Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизКод / SDK · В работуX: @0xpipimd→ оригинал

Каркас DeepSeek для ИИ-агентов набрал 280 тыс. звёзд, а цикл агента в нём — плагин

DeepSeek открыла каркас для ИИ-агентов DeepSeek Harness (dsh), и он набрал больше 280 тысяч звёзд на GitHub. Обычно в таких системах есть центральный цикл, который зовёт модель и запускает инструменты. В dsh цикл, адаптер модели и память — сменные плагины на фреймворке Cordis, так что поведение агента меняют без форка проекта. Для авторов кодинг-агентов это готовый учебный пример архитектуры.

AI-обработка оригинала X: @0xpipimd; редакция Hamidun News
Каркас DeepSeek для ИИ-агентов набрал 280 тыс. звёзд, а цикл агента в нём — плагин
Источник: X: @0xpipimd. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @0xpipimd ↗
Главный редактор
Лицензия MIT, но пока developer previewAPI могут поменяться
Ключевой факт #2Журнал сессии хранит все события, включая неудачные попытки
Ключевой факт #3Поддерживает профили запуска web, headless и SDK

Если вы собирали своего кодинг-агента, то знаете, во что он обычно превращается. В центре сидит один большой цикл: он вызывает модель, запускает инструменты, хранит состояние и раздаёт задачи. Со временем в этот цикл подмешиваются новые условия, и менять его становится страшно. DeepSeek выложила в открытый доступ каркас DeepSeek Harness (сокращённо dsh), который устроен иначе. По данным поста в X, проект уже собрал больше 280 тысяч звёзд на GitHub.

Цикл агента как сменная деталь

В большинстве рантаймов для агентов есть центральный исполнитель. Он отвечает за всё сразу: общается с моделью, запускает инструменты, следит за состоянием и координирует задачи. В dsh такого монолита нет. Каркас построен на Cordis. Это плагинный фреймворк, где возможности собираются из общих сервисов, типизированных событий и управления жизненным циклом.

Представьте конструктор вместо готовой игрушки. Адаптер модели, система памяти и сам цикл агента — отдельные плагины. Хотите другого провайдера LLM? Подключаете его через общий интерфейс. Хотите, чтобы агент иначе планировал шаги? Меняете плагин цикла и не форкаете весь проект.

В описании перечислены основные части:

  • адаптеры моделей с общим интерфейсом для разных провайдеров LLM;
  • запуск инструментов с ограниченным доступом и настраиваемым контролем исполнения;
  • постоянные сессии;
  • оркестрация субагентов, задач и делегированной работы;
  • среды выполнения: локальный запуск и сменные песочницы;
  • расширение плагинами без переписывания цикла.

История сессии отдельно от контекста модели

Самое практичное решение касается истории. Журнал сессии хранит события, а разговор, который видит модель, можно восстановить из этого журнала. Поэтому неудачные и отменённые попытки остаются в записи, но автоматически не попадают в контекст модели.

Это решает знакомую проблему. Агент пробует команду, она падает, пробует снова. Если все провалы тащить в промпт, контекст раздувается, а модель начинает цепляться за собственные ошибки. В dsh для отладки есть полная запись, а модель получает только то, что вы решили ей показать. Для разбора инцидентов, воспроизведения сбоев и экономии токенов такое разделение удобно.

Ещё одна деталь: каркас поддерживает разные профили запуска — web, headless и SDK. Один и тот же движок можно держать за веб-интерфейсом, гонять в фоне на сервере или встраивать в своё приложение.

Что с этим делать и какие есть оговорки

Для разработчика у проекта две ценности. Первая — учебная. Если вы изучаете, как устроена инженерия агентных каркасов, то здесь видно, как исполнение, инструменты, память и оркестрация стыкуются через события и плагины. Вторая — прикладная: лицензия MIT позволяет брать код в коммерческие продукты и переделывать под себя.

Оговорки такие:

  • Проект остаётся в developer preview, то есть API и поведение могут меняться. Строить на нём продакшн сегодня рискованно.
  • Количество звёзд говорит о внимании сообщества, но не о надёжности. Для этого нужны собственные тесты.
  • Источник новости — пост в X, а не официальный анонс. Детали про Cordis, профили запуска и работу с историей стоит сверить в репозитории deepseek-ai.
  • Плагинная архитектура даёт гибкость, но платит за неё сложностью. Больше подвижных частей значит больше стыков, где что-то ломается.

Практический вывод простой. Если вы проектируете своего агента, посмотрите, как dsh разделяет журнал событий и контекст модели. Эту идею можно перенять, даже если сам каркас вы использовать не собираетесь. Если же хотите менять поведение агента без форка, проверьте на небольшом прототипе, насколько удобно писать плагин цикла. Это покажет, выдержит ли подход ваши задачи, пока API ещё не стабилизировался.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: цикл агента как сменная деталь?

В большинстве рантаймов для агентов есть центральный исполнитель. Он отвечает за всё сразу: общается с моделью, запускает инструменты, следит за состоянием и координирует задачи. В dsh такого монолита нет. Каркас построен на Cordis. Это плагинный фреймворк, где возможности собираются из общих сервисов, типизированных событий и управления жизненным циклом. Представьте конструктор вместо готовой игрушки. Адаптер модели, система памяти и сам цикл агента — отдельные плагины. Хотите другого провайдера LLM?

Что известно по теме: история сессии отдельно от контекста модели?

Самое практичное решение касается истории. Журнал сессии хранит события, а разговор, который видит модель, можно восстановить из этого журнала. Поэтому неудачные и отменённые попытки остаются в записи, но автоматически не попадают в контекст модели. Это решает знакомую проблему. Агент пробует команду, она падает, пробует снова. Если все провалы тащить в промпт, контекст раздувается, а модель начинает цепляться за собственные ошибки.

Что известно по теме: что с этим делать и какие есть оговорки?

Для разработчика у проекта две ценности. Первая — учебная. Если вы изучаете, как устроена инженерия агентных каркасов, то здесь видно, как исполнение, инструменты, память и оркестрация стыкуются через события и плагины. Вторая — прикладная: лицензия MIT позволяет брать код в коммерческие продукты и переделывать под себя. Оговорки такие: Проект остаётся в developer preview, то есть API и поведение могут меняться. Строить на нём продакшн сегодня рискованно.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…