تصور کنید می‌خواهید یک کارمند دیجیتال بسازید که هر بخش از مغز و ابزارهای او را بتوان بدون بازنویسی کل سیستم، مانند قطعات لگو تعویض کرد. DeepSeek Harness (dsh) نسخه ۰.۱ دقیقاً همین رویکرد را در پیش گرفته و مرز میان یک مدل زبانی بزرگ (LLM) خام و یک عامل عملیاتی را به یک رابط پلاگینی تبدیل کرده است. این زیرساخت که در حال حاضر در مرحله پیش‌نمایش توسعه‌دهندگان (Developer Preview) قرار دارد و تحت مجوز MIT منتشر شده، هر المان یک عامل (Agent) — از مدل و ابزارها گرفته تا رابط کاربری و زمان‌بندی — را به عنوان یک مؤلفه ماژولار می‌بیند.
اکثر چارچوب‌های فعلی عامل‌ها، حلقه کنترل (Control Loop) و ثبت ابزارها (Tool Registry) را به‌صورت سخت‌افزاری (Hard-coded) تعریف می‌کنند و توسعه‌دهندگان را مجبور می‌کنند تنها در چارچوب قلاب‌هایی (Hooks) که نویسندگان ابزار فراهم کرده‌اند، فعالیت کنند. DeepSeek Harness این منطق را با استفاده از هسته Cordis تغییر می‌دهد؛ یک متا-چارچوب که برای ترکیب‌پذیری زمانی-مکانی (Spatiotemporal Composability) طراحی شده است. این رویکرد نوآورانه در مدیریت قابلیت‌های قابل تعویض به توسعه‌دهندگان اجازه می‌دهد تا انعطاف‌پذیری سیستم را به شدت افزایش دهند. در این معماری، قابلیت‌ها به‌جای قرارگیری در یک هسته دارای امتیاز ویژه (Privileged Core)، در پلاگین‌ها زندگی می‌کنند؛ به این معنا که شما می‌توانید یک ذخیره‌ساز نشست (Session Store) یا یک محیط ایزوله (Sandbox) را بدون دست زدن به کد منبع تعویض کنید.
زمینه و معماری
دیپ‌سیک رابطه را به این شکل تعریف می‌کند: «عامل = مدل + هارنس». در حالی که اکثر سیستم‌ها حلقه عامل و ذخیره‌ساز نشست را ثابت نگه می‌دارند، Harness تضمین می‌کند که مدل‌ها، ابزارها، مهارت‌ها، نشست‌ها، محیط‌های ایزوله، ذخیره‌سازی، حلقه‌ها، زمان‌بندی و رابط کاربری همگی پشت مرزهای پلاگین Cordis قرار بگیرند. این ساختار بر پایه پلاگین‌های قابل تعویض بنا شده تا توسعه عامل‌های هوشمند را از یک فرآیند خطی به یک فرآیند اسمبل کردن تبدیل کند. این اجزا را می‌توان بدون تغییر در کد منبع Harness، از طریق پیکربندی (Configuration) انتخاب یا گسترش داد.
به نقل از مستندات پروژه، این سیستم بیش از آنکه یک دستیار کدنویسی ایستا باشد، کیتی برای اسمبل کردن محیط‌های اجرای عامل (Agent Runtimes) است. این ویژگی به‌ویژه برای صنایع تحت نظارت مانند خدمات مالی یا بهداشت و درمان که استقرار محلی، میزبانی شخصی (Self-hosted) و قابلیت بازرسی (Audit) اجرای عامل‌ها در آن‌ها الزامی است، ارزش بالایی دارد.
کاربران هدف و کاربردها
به دلیل مجوز MIT و قابلیت میزبانی شخصی، این هارنس برای لایه‌های سازمانی و صنایع خاصی هدف‌گذاری شده است:
- سطح شرکتی: استارتاپ‌های AI-native و تیم‌های تجربه توسعه‌دهنده (DevEx) در شرکت‌های متوسط تا بزرگ که ابزارهای داخلی را مدیریت می‌کنند.
- صنایع: توسعه نرم‌افزار و ابزارهای توسعه، خدمات مالی و بیمه (برای اجراهای قابل بازرسی)، تحقیق و توسعه دارویی و بهداشت و درمان، و همچنین تولیدکنندگان نیمه‌هادی که پشته‌های مرجع عامل (Reference Agent Stacks) را منتشر می‌کنند.
- کاربردها: ساخت عامل‌های کدنویسی داخلی روی مخازن خصوصی، ارزیابی مدل در محیط‌های کنترل‌شده با دو ابزار، نظارت بر عامل‌ها (Agent Observability) و تعریف سیاست‌های تایید سفارشی.
