DeepSeek Harness skal først og fremmest forstås som infrastruktur til at bygge og køre AI-agenter – ikke som en AI-model i sig selv. Udvikler-previewet blev udgivet under MIT-licensen gennem kommandolinjeværktøjet dsh og bygger på en enkel formel: Model + Harness = Agent. Modellen står for ræsonnementet, mens harness-laget forbinder ræsonnementet med filer, terminaler, værktøjer, sessioner og faktisk udførelse. 69

Det var hovedkonklusionen i en hands-on-gennemgang fra 21. august. DeepSeeks satsning handler dermed mindre om at lancere endnu en færdig kodeassistent og mere om at gøre maskineriet bag en agent konfigurerbart og udvideligt.

Hvad betyder “Model + Harness = Agent”?

En sprogmodel kan planlægge og generere instruktioner, men den kan ikke af sig selv undersøge et lokalt projekt, redigere filer, køre kommandoer, bevare en historik over udførelsen eller koordinere gentagne værktøjskald. Det er harnesset, der leverer disse funktioner omkring modellen.

I DeepSeek Harness kan modeladapteren, værktøjsregistreringen, sessionsloggen og selve agentløkken udskiftes som plugins. Arkitekturen er bygget på Cordis, hvor plugins bidrager med tjenester, typede hændelser og reversible effekter til en fælles runtime-kontekst. 17

Adskillelsen har to centrale konsekvenser:

• Modellen er ikke hele agenten. Den træffer beslutninger og producerer ræsonnement eller handlinger.
• Harnesset er ikke principielt bundet til én bestemt model. Runtime-miljøet kan konfigureres med forskellige modeladaptere og sæt af funktioner i stedet for at behandle model og agentapplikation som ét uadskilleligt produkt. 16

Derfor rammer det ved siden af at kalde DeepSeek Harness for “en ny AI-model”. Det er en eksekverings-runtime, der gør det muligt for en ræsonnerende model at handle i et rigtigt arbejdsmiljø.

Sådan kommer du i gang med udvikler-previewet

Den gennemgåede quickstart brugte denne kommando:

npx @deepseek-ai/dsh web

Den lokale webgrænseflade blev vist på localhost:3080. En anden hands-on-gennemgang beskriver den tilsvarende lokale adresse som 127.0.0.1:3080. 64

Gennemgangen rapporterede også, at brugeren skulle indtaste en DeepSeek API-nøgle, hvorefter grænsefladen var mærket “Exploring the Uncharted”. Det er observationer fra den konkrete test og ikke en garanti for, at alle installationer viser præcis samme grænseflade eller konfigurationsforløb. 7

Den praktiske pointe er, at previewet henvender sig til udviklere, som er fortrolige med at konfigurere en lokal runtime og selv levere adgang til en model – ikke til brugere, der leder efter en færdig kodeassistent uden opsætning.

Fire arbejdsformer – fire plugin-sammensætninger

DeepSeek Harness behandler ikke de fire tilstande som fire helt separate produkter. De er foruddefinerede runtime-sammensætninger, hvor hver tilstand indlæser en anden standardpakke af plugins til en bestemt type arbejde. 1823

Standard: den komplette agentoplevelse

Standard er den generelle tilstand. DeepSeek beskriver den som en komplet kodeagent med filredigering, shell-adgang, fil- og websøgning, skills, planlægning, mål, underagenter og workflows. 20

Det er den tilstand, der ligger tættest på almindelig agentbaseret udvikling og opgaveløsning. Previewets ujævne kanter gør den dog mere oplagt til eksperimenter end til brugere, der blot ønsker en poleret erstatning for en etableret kodeagent.

PTC: programmatisk værktøjskald

PTC, eller Programmatic Tool Calling, er udviklet til arbejdsgange, hvor modellen skriver kode for at koordinere flere værktøjskald. I stedet for at anmode om hver enkelt operation separat kan modellen bruge et genereret program til at orkestrere en række handlinger. 20

Tilgangen er rettet mod stærkere modeller og avancerede brugere, der arbejder med flertrinsopgaver. Den kan gøre værktøjstunge workflows mere strukturerede, men gør det samtidig vigtigere at kontrollere, hvad den genererede kode faktisk udfører.

Minimal: et kontrolleret testmiljø

Minimal skærer runtime-miljøet ned til et shell-værktøj og en filredigerer. DeepSeek positionerer den som en måde at benchmarke eller undersøge modeller i et bevidst begrænset miljø med mindre hjælp fra det omkringliggende harness. 20

Tilstanden er nyttig, når målet er evaluering frem for bekvemmelighed. Den gør det lettere at skelne mellem modellens egne evner og de funktioner, som en komplet agentstak leverer.

Creation: til udvikling af nye tilstande

Creation er målrettet udviklere, der vil ændre eller udvide harnesset. Den understøtter inspektion af runtime-miljøet, Cordis-eksperimenter i hukommelsen og sammensætning af egne presets. 20

Et dokumenteret plugin til Creation-tilstanden tilføjer desuden Cordis-selvinspektion, eksperimenter med dynamiske plugins og vejledning i at skrive presets. 22 Creation er derfor det tydeligste udtryk for DeepSeeks større ambition: Systemet skal ikke kun køre agenter, men også lade udviklere omforme den runtime, som agenterne bruger.

Cordis og arkitekturen, hvor alt er et plugin

Det mest særprægede ved DeepSeek Harness er den arkitektoniske filosofi. I stedet for at gemme model, værktøjer, historik og kontrolsløjfe i en stor, fast kerne eksponerer systemet disse dele gennem Cordis' plugin-system.

Den officielle arkitekturdokumentation fremhæver specifikt følgende som udskiftelige plugins:

• modeladaptere
• værktøjsregistre
• sessionslogs
• selve agentløkken 17

Hands-on-rapporter beskriver en bredere vision, der også omfatter skills, sessioner, sandkasser, lagring, planlægning og brugergrænsefladen. Disse bredere eksempler er ikke alle selvstændigt dokumenteret i det medfølgende primærkildeuddrag og bør derfor forstås som projektets rapporterede retning snarere end som lige så verificerede implementeringsdetaljer. 117

Designet forklarer også, hvorfor de fire tilstande kan føles fundamentalt forskellige uden at kræve fire separate applikationer. En profil kan ved opstart sammensætte ordnede plugin-lag, så runtime-miljøet tilpasses almindelig programmering, kontrolleret evaluering, programmatisk værktøjsbrug eller plugin-udvikling. 1723

Gennemsigtig udførelse i stedet for en sort boks

Agent-systemer er vanskelige at fejlfinde, hvis de kun viser det endelige svar. DeepSeek Harness lægger større vægt på selve udførelsesforløbet: Sessioner og trajectorier indgår i runtime-arkitekturen, og sessionslog-komponenten kan udskiftes ligesom andre plugins. 17

En separat hands-on-rapport beskrev trajector-visningen som en append-only JSONL-hændelsesstrøm på disken. Den gjorde det muligt hurtigt at diagnosticere et konfigurationsproblem. 4 Det officielle arkitekturuddrag bekræfter sessionslogs som plugins, men dokumenterer ikke i sig selv alle detaljer om det append-only-format.

For udviklere kan denne sporbarhed være næsten lige så vigtig som modellens rå kvalitet. Den kan blandt andet vise, hvilket værktøj der blev kaldt, hvad agenten forsøgte at gøre, og hvornår en lang opgave begyndte at bevæge sig i den forkerte retning.

Hvad de tidlige tests siger om ydeevnen

De tilgængelige tests peger på reelle funktioner, men udgør ikke en universel performancebenchmark. I en session 21. august med DeepSeek V4 Flash 0731 brugte agenten 46 minutter og 109 trin på at bygge et plugin og forbrugte 8,9 millioner inputtokens. 1 En anden praktisk test rapporterede omkring 20 millioner tokens over cirka 35 minutter, mens systemet byggede en tracker for Den Internationale Rumstation. 2

Den forsigtige konklusion er, at lange autonome opgaver kan være langsomme og dyre i udvikler-previewet. Køretiden afhænger af model, opgave, caching og arbejdsbelastning, så tallene bør ikke læses som en fast hastighedsgrænse for alle DeepSeek Harness-sessioner.

