DeepSeek-Harness-Tutorial

Für wen ist dieses Tutorial gedacht?

Dieses Tutorial richtet sich an die folgenden Arten von Lesern:

• Entwickler / IngenieureFür diejenigen, die einen lokalen KI-Coding-Assistenten möchten, dessen Fähigkeitsgrenzen vollständig kontrollierbar sind und bei dem jede Komponente ersetzt oder neu kombiniert werden kann – statt einer Blackbox, die vom Anbieter auf feste Funktionalität festgelegt ist.

• KI/ML-PraktikerFür diejenigen, die sich für Agent-Architektur interessieren – das zugrunde liegende Cordis-Plugin-System treibt sie an, das ereignisgesteuerte Design wird durch wissenschaftliche Arbeiten gestützt, und das PTC-Muster ermöglicht es Modellen, mehrstufige Tool-Aufrufe mit TypeScript-Programmen zusammenzustellen.

• Effizienz-Tool-Enthusiasten: Für diejenigen, die den Agenten mit einer grafischen Web-UI, einer Headless-Kommandozeile oder dem Python SDK in ihren eigenen Workflow einbetten möchten.

• Forschende: Benötigen beobachtbare Agenten – jede Ausführung schreibt in Append-only-Sitzungsprotokolle, wobei System-Prompts, Gedankenkette, Tool-Aufrufe und Sub-Agent-Scheduling in der Trajectory-Ansicht einsehbar sind.

• Nutzer, die Open Source und Kontrollierbarkeit schätzenMIT-Open-Source-Lizenz, freie Komposition auf der Konfigurationsschicht, keine Telemetrie, kein Cloud-Lock-in, vollständig selbstbestimmt.

Erforderliche Vorkenntnisse vor dem Lesen

Dieses TutorialNicht erforderlichEinen Hintergrund in KI-Forschung oder fundierte Machine-Learning-Kenntnisse. Sie benötigen:

Betriebssystemanforderungen: Linux, macOS oder Windows (kann nach der Installation von Node.js ausgeführt werden).

Kernfunktionen

DeepSeek Harness Funktionen:

• 🧩 Alles ist ein Plugin— Der Cordis-Kernel übernimmt nur das Laden, Entladen und die Abhängigkeitsverwaltung von Plugins; alle Fähigkeiten wie Modelle, Tools, Skills, Sitzungen, Sandbox, Speicher, Schleifen, Scheduling und UI werden von Plugins bereitgestellt, die über Services und Events zusammenarbeiten, mit freier Komposition auf der Konfigurationsebene

• 📜 Nachvollziehbare Ausführung— Alles, was das Modell sieht (System-Prompts, Gedankenkette, Tool-Aufrufe und -Ergebnisse, Subagenten-Scheduling, Kontextinjektion), wird in append-only Sitzungsprotokolle geschrieben; die Trajectory-Ansicht zeigt nach Quelle an, wobei Resume, Fork, Retrieval und Replay denselben Event-Stream gemeinsam nutzen

• 🛠️ Vier Betriebsmodi— Standardmodus (funktionsvollständiger Coding-Agent), PTC-Modus (das Modell kombiniert mehrere Runden von Tool-Aufrufen mithilfe eines TypeScript-Programms), Minimalmodus (zwei Tools, zum Modell-Benchmarking), Kreativmodus (Laufzeitprüfungen + Plugin-Experimente + Erstellung benutzerdefinierter Presets)

• 🌐 Mehrformige Nutzung— Web-UI (Standard: http://127.0.0.1:3080), Headless (einmal ausführen, die endgültige Antwort ausgeben und beenden), CLI, Python SDK, TypeScript SDK

• 🔌 Umfangreiche Tools und Erweiterungen— Dateibearbeitung, Shell, Datei- und Websuche, Skills, Planung, Ziele, Subagenten, Workflows; ereignisgesteuerte Erweiterungspunkte (drei-Ebenen-Ereignisse: Session/Agent/Fähigkeit), jede Fähigkeit kann durch Patches ersetzt werden

• 🔒 Offen und kontrollierbar— MIT-Open-Source; geschichtete Konfiguration aus Profile + Composition Package,dsh --profile web --dump-configDen vollständigen Konfigurationsbaum des tatsächlichen Starts anzeigen; unprivilegierter Kernel, alle Registrierungen sind umkehrbar

• 🤖 Modellagnostisch— DeepSeek-API-Schlüssel eintragen und sofort einsatzbereit; unterstützt andere Anbieter und benutzerdefinierte OpenAI-kompatible Endpunkte; Modell-Routing ohne Neustart

• 🔬 Forschungsbereit— Vollständig beobachtbarer Event-Stream und Konfigurationsbaum, offenes Design für Forschung zur Agent-Architektur (das zugrunde liegende Cordis wird durch akademische Paper gestützt)

Verwandte Ressourcen

Offizielle Ressourcen