DeepSeek Harness v0.1: Kiinalaisen tekoälyjätin avoin lähdekoodi vie tekoälyagentit uudelle tasolle

Strateginen käänne kielimalleista agenttitekoälyyn

DeepSeek rakensi maineensa kouluttamalla huippuluokan kielimalleja murto-osalla Yhdysvaltojen kilpailijoiden, kuten OpenAI:n ja Anthropicin, kustannuksista. Harnessin myötä yritys siirtyy "suorituskerrokseen" – infrastruktuuriin, joka muuttaa raa'an älykkyyden käyttöön otettavaksi, tuloa tuottavaksi tuotteeksi . South China Morning Post kutsui julkaisua "strategiseksi käänteeksi, kun DeepSeek astuu uudelle taistelukentälle suurten kielimallien ulkopuolella" .

Yritys on tukenut käännettä noin 7 miljardin dollarin ulkoisella rahoituksella – ensimmäinen merkittävä ulkopuolinen pääoma – ja käynnistänyt aggressiivisen rekrytointikampanjan koko Harness-divisioonaan . Kesäkuuhun 2026 mennessä DeepSeekin kerrottiin tavoittelevan kaikkien osastojen kaksinkertaistamista uuden liiketoimintalinjan rakentamiseksi .

"Kaikki on plugin": modulaarinen arkkitehtuuri

Harnessin määrittelevä suunnitteluperiaate on "Kaikki on plugin" . Se on rakennettu Cordis-metakehyksen päälle, joka hallinnoi pluginien lataamista, purkamista ja riippuvuuksien hallintaa . Kaikki komponentit – mallit, työkalut, taidot, istunnot, hiekkalaatikot, tiedostojärjestelmät, orkestrointisilmukat ja jopa käyttöliittymä – on toteutettu itsenäisinä Cordis-plugineina .

Tämä tarkoittaa, että kehittäjät voivat sekoittaa, yhdistellä, korvata ja laajentaa jokaista ominaisuutta muuttamatta ydinlähdekoodia . "Ei ole erityistä ydintä paikattavaksi" ; järjestelmän laajentaminen tapahtuu asentamalla uusia plugineja olemassa olevien rinnalle. Arkkitehtuuri on suunniteltu siten, että kehittäjät voivat koota mukautetun agenttikehyksen valitsemalla vain ne pluginit, joita tarvitsevat tiettyyn tehtävään .

Neljä esiasetettua tilaa

Harnessissa on neljä sisäänrakennettua agenttiesiasetusta, jotka ovat eri koostumuksia samasta plugin-järjestelmästä :

Jokainen tila lataa oman oletusplugin-sarjansa; tilan vaihtaminen muuttaa agentin työkaluja ja suorituslogiikkaa .

Append-only-istuntolokin ansiosta kaikki järjestelmäohjeet, ajatusketjut, työkalujen kutsut ja tulokset, alagenttien lähetykset ja kontekstin injektiot tallennetaan kokonaan, mikä mahdollistaa tarkan toiston ja virheenkorjauksen .

Jane Street -rekrytointi: Cui Tianyi

Toukokuussa 2026 DeepSeek palkkasi Cui Tianyin (Tianyi Cui) , entisen määrällisen tutkijan ja tähti-insinöörin Jane Streetiltä, johtamaan uutta Harness-tiimiään . Cuin LinkedIn-profiilin mukaan hän on toiminut "Member of Technical Staff, Harness Team" -tehtävässä DeepSeek AI:ssa maaliskuusta 2026 lähtien rakentaen Agent Harnessia Pekingissä . Aiemmin hän oli perustanut Hongkongiin sijoittautuneen kvantitatiivisen kaupankäynnin yrityksen TSY Capitalin vietettyään lähes yhdeksän vuotta Jane Streetillä .

Vanhempi tutkija Deli Chen kertoi toukokuussa 2026, että tiimi rakentaa "CodeHarnessia" tyhjästä, ja erillisen "DeepSeek Code" -tuotteen kerrotaan olevan työn alla . Cui on henkilökohtaisesti haastatellut ehdokkaita päivittäin ja julkaissut rekrytointi-ilmoituksia useilla alustoilla. Hän kuvaa Harness-tiimiä "yhtiön keskeisimmäksi ja tärkeimmäksi tehtäväksi" .

Kilpailuasema Anthropicin Claude Codea vastaan

DeepSeek Harness on suunniteltu suoraksi vaihtoehdoksi Anthropicin Claude Code -sovellukselle – suositulle koodausagenttityökalulle . DeepSeek rekisteröi oman "DeepSeek Harness (Tool Framework)" -WeChat-tilin erilliseksi viralliseksi kanavaksi .

DeepSeek on kuitenkin todennut, että Harness ei ole tarkoitus olla "seuraava Codex" . Sen sijaan se on uudelleenkoostettava, toistettava agenttikehys, jossa jokainen ominaisuus on vaihdettavissa – modulaarisempi ja avoimempi lähestymistapa verrattuna suljettuihin kilpailijoihin . Avoimen lähdekoodin MIT-lisenssistrategia eroaa Anthropicin ja OpenAI:n omistetuista malleista ja voi houkutella laajemman kehittäjäekosysteemin .

Projekti keräsi yli 33 000 GitHub-tähteä muutamassa tunnissa julkisesta esikatselusta , mikä kertoo kehittäjien vahvasta kiinnostuksesta plugin-pohjaista, avoimen lähdekoodin lähestymistapaa kohtaan.

Kuinka pääset alkuun

Aloittaminen on helppoa: suorita

npx @deepseek-ai/dsh web