حالت‌های اجرا و قابلیت‌ها
DeepSeek Harness با چهار حالت اجرای مجزا عرضه شده است تا نیازهای مختلف توسعه‌دهندگان را پوشش دهد:
- Standard: یک عامل کدنویسی کامل که مجهز به ویرایش فایل، دسترسی به شل (Shell)، جست‌وجوی فایل و وب، مهارت‌ها، برنامه‌ریزی، اهداف، زیر-عامل‌ها (Subagents) و جریان‌های کاری است. این حالت در واقع همان مکانیزمی است که مدل‌های زبانی را به کارمندانی برای ویرایش کد تبدیل می‌کند.
- Code: ابزارها را از طریق یک SDK مخصوص حالت کد ارائه می‌دهد و به مدل‌ها اجازه می‌دهد عملیات چندمرحله‌ای را از طریق برنامه‌های TypeScript اجرا کنند.
- Minimal: محیطی حداقلی و stripped-down که تنها شامل یک bash پایدار و ویرایشگر
str_replace_editorاست؛ این حالت به‌طور خاص برای بنچ‌مارک کردن مدل‌ها در یک محیط عریان طراحی شده است. - Creator: طراحی شده برای آزمایش و تجربه، که قابلیت‌های بازرسی زمان اجرا (Runtime Inspection)، آزمایش پلاگین‌های در-حافظه (In-memory) و راهنمایی برای نویسندگی پیش‌فرض‌ها (Preset-authoring) را اضافه می‌کند.
ردیابی و مسیریابی مدل
یکی از برجسته‌ترین ادعاهای فنی در dsh، ثبت وقایع به‌صورت «فقط-افزودنی» (Append-only) در لاگ نشست‌ها است. در حالی که اکثر چارچوب‌ها فقط فراخوانی ابزارها را ثبت می‌کنند، dsh هر تزریق زمینه (Context Injection)، از جمله پرامپت‌های سیستمی، مراحل استدلال، نتایج ابزارها و زمان‌بندی زیر-عامل‌ها را ضبط می‌کند. این جریان رویداد کامل، امکان بازگشت (Resuming)، انشعاب (Forking)، جست‌وجو و بازپخش مسیرهای حرکت عامل را از طریق نمای Trajectory فراهم می‌کند.
مسیریابی مدل نیز به‌عنوان یک پلاگین مدیریت می‌شود. در بخش Settings $\rightarrow$ Models، افزودن یک کلید API دیپ‌سیک بدون نیاز به ری‌استارت سرور، روی درخواست بعدی اثر می‌گذارد. این سیستم از ارائه‌دهندگان زیر پشتیبانی می‌کند:
- ارائه‌دهندگان کلید API: DeepSeek، Anthropic و OpenAI.
- ارائه‌دهندگان اعتبارنامه‌های بومی: AWS Bedrock (اعتبارنامه‌ها و منطقه AWS)، Google Vertex (پروژه ADC)، Azure (نسخه api-version) و Codex (OAuth).
- ارائه‌دهندگان سفارشی: هر URL پایه و پروتکل سازگار با OpenAI.
کلیدها به‌صورت write-only هستند و در مسیر $DSH_HOME/.credentials.yaml ذخیره می‌شوند، در حالی که تنظیمات تنها یک ارجاع به اعتبارنامه را نگه می‌دارند.
استقرار و دسترسی
توسعه‌دهندگان می‌توانند رابط کاربری وب را فوراً با دستور npx @deepseek-ai/dsh web اجرا کنند که رابط را به‌طور پیش‌فرض روی http://127.0.0.1:3080 ارائه می‌دهد. برای کسانی که از طریق Checkout نصب می‌کنند، فرآیند شامل git clone، pnpm install، pnpm run build و سپس pnpm dsh web است.
برای یکپارچه‌سازی در محیط‌های پایتون، یک SDK اختصاصی (deepseek-harness-sdk) برای لینوکس x64، لینوکس arm64 و macOS 14+ روی arm64 در دسترس است. این SDK به پایتون ۳.۱۰ یا بالاتر نیاز دارد و Runtime bundled آن نیازی به نصب Node.js در سیستم ندارد.
این چرخش به سمت هارنس‌های «پلاگین-محور»، معیار توسعه عامل‌ها را تغییر می‌دهد. اکنون صنعت می‌تواند به‌جای ارزیابی توانایی مدل در استفاده از یک ابزار خاص، بررسی کند که چگونه معماری‌های مختلف حلقه (Loop) و ذخیره‌سازهای نشست بر عملکرد مدل در یک مجموعه ابزار یکسان اثر می‌گذارند.
گام بعدی شما
- مخزن گیت‌هاب dsh را برای به‌روزرسانی‌های نسخه ۰.۲ دنبال کنید تا ببینید جامعه توسعه‌دهندگان چگونه هسته Cordis را برای جریان‌های کاری غیرکدنویسی گسترش می‌دهد.
- اگر در حال ساخت عامل‌های داخلی برای سازمان هستید، حالت Minimal را برای تست استقامت مدل در محیط‌های محدود امتحان کنید.
- SDK پایتون را برای یکپارچه‌سازی قابلیت‌های Trajectory View در ابزارهای نظارتی خود به کار بگیرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو