DeepSeek DeepSeek Harness را در پیش نمایش توسعه دهندگان منتشر کرده است، یک چارچوب منبع باز برای ساخت عوامل هوش مصنوعی که در آن هر قابلیتی - از خود مدل گرفته تا رابط کاربری - یک پلاگین است که می توان آن را تعویض کرد یا دوباره ترکیب کرد. کد منبع گنجانده شده است، و پروژه در GitHub در «deepseek-ai/deepseek-harness» با نصب به سادگی «npx @deepseek-ai/dsh web» در دسترس است.

انتشار، که در 13 آگوست 2026 اعلام شد، با جذابیت فوری در جامعه توسعه‌دهندگان قرار گرفت: صفحه راه‌اندازی آن در عرض یک روز به 700 امتیاز در Hacker News رسید، و آن را به یکی از پر بحث‌ترین داستان‌های هوش مصنوعی هفته تبدیل کرد. برای پوشش مداوم ابزارهایی که توسعه دهندگان چگونه با هوش مصنوعی می سازند، [AI Buzz Wire] (https://aibuzzwire.news) را دنبال کنید.

عامل = مدل + هارنس

قاب بندی DeepSeek برای پروژه به طرز خلع سلاح ساده ای است: مدل روح یک عامل است و مهار چیزی است که به آن اجازه می دهد در دنیای واقعی کار کند. مهار به عامل اجازه می دهد محیط خود را درک کند، از ابزارها استفاده کند و به جای شرایط نمایشی در تنظیمات دنیای واقعی کار کند.

مرکز معماری کرنل کوردیس است که نصب، جداسازی و وابستگی های پلاگین را مدیریت می کند. قابلیت‌های عامل در افزونه‌ها وجود دارد، و خدمات و رویدادهای Cordis به آن افزونه‌ها اجازه می‌دهند با هم کار کنند. دسته بندی قابلیت هایی که به عنوان پلاگین در معرض نمایش قرار می گیرند عبارتند از:

  • مدل ها - خود موتور استدلال قابل تعویض است
  • ابزارها و مهارت ها - کاری که نماینده می تواند انجام دهد
  • جلسه ها و ذخیره سازی - وضعیت چگونه ادامه می یابد
  • جعبه های ایمنی - جایی که کد و اقدامات به صورت ایمن اجرا می شوند
  • حلقه ها و زمان بندی - نحوه سازماندهی کار در طول زمان
  • UI - حتی رابط قابل ترکیب است

توسعه‌دهندگان می‌توانند هر قابلیتی را تنها از طریق پیکربندی، بدون تغییر کد منبع DeepSeek Harness انتخاب، مبادله یا گسترش دهند. این رویکرد یک شرط بندی عمدی است که زیرساخت عامل باید کمتر شبیه یک محصول یکپارچه و بیشتر شبیه اکوسیستمی از قطعات قابل همکاری باشد.

هر اجرا قابل ردیابی است

دومین رکن طراحی شفافیت است. همه چیزهایی که مدل می‌بیند در یک لاگ فقط ضمیمه جلسه ثبت می‌شود: اعلان‌های سیستم، استدلال، فراخوانی‌ها و نتایج ابزار، زمان‌بندی زیر عامل، و هر تزریق زمینه.

یک نمای مسیر داخلی به توسعه دهندگان این امکان را می دهد که این رکوردها را بر اساس منبع بررسی کنند، و مهمتر از همه، از سرگیری، فورک، جستجو و پخش مجدد همه در جریان رویداد یکسان عمل می کنند. این بدان معناست که یک جلسه نماینده یک جعبه سیاه نیست - یک رکورد بادوام و قابل ممیزی است که می تواند بعد از واقعیت بررسی و دوباره اجرا شود. برای تیم‌هایی که چرا یک عامل اقدام غیرمنتظره‌ای را انجام داده است، یا حسابرسان تأیید می‌کنند که چه داده‌هایی بر یک تصمیم تأثیر گذاشته است، این ویژگی به یکی از پایدارترین نقاط درد در هوش مصنوعی عامل می‌پردازد.

چهار حالت زمان اجرا

DeepSeek Harness با چندین حالت زمان اجرا متناسب با نیازهای مختلف ارائه می شود:

حالت استاندارد

یک عامل کد نویسی کامل با ویرایش فایل، پوسته، فایل و جستجوی وب، مهارت ها، برنامه ریزی، اهداف، عوامل فرعی و گردش کار.

حالت کد

همه قابلیت‌های حالت استاندارد، با ابزارهایی که از طریق Code Mode SDK در معرض دید قرار می‌گیرند، بنابراین مدل می‌تواند عملیات چند مرحله‌ای را در یک برنامه TypeScript ترکیب کند - به عامل اجازه می‌دهد تا چندین دور از تماس‌های ابزار را در کد تولید شده به جای یک تماس در یک زمان هماهنگ کند.

حالت حداقل

یک عامل کدنویسی دو ابزاری که عمداً حذف شده است با bash دائمی و «str_replace_editor» که برای محک زدن مدل‌ها در یک محیط حداقلی در نظر گرفته شده است.

حالت خالق

ساخته شده برای ایجاد تنظیمات از پیش تعیین شده عامل سفارشی، با تمام قابلیت‌های حالت استاندارد به‌علاوه بازرسی زمان اجرا، آزمایش‌های افزونه در حافظه و راهنمایی‌های تألیف از پیش تعیین‌شده.

چهار حالت نشان می دهد که DeepSeek انتظار دارد از مهار چه کسی استفاده کند: توسعه دهندگان عوامل تولید را ارسال می کنند، محققان مدل ها را تحت شرایط کنترل شده محک می زنند و سازندگانی که پیکربندی های عامل کاملاً سفارشی را می سازند.

منبع باز به عنوان استراتژی

این نسخه به الگوی DeepSeek برای ارسال زیرساخت های قابل توجه به فضای باز ادامه می دهد - استراتژی که از زمانی که نسخه های مدل آن توجه جهانی را به خود جلب کرده است، بارها آزمایشگاه چینی را در مرکز گفتگوهای توسعه دهندگان قرار داده است. در کنار مهار، DeepSeek اسناد توسعه‌دهنده، مجموعه افزونه‌های جامعه و مقاله تحقیقاتی Cordis را که زیربنای طراحی هسته است، منتشر کرده است.

با ساختن خود مدل فقط یک افزونه دیگر، این پروژه یک امکان تحریک‌آمیز را نیز دعوت می‌کند: مهارهایی مانند این می‌توانند به زیرلایه‌ای مبدل به مدل‌سازی شوند، جایی که مدل‌های OpenAI، Anthropic، Google یا وزن باز اجزای قابل تعویض در یک اسکلت عامل هستند. این که آیا جامعه Cordis را به عنوان آن استاندارد بپذیرد - یا با آن به عنوان یک مهار در میان بسیاری از آنها رفتار کند - در اکوسیستم پلاگینی که در ماه های آینده در اطراف مخزن GitHub رشد می کند، اجرا خواهد شد.

پیش‌نمایش توسعه‌دهنده هم‌اکنون برای توسعه‌دهندگان مهار عامل در سراسر جهان با کد منبع در دسترس است.

از هوش مصنوعی جلوتر بمانید

برای گزارش بیشتر در مورد اکوسیستم عامل و ابزارهایی که توسعه‌دهندگان واقعاً استفاده می‌کنند، [AI Buzz Wire] (https://aibuzzwire.news) را نشانک‌گذاری کنید و آخرین [پوشش ابزارهای هوش مصنوعی] (https://aibuzzwire.news) را بررسی کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →