npx @deepseek-ai/dsh web       # http://127.0.0.1:3080 adresinde Web UI
3

1.5 GB iddiasına karşı gerçekten karşılaştırabileceğiniz bir sayı elde etmek için, bunun yerine temiz bir dizine kurun ve ölçün:

bashCopy
1mkdir dsh-size && cd dsh-size && npm init -y
2npm install @deepseek-ai/dsh
3du -sh node_modules
4du -sh node_modules/* | sort -h | tail -8      # ağırlığın yaşadığı yer
5

İşte makinemde ürettiği şey:

textCopy
12 dakikada 531 paket eklendi
2306M    node_modules
3255     node_modules'deki üst düzey girişler
4172K    node_modules/@deepseek-ai/dsh          <- paketin kendisi
5
6 13M    node_modules/@shikijs
7 13M    node_modules/openai
8 14M    node_modules/@google/genai
9 17M    node_modules/@img/sharp-libvips-darwin-arm64
10 24M    node_modules/@mistralai/mistralai
11 26M    node_modules/node-pty
12 27M    node_modules/@deepseek-ai
13 34M    node_modules/@opentelemetry
14

Yani: 306 MB, 1.5 GB değil. Hacker News yorumundaki 1.5 GB rakamı, tüm monorepo boyunca geliştirme bağımlılıklarını ve derleme çıktısını çeken tam bir kaynak derlemesidir. Çalışma zamanı kurulumu bunun beşte biridir.

Bununla birlikte, bir kodlama aracısı için 306 MB hala çok fazla ve döküm, insanların neden rahatsız olduğunu tam olarak açıklıyor. Asla çağırmayabileceğiniz üç satıcı SDK'sı (openai, @google/genai, @mistralai/mistralai aralarında 51 MB), tam bir OpenTelemetry ağacı, yerel bir sharp ikili dosyası ve bir sözdizimi vurgulayıcı kuruyorsunuz. "Her şey bir eklentidir" ifadesinin bir nakliye maliyeti vardır ve şu anda bu rotaları kullanıp kullanmadığınıza bakılmaksızın hepsini peşin ödersiniz.

Boşta bellek için, web profilini başlatın, bir oturum açın, yalnız bırakın ve RSS'yi okuyun:

bashCopy
1npx @deepseek-ai/dsh web --port 3099
2# ardından başka bir kabukta:
3ps -o pid,rss,command -p $(pgrep -f "dsh web")
4

Canlı bir oturum açıkken ve hiçbir görev çalışmazken beş dakika boyunca dakikada bir örneklenmiştir:

textCopy
1t+0s     101.8 MB     (oturum açıldıktan hemen sonra)
2t+60s     37.0 MB
3t+120s    39.8 MB
4t+180s    38.8 MB
5t+240s    35.8 MB
6t+300s    35.0 MB
7

Başlangıçta yaklaşık 212 MB'a dokundu, UI bağlandıkça ~102 MB'a yerleşti, ardından çöp toplayıcı onu 35 ila 40 MB bandına indirdi ve orada kaldı. Bu "kontrolden çıkmış" değil.

Ancak eglintondust mutlaka yanlış değil ve anlamaya değer kısım şu: dsh web profili, yerel bir sunucu artı bir tarayıcı sekmesidir. 35 MB sunucudur. UI, tarayıcınızda tam bir web uygulamasıdır ve bu bellek Chrome'a, `dsh'ye değil yansıtılır. Etkinlik Monitörü'nde 500 MB'lık boş bir oturum izliyorsanız, hatayı bildirmeden önce hangi işleme atfedildiğini kontrol edin. Tam kurulum ayrıntıları 10 dakikalık kurulum kılavuzunda yer almaktadır.

DeepSeek Harness kurulum ayak izini ve boşta bellek ölçümlerini gösteren gerçek terminal çıktısı

Gerçek ölçümler, komutlar görünür durumda. 306 MB kurulu, 35 MB boşta.