Det samme materiale tydeliggør produktets nuværende kompromis: DeepSeek tilbyder usædvanligt konfigurerbar infrastruktur, før brugeroplevelsen er færdigpoleret. Projektet er blevet beskrevet som lovende infrastruktur og som et muligt fundament for et afgrænset teknisk pilotprojekt – men endnu ikke som en produktionsklar kontrolplatform. 56

Konklusion: Infrastruktur før færdigt produkt

Den mest præcise positionering er ikke, at DeepSeek har bygget den bedste brugerflade til kodeagenter. Det er, at virksomheden har open sourcet en bred agent-runtime, hvor modeller, værktøjer, eksekveringssløjfer og andre funktioner kan sammensættes og udskiftes.

Det gør DeepSeek Harness særligt interessant for:

• udviklere, der bygger egne agenter
• forskere, som vil evaluere modeller med forskellige niveauer af harness-understøttelse
• teams, der har brug for gennemskuelige eksekveringshistorikker
• open source-bidragsydere, der eksperimenterer med plugins og runtime-sammensætning

Det er mindre oplagt for den bruger, der i dag bare ønsker en poleret kodeagent med forudsigelig svartid og minimal opsætning. v0.1-skallen er stadig tidlig, og rapporterne om lange opgaver viser, at funktionalitet ikke automatisk betyder høj hastighed eller produktionsklarhed. 56

Kort sagt er “Model + Harness = Agent” både en produktforklaring og en strategisk erklæring. DeepSeek adskiller intelligensen fra det maskineri, der gør det muligt for intelligensen at handle – og satser på, at en udvidelig plugin-runtime kan blive mere værdifuld end én fast agentapplikation.

DeepSeek Harness skal først og fremmest forstås som infrastruktur til at bygge og køre AI-agenter – ikke som en AI-model i sig selv. Udvikler-previewet blev udgivet under MIT-licensen gennem kommandolinjeværktøjet dsh og bygger på en enkel formel: Model + Harness = Agent. Modellen står for ræsonnementet, mens harness-laget forbinder ræsonnementet med filer, terminaler, værktøjer, sessioner og faktisk udførelse. 69

Det var hovedkonklusionen i en hands-on-gennemgang fra 21. august. DeepSeeks satsning handler dermed mindre om at lancere endnu en færdig kodeassistent og mere om at gøre maskineriet bag en agent konfigurerbart og udvideligt.

Hvad betyder “Model + Harness = Agent”?

En sprogmodel kan planlægge og generere instruktioner, men den kan ikke af sig selv undersøge et lokalt projekt, redigere filer, køre kommandoer, bevare en historik over udførelsen eller koordinere gentagne værktøjskald. Det er harnesset, der leverer disse funktioner omkring modellen.

I DeepSeek Harness kan modeladapteren, værktøjsregistreringen, sessionsloggen og selve agentløkken udskiftes som plugins. Arkitekturen er bygget på Cordis, hvor plugins bidrager med tjenester, typede hændelser og reversible effekter til en fælles runtime-kontekst. 17

Adskillelsen har to centrale konsekvenser:

• Modellen er ikke hele agenten. Den træffer beslutninger og producerer ræsonnement eller handlinger.
• Harnesset er ikke principielt bundet til én bestemt model. Runtime-miljøet kan konfigureres med forskellige modeladaptere og sæt af funktioner i stedet for at behandle model og agentapplikation som ét uadskilleligt produkt. 16

Derfor rammer det ved siden af at kalde DeepSeek Harness for “en ny AI-model”. Det er en eksekverings-runtime, der gør det muligt for en ræsonnerende model at handle i et rigtigt arbejdsmiljø.

Sådan kommer du i gang med udvikler-previewet

Den gennemgåede quickstart brugte denne kommando:

npx @deepseek-ai/dsh web

Den lokale webgrænseflade blev vist på localhost:3080. En anden hands-on-gennemgang beskriver den tilsvarende lokale adresse som 127.0.0.1:3080. 64

Gennemgangen rapporterede også, at brugeren skulle indtaste en DeepSeek API-nøgle, hvorefter grænsefladen var mærket “Exploring the Uncharted”. Det er observationer fra den konkrete test og ikke en garanti for, at alle installationer viser præcis samme grænseflade eller konfigurationsforløb. 7

Den praktiske pointe er, at previewet henvender sig til udviklere, som er fortrolige med at konfigurere en lokal runtime og selv levere adgang til en model – ikke til brugere, der leder efter en færdig kodeassistent uden opsætning.

Fire arbejdsformer – fire plugin-sammensætninger

DeepSeek Harness behandler ikke de fire tilstande som fire helt separate produkter. De er foruddefinerede runtime-sammensætninger, hvor hver tilstand indlæser en anden standardpakke af plugins til en bestemt type arbejde. 1823

Standard: den komplette agentoplevelse

Standard er den generelle tilstand. DeepSeek beskriver den som en komplet kodeagent med filredigering, shell-adgang, fil- og websøgning, skills, planlægning, mål, underagenter og workflows. 20

Det er den tilstand, der ligger tættest på almindelig agentbaseret udvikling og opgaveløsning. Previewets ujævne kanter gør den dog mere oplagt til eksperimenter end til brugere, der blot ønsker en poleret erstatning for en etableret kodeagent.

PTC: programmatisk værktøjskald

PTC, eller Programmatic Tool Calling, er udviklet til arbejdsgange, hvor modellen skriver kode for at koordinere flere værktøjskald. I stedet for at anmode om hver enkelt operation separat kan modellen bruge et genereret program til at orkestrere en række handlinger. 20

Tilgangen er rettet mod stærkere modeller og avancerede brugere, der arbejder med flertrinsopgaver. Den kan gøre værktøjstunge workflows mere strukturerede, men gør det samtidig vigtigere at kontrollere, hvad den genererede kode faktisk udfører.

Minimal: et kontrolleret testmiljø

Minimal skærer runtime-miljøet ned til et shell-værktøj og en filredigerer. DeepSeek positionerer den som en måde at benchmarke eller undersøge modeller i et bevidst begrænset miljø med mindre hjælp fra det omkringliggende harness. 20

Tilstanden er nyttig, når målet er evaluering frem for bekvemmelighed. Den gør det lettere at skelne mellem modellens egne evner og de funktioner, som en komplet agentstak leverer.

Creation: til udvikling af nye tilstande

Creation er målrettet udviklere, der vil ændre eller udvide harnesset. Den understøtter inspektion af runtime-miljøet, Cordis-eksperimenter i hukommelsen og sammensætning af egne presets. 20

Et dokumenteret plugin til Creation-tilstanden tilføjer desuden Cordis-selvinspektion, eksperimenter med dynamiske plugins og vejledning i at skrive presets. 22 Creation er derfor det tydeligste udtryk for DeepSeeks større ambition: Systemet skal ikke kun køre agenter, men også lade udviklere omforme den runtime, som agenterne bruger.

Cordis og arkitekturen, hvor alt er et plugin

Det mest særprægede ved DeepSeek Harness er den arkitektoniske filosofi. I stedet for at gemme model, værktøjer, historik og kontrolsløjfe i en stor, fast kerne eksponerer systemet disse dele gennem Cordis' plugin-system.

