DeepSeek Harness: ایک اوپن سورس ایجنٹ فریم ورک جہاں حرفی ہر چیز پلگ ان ہے

مکمل ایجنٹ اسٹیک، GitHub پر شائع

DeepSeek نے 13 اگست 2026 کو DeepSeek Harness (dsh) کا ڈویلپر پریویو جاری کیا۔ ریپوزٹری یہاں موجود ہے: deepseek-ai/deepseek-harness۔ دن کے اختتام تک اس میں 1.6k ستارے، 12,293 کمٹ اور 19 شراکت دار تھے — یہ اعداد و شمار بتاتے ہیں کہ یہ کوئی ویک اینڈ ہیک نہیں ہے۔ کوڈ بیس 97.1% TypeScript، 1.6% CSS اور 0.7% Python پر مشتمل ہے۔ اشاعت کے وقت پیکیج کا ورژن: 0.1.0-rc.5

لینڈنگ پیج یہاں پر ہے: deepseek.com/harness اور ڈویلپر دستاویزات یہاں: deepseek-harness.github.io/deepseek-harness

لائسنس کے تحت: MIT

ایک سطر میں پورا کام

README سے: “ایجنٹ = ماڈل + Harness”

ماڈل روح ہے۔ Harness ایک ایجنٹ کو اپنے ماحول کو سمجھنے، ٹولز استعمال کرنے، اور حقیقی ماحول میں کام جاری رکھنے کے قابل بناتا ہے۔ DeepSeek کا نقطہ نظر: ہر صلاحیت — ماڈلز، ٹولز، سکلز، سیشنز، سینڈ باکسز، اسٹوریج، لوپس، شیڈولنگ، اور UI — ایک تبدیل شدہ پلگ ان ہے۔

یہ کوئی نعرہ نہیں۔ یہ فن تعمیر کی طرف سے مجبور کیا جاتا ہے

Cordis: ہر چیز کے نیچے کرنل

DeepSeek Harness Cordis پر بنایا گیا ہے، ایک وینڈرڈ پلگ ان فریم ورک۔ Cordis کے ڈیزائن کو ایک مقالے میں بیان کیا گیا ہے جس کا نام ہے A Programming Paradigm for Spatiotemporal Composability

پورا فریم ورک پانچ خیالات پر محدود ہے:

1. پلگ ان ایک آبجیکٹ ہے جو Service کو نافذ کرتا ہے۔ یہ inject اور apply(ctx) کے ساتھ ایک فنکشن ہو سکتا ہے، یا Service کا سب کلاس ہو سکتا ہے
2. سیاق و سباق خدمات کا ذخیرہ ہے۔ ایک پلگ ان ایک مستحکم کلید کا دعوی کرتا ہے جیسے ctx.tools، ctx.llm، یا ctx.sessions۔ دیگر پلگ ان مخصوص نفاذ کو درآمد کرنے کے بجائے کلید کے ذریعے تلاش کرتے ہیں
3. inject کے ذریعے سروس انحصار کا اعلان کریں۔ پلگ ان جو مطلوبہ خدمات کا نام دیتا ہے وہ ان خدمات کے موجود ہونے تک انتظار کرتا ہے۔ کوئی دستی بوٹ ترتیب نہیں
4. مواصلات کے لیے ٹائپ شدہ ایونٹس۔ چار ڈسپیچ موڈز: emit (فائر اینڈ فورگٹ)، waterfall (مڈل ویئر اسٹائل next() کے ساتھ)، parallel (تمام سننے والے ایک ساتھ چلتے ہیں) اور serial (سننے والے واپسی قدروں کے ساتھ ترتیب سے چلتے ہیں)
5. رجسٹریشنز واپس لانے کے قابل اثرات ہیں۔ پرامپٹ سیکشنز، ٹول اسکیمز، اڈاپٹرز، سننے والے — ہر چیز ctx.effect() کے ذریعے انسٹال ہوتی ہے تاکہ ری لوڈ اور ٹیار ڈاؤن انہیں متوقع طریقے سے کھول دیں

Cordis واٹر فال ماڈل ارد گرد کا مڈل ویئر ہے۔ سننے والا (...args, next) وصول کرتا ہے۔ اگلی سروس کو سونپنے کے لیے next() کال کریں؛ شارٹ سرکٹ کرنے کے لیے بغیر next() کے واپس آجائیں۔ واحد فیصلے والے ایونٹس کے لیے، شارٹ سرکٹنگ ڈیزائن ہے — ایک پالیسی سننے والا مکمل طور پر فیصلہ ملکیت کر سکتا ہے

ہر چیز پلگ ان ہے (سچ میں)

deepseek.com/harness پر پلگ ان کی فہرست مکمل صلاحیت کی سطح کو بتاتی ہے:

• Models — LLM بیک اینڈز (DeepSeek، OpenAI، Anthropic، Bedrock، Vertex، Azure، Codex، نیز کوئی بھی OpenAI ہم آہنگ اینڈ پوائنٹ)
• Tools — وہ چیزیں جو ماڈل کال کر سکتا ہے
• Skills — دوبارہ قابل استعمال پرامپٹ اور ٹول بنڈلز
• Sessions — گفتگو کی حالت کا انتظام
• Sandboxes — جہاں کوڈ چلتا ہے (PTY bash، danger-full-access لوکل بیک اینڈ، landlock پر مبنی نیٹو سینڈ باکس)
• Storage — سیشن مسلسل رہنا
• Loops — ایجنٹ کی باری کی منطق
• Scheduling — سب ایجنٹ اور کام کی ڈسپیچ
• UI — Web UI جو بطور ڈیفالٹ پورٹ 3080 پر پیش کی جاتی ہے

ایک ڈویلپر ان میں سے کسی کو بھی کنفیگریشن کے ذریعے منتخب، تبدیل، یا بڑھا سکتا ہے — DeepSeek Harness کے خود میں کوئی ذریعہ تبدیلی نہیں۔ پلگ ان کنفیگ کیٹلاگ خود بخود ذریعہ سے تیار کیا جاتا ہے (scripts/gen-config-catalog.ts) اور CI کے ذریعے تازہ ترین تصدیق ہوتی ہے، لہذا cordis.yml کے config: بلاک میں ہر فیلڈ پلگ ان کے اعلان کردہ کنفیگ قسم سے بالکل میل کھاتا ہے

چار رن ٹائم موڈز

دستاویزات چار پری سیٹس بھیجتی ہیں۔ ہر ایک مختلف استعمال کے کیس کو ہدف بناتا ہے

Standard Mode — مکمل کوڈنگ ایجنٹ: فائل ایڈیٹنگ، شیل، فائل اور ویب سرچ، سکلز، پلاننگ، اہداف، سب ایجنٹس، اور ورک فلو۔ یہ ڈیفالٹ Web UI تجربہ ہے

Code Mode — Standard میں ہر چیز، لیکن ٹولز Code Mode SDK کے ذریعے بے نقاب کیے جاتے ہیں تاکہ ماڈل ایک TypeScript پروگرام میں کئی مراحل کے کاموں کو یکجا کر سکے۔ ایک ماڈل سے تیار کردہ پروگرام متعدد ٹول کال راؤنڈز کی جگہ لے لیتا ہے

Minimal Mode — صرف دو ٹولز: ایک مستقل bash شیل اور str_replace_editor۔ یہ پتلی ماحول میں ماڈلز کے بینچ مارکنگ کے لیے ہے۔ کوئی سکلز، کوئی پلاننگ، کوئی سب ایجنٹس نہیں — اصلی کوڈ بیس کے خلاف خام ماڈل صلاحیت

Creator Mode — اپنے ایجنٹ پری سیٹس لکھنے کے لیے بنایا گیا ہے۔ Standard mode کی تمام صلاحیتیں شامل ہیں نیز رن ٹائم معائنہ، ان میموری Cordis پلگ ان تجربات، اور پری سیٹ لکھنے کی رہنمائی۔ اسی طرح آپ پانچویں، چھٹے، ساتویں موڈ بناتے ہیں

ہر رن قابل تعاقب ہے

یہاں Harness زیادہ تر ایجنٹ ٹولنگ سے خود کو الگ کرتا ہے۔ ہر وہ چیز جو ماڈل دیکھتا ہے اسے صرف شامل کرنے والے سیشن لاگ میں ریکارڈ کیا جاتا ہے:

• سسٹم پرامپٹس
• استدلال کا آؤٹ پٹ
• ٹول کالز اور ان کے نتائج
• سب ایجنٹ شیڈولنگ کے فیصلے
• ہر سیاق و سباق کا انجیکشن

Web UI میں Trajectory view ہوتا ہے جہاں آپ ان ریکارڈز کو ماخذ کے لحاظ سے فلٹر کرکے دیکھتے ہیں۔ دوبارہ شروع کرنا، فورک کرنا، تلاش کرنا، اور دوبارہ چلانا — چاروں کام ایک ہی ایونٹ سٹریم کے خلاف کام کرتے ہیں۔ کوئی الگ ٹریس ڈیٹا بیس نہیں، کوئی ایکسپورٹ مرحلہ نہیں۔ سیشن JSONL ہی حقیقت کا منبع ہے

Python SDK کے لیے، سیشن ڈائریکٹری غیر کمپریسڈ JSONL ذخیرہ کرتا ہے جس میں جمع کردہ ماڈل درخواستیں اور ٹول کالز شامل ہوتے ہیں۔ examples/jsonrpc-agent/minimal.py میں مثال اسے شروع سے آخر تک دکھاتی ہے

ماڈل کنفیگریشن: DeepSeek + کچھ بھی

ماڈل کنفیگریشن پیج (Configure models) میں تین تہیں ہیں

DeepSeek Official۔ Settings → Models کھولیں، DeepSeek API کلید پیسٹ کریں، محفوظ کریں۔ کلید صرف لکھنے کے قابل ہے۔ محفوظ کرنے کے بعد، UI کو ایک ریڈیکٹڈ ڈسکرپٹر ملتا ہے، کبھی بھی پلین ٹیکسٹ نہیں۔ کلیدیں \$DSH_HOME/.credentials.yaml میں رہتی ہیں؛ سیٹنگز پیج صرف ایک کریڈینشل ریفرنس رکھتا ہے

Catalog providers۔ “Add provider” کلک کریں، Anthropic یا OpenAI منتخب کریں، کلید پیسٹ کریں۔ نیٹیو آستھ استعمال کرنے والے فراہم کنندگان (Bedrock AWS creds + region کے ذریعے، Vertex ADC project کے ذریعے، Azure api-version کے ذریعے، Codex OAuth کے ذریعے) صرف API کلید فیلڈ کے ساتھ کام نہیں کرتے — ہر ایک کو اپنے آستھ پاتھ کی ضرورت ہوتی ہے

Custom providers۔ کمپنی گیٹ وے، سیلف ہوسٹڈ سرور، یا کیٹلاگ میں موجود نہیں کسی بھی فراہم کنندہ کے لیے۔ ایک لوئر کیس Provider ID سیٹ کریں (مستقل — درخواستیں، محفوظ شدہ سیشنز، ماڈل ڈیفالٹس، اور کریڈینشل ریفرنسز سب اسے استعمال کرتے ہیں)، بیس URL، API پروٹوکول، کریڈینشلز، اور کم از کم ایک ماڈل

بصری ماڈلز کو ایک اضافی مرحلہ کی ضرورت ہوتی ہے۔ چونکہ کسٹم اینڈ پوائنٹ کے پاس اپنی تعاون یافتہ طریقوں کو اشتہار دینے کا کوئی طریقہ نہیں ہے، فارم خود بخود ویژن سپورٹ کا پتہ نہیں لگا سکتا۔ آپ \$DSH_HOME/settings.yaml میں ماڈل میں input: [text, image] شامل کریں۔ اگر آپ کے تمام کسٹم ماڈلز تصاویر قبول کرتے ہیں تو، فی ماڈل کی بجائے فراہم کنندہ کی سطح پر ایک بار defaultInput: [text, image] سیٹ کریں۔ input فیلڈ ایک دعوی ہے، چیک نہیں — اگر آپ دعوی کرتے ہیں کہ ایک ماڈل ویژن کرتا ہے لیکن اینڈ پوائنٹ دراصل نہیں کرتا، تو فراہم کنندہ درخواست کو مسترد کرے گا نہ کہ Harness

ٹربل شوٹنگ دستاویزات میں براہ راست بیان کی گئی ہے:

• MISSING_CREDENTIAL → فراہم کنندہ کی کلید کو Models پیج کے ذریعے محفوظ کریں یا حوالہ دیے گئے ماحولیاتی متغیر کو برآمد کریں
• UNKNOWN_MODEL → ایک کنفیگر شدہ ماڈل منتخب کریں، یا گمشدہ ماڈل کو کسٹم فراہم کنندہ میں شامل کریں
• “Get available models 401 لوٹاتا ہے” → کلید چیک کریں۔ ماڈل دریافت OpenAI ہم آہنگ GET /models اینڈ پوائنٹ کو کال کرتا ہے۔ اگر آپ کی سروس اسے بے نقاب نہیں کرتی تو، ماڈلز دستی طور پر درج کریں
• “تصویر بھیجنے سے پہلے مسترد کر دی گئی” → ماڈل نے image طریقہ کار کا اعلان نہیں کیا۔ input: [text, image] شامل کریں
• “فراہم کنندہ تصویر کے ساتھ درخواست کو مسترد کرتا ہے” → ماڈل نے ویژن کی صلاحیت کا دعوی کیا جس کی اس کے اینڈ پوائنٹ میں واقعتا کوئی موجودگی نہیں ہے۔ فہرست سے image ہٹائیں اور ایک تازہ سیشن شروع کریں (پرانی تصویر سیشن لاگ میں رہتی ہے اور ایک ہی درخواست کو دہراتی رہتی ہے)

شروع کریں: تین راستے

راستہ 1: npx @deepseek-ai/dsh web

Node.js انسٹال کریں، ایک کمانڈ چلائیں۔ Web UI http://127.0.0.1:3080 پر شروع ہوجاتی ہے۔ بس۔ کوئی کلون نہیں، کوئی بلڈ نہیں، کوئی pnpm نہیں

npx @deepseek-ai/dsh web

پھر: Settings → Models → DeepSeek API کلید پیسٹ کریں۔ ورک اسپیس منتخب کریں (جس ڈائریکٹری میں dsh کال کیا گیا وہ کام کرتا ہے)۔ ایک سیشن شروع کریں:

اس ریپوزٹری کا خلاصہ کریں اور اس کے اہم پیکیجز کی نشاندہی کریں

ایجنٹ ورک اسپیس فائلوں کو پڑھتا اور ترمیم کرتا ہے، کمانڈز چلاتا ہے، کام سونپتا ہے، اور ایک منصوبہ برقرار رکھتا ہے۔ کوئی بھی آپریشن جس کو فعال اجازت پالیسی کے تحت منظوری کی ضرورت ہوتی ہے، عمل درآمد سے پہلے Web UI میں ایک ڈائیلاگ پاپ کرتا ہے

راستہ 2: کلون کریں اور سورس سے بلڈ کریں

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

راستہ 3: Python SDK

ضروریات: Python 3.10+، Linux x64 / Linux arm64 / macOS 14+ arm64 پر، ایک DeepSeek ہم آہنگ اینڈ پوائنٹ

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
python -m venv .venv
. .venv/bin/activate
python -m pip install deepseek-harness-sdk

کریڈینشلز سیٹ کریں:

export DEEPSEEK_API_KEY=sk-your-key-here
# Optional:
# export DSH_MODEL=deepseek-v4-flash
# export DSH_SYSTEM_PROMPT='You are a helpful software engineer assistant.'

ایک الگ تھلگ ورک اسپیس کے خلاف ایک ٹاسک چلائیں:

python examples/jsonrpc-agent/minimal.py \
  --workspace /absolute/path/to/workspace \
  --session-root /absolute/path/to/sessions \
  --session-id example-001 \
  "ریپوزٹری کا معائنہ کریں اور ناکام ٹیسٹوں کو ٹھیک کریں"

اپنے کوڈ کے لیے، SDK کا انٹری پوائنٹ DeepSeekHarness ایک سیاق و سباق مینیجر کے طور پر ہے:

from pathlib import Path
from deepseek_harness import DeepSeekHarness

config = Path("examples/jsonrpc-agent/minimal.cordis.yml").resolve()
workspace = Path("/absolute/path/to/workspace").resolve()
sessions = Path("/absolute/path/to/sessions").resolve()

with DeepSeekHarness(
    provider="deepseek-official",
    model="deepseek-v4-flash",
    max_tokens=49_152,
    cwd=str(workspace),
    session_root=str(sessions),
    cordis=str(config),
) as harness:
    result = harness.run(
        "ریپوزٹری کا معائنہ کریں اور ناکام ٹیسٹوں کو ٹھیک کریں",
        session_id="example-001",
    )
    print(result.final_response)