2. Adım: DeepSeek Harness'ı Kendi Uç Noktanıza Yönlendirin

UI'da bu Ayarlar, ardından Modeller, ardından Özel bir sağlayıcı ekle şeklindedir: sağlayıcı kimliği, temel URL, protokol, anahtar, model listesi. Ayrıca doğrudan $DSH_HOME/settings.yaml (varsayılan ~/.dsh/settings.yaml) içine de yazabilirsiniz, ki ben de öyle yaptım, çünkü dosya sürümü, çalıştırmalar arasında fark alabileceğiniz sürümdür.

Bu dosyadaki bölümler eklenti kimliğine göre anahtarlanır, bu ilk seferde belirgin değildir. Sağlayıcı sözlüğü llm-pi-ai'ye aittir ve varsayılan model seçimi agent-default-model'e aittir:

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      displayName: Atlas Cloud
5      api: openai-completions
6      baseURL: https://api.atlascloud.ai/v1
7      apiKeyEnv: ATLAS_API_KEY
8      models:
9        - id: deepseek-ai/deepseek-v4-flash-0731
10
11agent-default-model:
12  provider: atlas
13  model: deepseek-ai/deepseek-v4-flash-0731
14

Bu saf yapılandırmadır ve başladığım yapılandırmadır. Çalışır. Atlas konsolundan bir anahtar alın, export ATLAS_API_KEY=... ve çalıştırma devam eder. apiKeyEnv'nin sırrın kendisi değil, bir referans olduğuna dikkat edin, bu nedenle bu dosyaya asla hiçbir anahtar girmez.

UI'dan gözden kaçırması kolay ve gerçekten iyi olan bir ayrıntı: anahtar ortamdan geldiğinde, API anahtarı alanı Başlatma ortamı tarafından sağlandı (salt okunur) olarak işlenir. Sağlayıcının yanındaki yeşil nokta, rotanın çözüldüğü anlamına gelir. Yerleşik DeepSeek sağlayıcısının yanındaki kırmızı nokta, hiçbir kimlik bilgisine sahip olmadığı anlamına gelir. Bu, aramak zorunda olmadığınız iki saniyelik bir sağlık kontrolüdür.

Bununla birlikte, bu yapılandırmayla ilgili iki şey sessizce yanlıştır ve bunu yörüngeleri karşılaştırana kadar öğrenmedim. Bu düşünceyi 4. Adıma kadar saklayın.

DeepSeek Harness Ayarlar Modeller sayfası, yeşil bir durum noktası olan ve API anahtarı başlatma ortamı tarafından salt okunur olarak sağlanan Atlas Cloud adlı özel bir OpenAI uyumlu sağlayıcıyı gösteriyor

Ayarlar, Modeller, özel sağlayıcı. Yeşil nokta rotanın çözüldüğü anlamına gelir; üzerindeki yerleşik DeepSeek sağlayıcısı anahtarı olmadığı için kırmızıdır.

3. Adım: DeepSeek Harness İncelemesinin Üç Çalıştırması, Yan Yana

Her seferinde aynı istem. Bunu birebir yapıştırın, yeniden oluşturmak isterseniz:

textCopy
1Tek bir bağımsız index.html içinde tek sayfalık bir ISS izleyicisi oluşturun.
2
3Gereksinimler:
4- ISS konumunu https://api.wheretheiss.at/v1/satellites/25544 adresinden her 5 saniyede bir getirin.
5- Geçerli enlem/boylamda bir işaretçi ve son 60 konumun solan bir izi ile bir dünya haritası oluşturun.
6- Okunabilir bir panelde yükseklik (km), hız (km/s) ve geçerli enlem/boylamı gösterin.
7- Derleme adımı, npm install, API anahtarı yok. Yalnızca Vanilla JS + satır içi CSS.
8- Sayfayı bozmadan getirme hatalarını işleyin: son bilinen konumu koruyun ve eski bir rozet gösterin.
9- Dosyayı yazın, ardından bitti olarak raporlayın.
10

Dökümün temiz olması için başsız çalıştırın:

bashCopy
1export DSH_HOME=$PWD/dsh-home
2export ATLAS_API_KEY=<anahtarınız>
3dsh --profile headless "<yukarıdaki istem>"
4

Üç yapılandırma:

• Çalıştırma A, ayarlanmış olan: compat.thinkingFormat: deepseek, contextWindow: 1048576, maxTokens: 131072.
• Çalıştırma B, 2. Adımdaki saf olan: model girişi id'den başka bir şey değil.
• Çalıştırma C, olası hata: A ile aynı ancak maxTokens: 4096 ile, doğrudan bağdaştırıcının kendi README örneğinden aldığım bir sayı.

