Несколько дней назад вышел инструмент DeepSeek Harness, который за пару дней набрал около 130 тысяч звёзд на GitHub, а в первый день — почти 100 тысяч, то есть примерно по одной звезде в секунду. В Telegram и на YouTube его массово называют «убийцей» Claude Code и Codex в качестве оболочки для работы с ИИ-агентами. Причина в необычной архитектуре: каждый компонент системы — отдельный настраиваемый плагин. Левое меню, чат для промтов, настройки приложения — всё это плагины. Из самого Harness можно попросить написать плагин для него же, и он способен сам себя улучшать и кастомизировать. Это порождает большое сообщество, которое выкладывает готовые плагины: для OpenDesign, для преобразования кодовой базы в схему приложения, для запуска локально в виде десктоп-приложения, для векторного дизайна через нейронки (Open Pencil), для терминального интерфейса. Есть и плагин с общей доской заданий, к которой подключаются нужные машины, провайдеры и модели. Всё это работает через систему Cordis, позволяющую разбивать всё на включаемые и отключаемые плагины. Проект имеет открытый исходный код и быстрые обновления.
Отдельно отмечается полное отслеживание процесса размышления модели и агента: если раньше модель просто получала задание и работала в фоне, то здесь весь ход действий и размышлений записывается шаг за шагом, и это можно экспортировать для анализа. Автор показывает установку: через npm или скачивание исходников с последующей сборкой через pnpm и запуском в вебе. После установки выбирается рабочая директория и настраиваются модели. Важный момент: использовать именно DeepSeek не обязательно — доступны Anthropic, Claude, Google, Grok, Kimi, Hugging Face, Meta, Nvidia, OpenAI, Open Code, Open Router и другие. Автор выбирает Open Router. В интерфейсе видна последовательность размышлений модели, каждый шаг, свой промт, обновление системного промта, работа агента, потраченные токены и даже процесс записи. Можно выделять фрагменты и скачивать сессию для дальнейшего анализа. Это позволяет детальнее понять, как работает harness и чем отличаются модели и провайдеры.
Автор демонстрирует создание собственного плагина: при запуске через npx это не сработает, нужен исходный код. Harness предлагает варианты решения, например отдельный плагин по правилам репозитория. В ходе разработки создаётся список заданий, отображаемый в истории, и в итоге в разделе плагинов появляется собственная реализация, запущенная и примонтированная. Также показана установка готового плагина сообщества: после ввода команды и запуска получается CLI, аналогичный Claude Code или Open Code, работающий прямо из терминала со всеми моделями и функционалом. Именно из-за такой расширяемости проект набрал столько звёзд и активно развивается. В финале автор спрашивает мнение зрителей о DeepSeek Harness и о том, какой harness лучше — от Claude, ChatGPT, Google, Open Code или других.
Вставьте ссылку — получите страницу с пересказом примерно через 5 минут.