DeepSeekHarness سستی طریقے سے بنڈل شدہ رن ٹائم شروع کرتا ہے اور with بلاک کے ختم ہونے تک اسے دوبارہ استعمال کرتا ہے۔ Bash عمل (ورکنگ ڈائریکٹری، ماحولیاتی متغیرات، شیل فنکشنز) کو محفوظ رکھنے کے لیے ایک ہی سیشن ID کو دوبارہ استعمال کریں۔ ایک آزاد ٹاسک کے لیے ایک تازہ سیشن ID استعمال کریں

jsonrpc-agent کی کم از کم کمپوزیشن جان بوجھ کر کم ہے: ماڈل کا سامنا کرنے والے ٹولز کے طور پر صرف مستقل bash اور str_replace_editor۔ Bash ٹائم آؤٹ 300 سیکنڈز۔ ایڈیٹر آؤٹ پٹ کی حد 16,000 حروف۔ سیاق و سباق کی کمپیکشن غیر فعال ہے۔ فائل سسٹم ننگے لوکل بیک اینڈ کا استعمال کرتا ہے — ایڈیٹر پاتھز کسی بھی چیز کو ایڈریس کر سکتے ہیں جو رن ٹائم عمل دیکھ سکتا ہے۔ دستاویزات واضح طور پر خبردار کرتی ہیں: “اسے صرف ڈسپوزایبل چیک آؤٹ یا کنٹینر کے اندر ہی چلائیں”۔ مستقل PTY بیک اینڈ کو POSIX ٹرمینل سبسٹریٹ کی بھی ضرورت ہوتی ہے — اس کمپوزیشن کے لیے Windows سپورٹ نہیں

اپنا پہلا پلگ ان لکھیں

ٹیوٹوریل: آپ کا پہلا پلگ ان۔ ایک پلگ ان ایک TypeScript ماڈیول ہے جو ایک apply فنکشن برآمد کرتا ہے:

import type { Context } from '@deepseek-ai/cordis'

export const name = 'hello-plugin'

export function apply(ctx: Context) {
  console.log('[hello-plugin] plugin loaded!')
}

اسے cordis.yml پیچ میں رجسٹر کریں:

- insert:
  - id: hello
    name: '/absolute/path/to/deepseek-harness/scratch-plugin/src/my-plugin.ts'

اوورلے کے ساتھ بوٹ کریں:

pnpm dsh web --patch ./scratch-plugin/cordis.yml

خود کار صفائی قاتل فیچر ہے۔ ctx کے ذریعے رجسٹر ہونے والی ہر چیز — ایونٹ سننے والے، ٹولز، ٹائمرز — پلگ ان کے انلوڈ ہونے پر صاف ہوجاتی ہیں۔ کوئی دستی removeListener یا clearInterval نہیں۔ واضح صفائی کے لیے (نیٹ ورک کنکشنز)، ctx.effect() سے ایک ڈسپوزر واپس کریں

انحصار inject کے ساتھ اعلان کیے جاتے ہیں:

export const name = 'my-tool-plugin'
export const inject = ['tools']

export function apply(ctx: Context) {
  // ctx.tools is ready here
}

Cordis پلگ ان لوڈ کرنے سے پہلے ہر مطلوبہ سروس کا انتظار کرتا ہے

پلگ ان کی تین شکلیں موجود ہیں: فنکشن (اوپر)، apply کے ساتھ آبجیکٹ، اور Service کو بڑھانے والا کلاس۔ جب پلگ ان خود دوسرے پلگ انز کے لیے سروس فراہم کرتا ہے تو کلاس فارم استعمال کریں

اپنا پہلا ٹول لکھیں

ٹیوٹوریل: ایک ٹول بنائیں۔ @deepseek-ai/dsh-tools سے defineTool استعمال کریں:

import type { Context } from '@deepseek-ai/cordis'
import { defineTool } from '@deepseek-ai/dsh-tools'

export const name = 'greet-tool'
export const inject = ['tools']

export function apply(ctx: Context) {
  ctx.tools.register(defineTool({
    name: 'greet',
    description: 'Greet someone by name.',
    parameters: {
      name: {
        type: 'string',
        required: true,
        description: 'The name to greet',
      },
    },
    output: {
      schema: { type: 'string' },
      render: (_args, value) => [{ type: 'text', text: value }],
    },
    async execute(args) {
      return `Hello, ${args.name}!`
    },
  }))
}

defineTool parameters سے args کا اندازہ لگاتا ہے اور اس کی تصدیق کرتا ہے۔ execute output.schema کے ذریعہ اعلان کردہ کینونیکل ویلیو لوٹاتا ہے۔ output.render اس کینونیکل ویلیو کو ماڈل کا سامنا کرنے والے مواد میں تبدیل کرتا ہے۔ پیچ کے ساتھ دوبارہ شروع کرنے کے بعد، Web UI سے پوچھیں: “Ada کو سلام کرنے کے لیے greet ٹول استعمال کریں”۔ ماڈل greet کال کرتا ہے اور Hello, Ada! وصول کرتا ہے

ٹیوٹوریل سے اگلے مراحل ہیں پلگ ان کنفیگریشن، ٹول آتھرنگ ریفرنس (نیسٹڈ اسکیمز، کینونیکل ویلیوز، پس منظر کا کام، پالیسی ہکس، Code Mode، UI کارڈز) اور صلاحیت لیئرنگ (Service Definition → Service Provider → Consumer پیکیج پلٹ)

CLI انٹری موڈز

@deepseek-ai/dsh کمانڈ پروڈکٹ لانچر ہے۔ چار انٹری پوائنٹس:

بلند کرنے والی ڈائریکٹری ڈیفالٹ ورک اسپیس روٹ ہے۔ web اور headless پروفائلز پہلے استعمال پر بھیجے گئے ٹیمپلیٹس سے خود بخود شروع ہوتے ہیں۔ کسی بھی دوسرے پروفائل کو dsh plugin کے ذریعے بنایا جانا چاہیے

لانچر کے جھنڈے سب سے پہلے آتے ہیں۔ پہلا ٹوکن جسے لانچر پہچانتا نہیں ہے ایپ کے آرگیومنٹس بن جاتے ہیں۔ مثال: dsh --profile web --port 8080 --port 8080 کو ویب ایپ کو دیتا ہے، لانچر کو نہیں

ایک پروفائل ڈائریکٹری ایک package.json (درخت سے باہر پلگ ان انحصار، نیز پروفائل مینی فیسٹ dsh.profile اس کے ترتیب شدہ bundles لسٹ کے ساتھ) اور ایک cordis.patch.yml (صارف کی اپنی پیچ لیئر) رکھتی ہے۔ خالی روٹ پر کمپوزیشن کا ترتیب یہ ہے: ہر بنڈل کا پیچ dsh.profile.bundles ترتیب میں → پروفائل کا cordis.patch.yml → ہوم لیول \$DSH_HOME/cordis.patch.yml → --patch اوورلے۔ بغیر بوٹ کرنے کمپوزڈ ٹری کو معائنہ کرنے کے لیے --dump-default-config اور --dump-config استعمال کریں

کمیونٹی پلگ انز اور ماحولیاتی نظام

دستیاب کرنے کے لیے GitHub پر اپنے پلگ ان ریپو کو dsh-plugin کے ساتھ ٹیگ کریں۔ سرکاری سائٹ اس ٹاپک پیج سے براہ راست لنک کرتی ہے۔ بات چیت کے لیے ایک DeepSeek Harness Discord کمیونٹی بھی موجود ہے

پروجیکٹ فیڈ بیک اور بگ رپورٹس کے لیے GitHub Discussions استعمال کرتا ہے۔ دستاویزات ڈیولپمنٹ ورک فلو کے لیے CONTRIBUTING.md، سسٹم ڈیزائن کے لیے architecture.md، اور ایجنٹ مخصوص کوڈنگ کنونشنز کے لیے AGENTS.md سے لنک کرتی ہے

ڈویلپر پریویو — جی ہاں، یہ ٹوٹے گا

README اسے تمام بڑے حروف میں رکھتا ہے: “مطابقت کو توڑنے والی تبدیلیاں ہوں گی”

بنیادی پلگ انز اور API ابھی ترقی پذیر ہیں۔ لینڈنگ پیج اسے براہ راست کہتی ہے: “DeepSeek Harness ڈویلپر پریویو میں ہے اور ایجنٹ ہارنیس بنانے والے ڈویلپرز کے ذریعہ ابھی جانا جا رہا ہے”

اگر آپ اس کے اوپر بنا رہے ہیں تو، ایک کمٹ ہش پن کریں، اپنے پلگ انز کو کنفیگ کیٹلاگ کے مقابلے میں پتلی رکھیں، اور ہر rc بمپ پر دوبارہ جانچنے کی توقع رکھیں۔ پلگ ان خودکار صفائی اور انحصار انجیکشن دوبارہ جانچ کو مونو لیتھک فریم ورکس سے کم تکلیف دہ بناتے ہیں، لیکن “ڈویلپر پریویو” کا مطلب وہی ہے جو کہا گیا ہے

اسے مختلف بنانے والی چیزیں

آج کل زیادہ تر ایجنٹ فریم ورکس ایک ٹرن لوپ کے ساتھ شروع ہوتے ہیں اور توسیع پذیری کو بعد میں جوڑتے ہیں۔ Harness اسے الٹ کر دیتا ہے: توسیع پذیری ہی فریم ورک ہے، اور ٹرن لوپ صرف ایک اور پلگ ان ہے۔ قابل مشاہدہ نتیجہ تین چیزیں ہیں جو آپ کو عام طور پر ایک پیکیج میں نہیں ملتیں:

• بغیر کسی فورک کے کچھ بھی تبدیل کریں۔ بلٹ ان ٹول سسٹم پسند نہیں؟ اسے تبدیل کریں۔ ایک مختلف LLM روٹنگ لیئر چاہیے؟ فراہم کنندہ کو تبدیل کریں۔ ہر چیز Cordis سروس کیز کے ذریعے حل ہوتی ہے
• بطور ڈیفالٹ قابل تعاقب۔ صرف شامل کرنے والا لاگ کوئی مشاہداتی ایڈ آن نہیں ہے۔ یہ ہی طریقہ ہے جس سے سیشنز کام کرتے ہیں۔ دوبارہ شروع کرنا، فورک کرنا، تلاش کرنا، اور دوبارہ چلانا سب ایک ہی سٹریم کا استعمال کرتے ہیں
• کمپوز ایبل پری سیٹس، فیچر فلیگز نہیں۔ چار موڈز (Standard / Code / Minimal / Creator) صرف ترتیب شدہ پلگ ان بنڈل پیچ لیئرز ہیں۔ آپ کوڈ کی بجائے YAML کے ساتھ اپنے پری سیٹس اوپر پرت کر سکتے ہیں

آیا یہ نقطہ نظر مونو لیتھک SDK پر فاتح ہوگا اس کا انحصار اس بات پر ہے کہ آیا پلگ ان ماحولیاتی نظام تبدیل کرنے/دوبارہ بنانے کی کہانی کو حقیقی بنانے کے لیے کافی تھرڈ پارٹی ٹولز اور فراہم کنندگان تیار کرتا ہے۔ پہلے دن 1.6k ستاروں اور 12k کمٹس پر، رفتار واضح طور پر موجود ہے

حوالہ جات

• DeepSeek Harness لینڈنگ پیج
• GitHub پر deepseek-ai/deepseek-harness
• ڈویلپر دستاویزات کوئیک اسٹارٹ
• ماڈل کنفیگریشن گائیڈ
• Python SDK گائیڈ
• آپ کا پہلا پلگ ان ٹیوٹوریل
• ایک ٹول بنائیں ٹیوٹوریل
• Cordis پرائمر
• پلگ ان کنفیگ کیٹلاگ
• CLI README
• GitHub پر Cordis
• Cordis مقالہ: A Programming Paradigm for Spatiotemporal Composability
• GitHub پر کمیونٹی dsh-plugin ٹاپک
• DeepSeek Harness Discord