Üçü de 0 ile çıktı. Üçü de bir index.html yazdı. Üçü de doğrulama iddia eden bir özet yazdırdı. Çalıştırma C'nin özeti kendi kendini onarmayla bile övündü: "Derleme sırasında yakaladığım ve düzelttiğim birkaç hata: iz solmasında tanımlanmamış bir değişken, yanlış K/G/D/B sonek mantığı..."

Sonra üç dosyayı da konsol açıkken gerçek bir tarayıcıda açtım ve iki döngü boyunca yoklamalarına izin verdim.

Bu tabloyu tekrar okuyun. En hızlı çalıştırma ve dikkatlice ayarladığım çalıştırma, ikisi de bozuk sayfalar gönderdi. Yavaş, saf, en pahalı çalıştırma, çalışan tek çalıştırmadır.

Çalıştırma A'nın başarısızlığı eğiticidir. Telemetri paneli mükemmeldi: 431 km yükseklik, 27.547 km/s, doğru enlem/boylam, canlı güncelleniyor. Altındaki harita yeşil bir lekeydi, çünkü on beş kıta yolunun tümü koordinatsız başıboş bir L ile bitiyordu ("... L48.0 624.0 L Z"). Ve rozet, ağ sekmesinde üç başarılı getirme otururken "Son güncelleme: -" ile "Eski, son konum korunuyor" yazıyordu. Zor kısmı doğru, görünen kısmı yanlış yapmıştı.

Nedeni, kendi muhakeme günlüğünde, 12. adımda, kendi sözleriyle oturuyor: harita oluşturucusunun hala kullandığı bir değişkeni silmiş, fark etmiş ve yine de devam etmişti. Bir çalıştırmanın sonlarında bu tür bir kendi kendine dayatılan gerileme, tam olarak salt-ekleme bir yörüngenin iyi olduğu şeydir, bu da sonraki adımdır.

Çalıştırma C daha komik ve daha kötü. İz solma hatasını ve K/G sonek mantığını düzelttiğini iddia etti. İz, tam olarak bozuk olandır (on iki NaN çemberi, hiçbir iz oluşturulmaz) ve enlem etiketi -34.76° G okur, bu çift işaretlidir. Düzelttiğini söylediği iki şeyden hiçbirini düzeltmedi ve çalışmasını node --check ile doğruladı, bu JavaScript sözdizimini ayrıştırır ve bir SVG yolunun geçerli olup olmadığı hakkında hiçbir şey bilmez.

Üçüncü çalıştırmanın ISS izleyici sayfası, NaN konumlu bir iz, sol üst köşede sıkışmış bir işaretçi ve çift işaretli bir enlem etiketi ile

Çalıştırma C, 50 saniyelik çalıştırma: güzel, canlı ve düzelttiğini iddia ettiği iki yerde sessizce bozuk.

Bunların hiçbiri gerçekten bir Harness hatası değil. Bu, Harness'ın sadakatle yürüttüğü ve ardından sadakatle başarı olarak raporladığı bir kodlama aracısı hatasıdır. Bizi bu sürümün beni gerçekten etkileyen kısmına getiriyor.

4. Adım: İki Satırlık Düzeltme ve Onu Bulan DeepSeek Harness Yörünge Görünümü

Çalıştırma B'nin Çalıştırma A'dan 2,8 kat daha uzun sürmesi bana anlamsız geldi. Aynı model, aynı görev ve tek fark birkaç satır YAML'dı. Bu yüzden Yörünge'ye gittim.

Resmi açıklama doğrudur, bu olması gerekenden daha nadirdir: "Modelin gördüğü her şey salt-ekleme bir oturum günlüğüne kaydedilir: sistem istemleri, muhakeme, araç çağrıları ve sonuçları, alt aracı zamanlaması ve her bağlam enjeksiyonu... Yörünge görünümünde, bu kayıtları kaynağa göre inceleyebilirsiniz. Devam ettirme, çatallama, arama ve yeniden oynatma, aynı olay akışında çalışır" (DeepSeek Harness, Ağustos 2026).

Bu pazarlama değil. Akış gerçek bir dosyadır:

bashCopy
1ls $DSH_HOME/sessions/<workspace>/session-<uuid>/session.jsonl.zstd
2

Satır başına bir JSON olayı, zstd çerçeveli, salt-ekleme. Çalıştırma A 606 olay üretti; Çalıştırma B 1.709 üretti. UI'da kaynağa göre filtreleyin veya kodu çözülmüş dosyada grep yapın. Olay türleri, yukarıdaki cümlenin vaat ettiğiyle tam olarak aynıdır: turn/start, step/start, request/header, request/context, assistant/chunk, reasoning-chunks, tool-call-chunks, tool/call, tool/result, step/end, turn/end.

request/header olayı sorunu çözdü. Gerçekte kabloya konulan yapılandırmayı kaydeder:

jsoncCopy
1// Çalıştırma A
2{"config":{"provider":"atlas","model":"deepseek-ai/deepseek-v4-flash-0731","maxTokens":131072},
3 "adapterDefaults":{"maxTokens":true}}
4
5// Çalıştırma B
6{"config":{"provider":"atlas","model":"deepseek-ai/deepseek-v4-flash-0731"}}
7

Çalıştırma B hiçbir çıktı sınırı göndermedi ve muhakemesi, Çalıştırma A'nın 9 blokta 6.094 karakterine karşı 33 blokta 72.420 karaktere şişti. Fazladan 270 saniye ve fazladan 44.170 çıktı belirtecinin geldiği yer burasıdır.

Nedeni belgelenmiştir, ancak dokümantasyon sitesinde değil. packages/llm/llm-pi-ai/README.md içinde gömülüdür: düşünme lehçesi uç nokta URL'sinden tahmin edilir. Bakımcıların kendi sözleriyle, compat.thinkingFormat, "pi-ai'nin uç nokta URL'sinden tahmin ettiği" bir şeydir; özel bir ağ geçidinin URL'si hiçbir şey söylemez, bu nedenle DeepSeek lehçeli bir ağ geçidiyle, onu düzeltmenin hiçbir yolu olmadan OpenAI lehçesinde konuşulur.

Uç noktam, DeepSeek yazılışı olan reasoning_content döndürür. Ana bilgisayar adı bu konuda hiçbir şey söylemez. Bu nedenle Çalıştırma B'de bağdaştırıcı OpenAI lehçesine geri döndü, bir düşünme seviyesi gönderemedi ve model 36 çağrının her birinde kendi varsayılanında akıl yürüttü. Ayrı olarak, yalnızca id bildiren bir model girişi, rota geri dönüşlerini defaultContextWindow: 262144 ve defaultMaxTokens: 32768 devralır, bu nedenle 1.048.576 belirteçlik bir model, penceresinin dörtte üçünü sessizce kaybeder.

Her ikisi de iki satırdır:

yamlCopy
1llm-pi-ai:
2  providers:
3    atlas:
4      api: openai-completions             # compat.* yalnızca bu protokolün ALTINDA bulunur
5      baseURL: https://api.atlascloud.ai/v1
6      apiKeyEnv: ATLAS_API_KEY
7      compat:
8        thinkingFormat: deepseek          # URL'den tahmin etmeyi bırak
9        supportsReasoningEffort: true
10      models:
11        - id: deepseek-ai/deepseek-v4-flash-0731
12          contextWindow: 1048576          # 262.144 geri dönüşünü geçersiz kıl
13          maxTokens: 131072               # muhakemeye gerçek bir alan bırak
14

Aklınızda tutmanız gereken iki şey. Çözümleme sırası model, ardından rota, ardından yüklenen katalog girişi, ardından pi-ai'nin URL tahminidir, bu nedenle model düzeyindeki bir değer kazanır. Ve compat.* yalnızca api: openai-completions altında bulunur; başka bir yere koyun, çözümleme tamamen başarısız olur. Bağdaştırıcı ayrıca Bedrock, Vertex, Azure veya Codex'i kasıtlı olarak desteklemez, çünkü kimlik doğrulamaları bir anahtar, bir uç nokta ve başlıklardan daha fazlasını gerektirir.

Bunu ayarlayın, Çalıştırma A'nın kablo yapılandırması doğrudur, belirteç faturası 3,5 kat düşer ve yine de bozuk bir harita gönderir. Bu tüm bu alıştırmanın dürüst özetidir: yapılandırma düzeltmesi gerçektir ve faturayı düzeltir, hala kendiniz yapmanız gereken kod incelemesini değil.

Gerçek bir DeepSeek Harness çalıştırmasından salt-ekleme oturum olay akışı, olay sayıları ve yapılandırma sorununu ortaya çıkaran istek başlığı ile

Çalıştırma A'dan Yörünge olay akışı: 606 olay ve eksik çıktı sınırını ortaya çıkaran olay.

Bu DeepSeek Harness İncelemesinin Maliyeti Ne Kadar ve Üretime Hazır mı?

Önemsiz olmayan bir görevin üç tam aracı çalıştırması, doğrudan yörüngelerden, 1M başına düz $0.14 giriş / $0.28 çıkış oranında:

Bundan çıkarılacak iki şey var. İlk olarak, önbellek sayıları gerçek ve uç nokta bunları raporluyor: üç çalıştırma boyunca tüm istem belirteçlerinin %93,8'i önbellek okuması olarak geri geldi, bu da bir aracı döngüsünü uygun fiyatlı kılan şeydir. İkinci olarak, yanlış yapılandırılmış çalıştırma, aynı boyuttaki bir görev için ayarlanmış olandan 3,5 kat daha pahalıya mal oldu. Bu, iki YAML satırının gerçek fiyatıdır.

Her çalıştırmadaki ilk çağrının şekline dikkat edin: aracı henüz hiçbir şey yapmadan önce yaklaşık 11.000 giriş belirteci. Bu, "her şey bir eklentidir" ifadesinin ima ettiği sistem istemi, araç şemaları ve beceri kataloğudur ve her yeni oturumda bunu ödersiniz. Bu nedenle önbellek isabet oranı, bu harness'te daha ince olandan daha önemlidir ve göreviniz tam araç setine ihtiyaç duymuyorsa, yalnızca bash ve bir dosya düzenleyicisi olan bir Minimal mod çalıştırması denemeye değerdir.

Peki üretime koyabilir misiniz? Hayır ve proje sizinle aynı fikirde. README'nin kendi sözleri: "DeepSeek Harness şu anda geliştirici önizlemesindedir ve hızla yineleme yapmaktadır. UYUMLULUĞU BOZAN DEĞİŞİKLİKLER OLACAKTIR." Web UI, "DeepSeek Harness 0.1, Harness geliştiricileri için test aşamasında kalır" diyen bir modal ile açılır. MIT lisansı, onunla istediğinizi yapabileceğiniz anlamına gelir; karşısında inşa ettiğiniz API'nin gelecek ay var olacağı anlamına gelmez.

Risk listesinin geri kalanı kısa ve gerçektir. Anonim bir telemetri UUID'si vardır. Eklentiler ve MCP sunucuları bash korumalı alanının dışında yürütülür, bu nedenle bir eklenti güvenmeyi seçtiğiniz koddur. Ve bu incelemenin zor yoldan bulduğu gibi, maliyeti ve doğruluğu kontrol eden ayarlar kılavuz yerine bir paket README'sinde belgelenmiştir; bu, ilk faturanızın, hiçbir hata mesajının size söylemeyeceği nedenlerle olması gerekenden birkaç kat daha fazla olabileceği anlamına gelir.

DeepSeek Harness İncelemesi: Sıkça Sorulan Sorular

DeepSeek Harness üretime hazır mı?