Den officielle arkitekturdokumentation fremhæver specifikt følgende som udskiftelige plugins:

• modeladaptere
• værktøjsregistre
• sessionslogs
• selve agentløkken 17

Hands-on-rapporter beskriver en bredere vision, der også omfatter skills, sessioner, sandkasser, lagring, planlægning og brugergrænsefladen. Disse bredere eksempler er ikke alle selvstændigt dokumenteret i det medfølgende primærkildeuddrag og bør derfor forstås som projektets rapporterede retning snarere end som lige så verificerede implementeringsdetaljer. 117

Designet forklarer også, hvorfor de fire tilstande kan føles fundamentalt forskellige uden at kræve fire separate applikationer. En profil kan ved opstart sammensætte ordnede plugin-lag, så runtime-miljøet tilpasses almindelig programmering, kontrolleret evaluering, programmatisk værktøjsbrug eller plugin-udvikling. 1723

Gennemsigtig udførelse i stedet for en sort boks

Agent-systemer er vanskelige at fejlfinde, hvis de kun viser det endelige svar. DeepSeek Harness lægger større vægt på selve udførelsesforløbet: Sessioner og trajectorier indgår i runtime-arkitekturen, og sessionslog-komponenten kan udskiftes ligesom andre plugins. 17

En separat hands-on-rapport beskrev trajector-visningen som en append-only JSONL-hændelsesstrøm på disken. Den gjorde det muligt hurtigt at diagnosticere et konfigurationsproblem. 4 Det officielle arkitekturuddrag bekræfter sessionslogs som plugins, men dokumenterer ikke i sig selv alle detaljer om det append-only-format.

For udviklere kan denne sporbarhed være næsten lige så vigtig som modellens rå kvalitet. Den kan blandt andet vise, hvilket værktøj der blev kaldt, hvad agenten forsøgte at gøre, og hvornår en lang opgave begyndte at bevæge sig i den forkerte retning.

Hvad de tidlige tests siger om ydeevnen

De tilgængelige tests peger på reelle funktioner, men udgør ikke en universel performancebenchmark. I en session 21. august med DeepSeek V4 Flash 0731 brugte agenten 46 minutter og 109 trin på at bygge et plugin og forbrugte 8,9 millioner inputtokens. 1 En anden praktisk test rapporterede omkring 20 millioner tokens over cirka 35 minutter, mens systemet byggede en tracker for Den Internationale Rumstation. 2

Den forsigtige konklusion er, at lange autonome opgaver kan være langsomme og dyre i udvikler-previewet. Køretiden afhænger af model, opgave, caching og arbejdsbelastning, så tallene bør ikke læses som en fast hastighedsgrænse for alle DeepSeek Harness-sessioner.

Det samme materiale tydeliggør produktets nuværende kompromis: DeepSeek tilbyder usædvanligt konfigurerbar infrastruktur, før brugeroplevelsen er færdigpoleret. Projektet er blevet beskrevet som lovende infrastruktur og som et muligt fundament for et afgrænset teknisk pilotprojekt – men endnu ikke som en produktionsklar kontrolplatform. 56

Konklusion: Infrastruktur før færdigt produkt

Den mest præcise positionering er ikke, at DeepSeek har bygget den bedste brugerflade til kodeagenter. Det er, at virksomheden har open sourcet en bred agent-runtime, hvor modeller, værktøjer, eksekveringssløjfer og andre funktioner kan sammensættes og udskiftes.

Det gør DeepSeek Harness særligt interessant for:

• udviklere, der bygger egne agenter
• forskere, som vil evaluere modeller med forskellige niveauer af harness-understøttelse
• teams, der har brug for gennemskuelige eksekveringshistorikker
• open source-bidragsydere, der eksperimenterer med plugins og runtime-sammensætning

Det er mindre oplagt for den bruger, der i dag bare ønsker en poleret kodeagent med forudsigelig svartid og minimal opsætning. v0.1-skallen er stadig tidlig, og rapporterne om lange opgaver viser, at funktionalitet ikke automatisk betyder høj hastighed eller produktionsklarhed. 56

Kort sagt er “Model + Harness = Agent” både en produktforklaring og en strategisk erklæring. DeepSeek adskiller intelligensen fra det maskineri, der gør det muligt for intelligensen at handle – og satser på, at en udvidelig plugin-runtime kan blive mere værdifuld end én fast agentapplikation.