Hayır. README açıkça belirtiyor: "DeepSeek Harness şu anda geliştirici önizlemesindedir ve hızla yineleme yapmaktadır. UYUMLULUĞU BOZAN DEĞİŞİKLİKLER OLACAKTIR." Web UI, bir başlangıç modalında bunu tekrarlar. Kritik olmayan bir iş yükünde sınırlı bir pilot bugün makuldür. Ekibinizin bağlı olduğu bir üretim kontrol düzlemi değildir, çünkü karşısında inşa ettiğiniz API yüzeyi açıkça kararsızdır.

DeepSeek Harness aslında ne kadar disk ve bellek kullanıyor?

macOS'te, npm install @deepseek-ai/dsh 531 paket ve 306 MB çekti, bunun dsh paketinin kendisi 172 KB. Yaygın olarak alıntılanan 1.5 GB, tam bir kaynak derlemesidir, çalışma zamanı kurulumu değil. Web sunucusu süreci, canlı bir oturum açıkken, başlangıçta yaklaşık 212 MB zirve yaptıktan sonra 35 ila 40 MB RSS ile boşta kaldı. UI'nin kendi belleği, dsh'ye değil, tarayıcınıza yansıtılır.

DeepSeek Harness çalıştırmam neden beklenenden çok daha yavaş ve pahalı?

Büyük olasılıkla model girişiniz id'den başka bir şey bildirmiyordur. Bu, rota geri dönüşlerini defaultContextWindow: 262144 ve defaultMaxTokens: 32768 devralır ve bağdaştırıcının muhakeme lehçesini uç noktanızın ana bilgisayar adından tahmin etmesine izin verir. Testimde bu kombinasyon, aynı görev için 36 adım yerine 15 adım ve 3,5 kat belirteç maliyeti üretti. compat.thinkingFormat, gerçek bir contextWindow ve gerçek bir maxTokens ayarlayın.

DeepSeek Harness, DeepSeek dışındaki uç noktalarla çalışır mı?

Evet, herhangi bir OpenAI uyumlu temel URL çalışır ve çoğu insanın onu böyle çalıştıracağı budur. Buradaki püf nokta, düşünme lehçesinin URL'den çıkarılmasıdır, bu nedenle nötr bir ana bilgisayar adındaki DeepSeek lehçeli bir ağ geçidiyle OpenAI lehçesinde konuşulur. compat.thinkingFormat: deepseek düzeltmedir ve yalnızca api: openai-completions altında bulunur. Bedrock, Vertex, Azure ve Codex kasıtlı olarak desteklenmez.

Yörünge görünümü gerçekten kullanışlı mı, yoksa pazarlama mı?

Kullanışlıdır ve bu sürümdeki en güçlü şeydir. Oturum günlüğü, kaynağa göre filtreleyebileceğiniz, devam ettirebileceğiniz, çatallayabileceğiniz ve yeniden oynatabileceğiniz gerçek bir salt-ekleme JSONL dosyasıdır ve request/header olayı bana kabloya tam olarak hangi yapılandırmanın ulaştığını söyledi, bu da sorunumu çözdü. Yapmadığı şey, modelin neden bir şeyi seçtiğini açıklamaktır. Modelin ne gördüğünü kaydeder, neden karar verdiğini değil.

DeepSeek Harness vs Claude Code veya OpenCode, hangisini günlük olarak kullanmalıyım?

Güvenilir bir şekilde kod yazacak bir şey istiyorsanız, bugün için bu değil, henüz değil. Aracı çalışma zamanının kendisini değiştirmek istediğinizde Harness'ı seçin, çünkü döngüyü, araçları veya UI'yi değiştirmek burada bir çataldan ziyade bir yapılandırmadır. Belirteç kullanımına ilişkin sayısal bir karşılaştırma için bkz. DeepSeek Harness vs OpenCode ve uzantı katmanı için hangi eklentiler kurmaya değer.

---

Çalıştırmalar 18 Ağustos 2026'da macOS, Node v24.15.0, @deepseek-ai/[email protected], model deepseek-ai/deepseek-v4-flash-0731 üzerinde Atlas Cloud üzerinden sunulan bir OpenAI uyumlu uç nokta üzerinden gerçekleştirildi. Bu makaledeki her belirteç sayısı, duvar saati süresi ve konsol hatası, bu çalıştırmaların oturum günlüklerinden ve tarayıcı konsollarından gelmektedir.