DeepSeek Harness v0.1: คู่มือสถาปัตยกรรมปลั๊กอิน
DeepSeek ได้ทำการเปิด DeepSeek Harness (dsh) เป็นโอเพนซอร์สแล้ว เฟรมเวิร์กอ้างอิงสำหรับแอปพลิเคชัน AI Agent ตัวนี้เผยแพร่ในเวอร์ชัน Developer Preview v0.1 และใช้ใบอนุญาต MIT ซึ่งไม่ได้เป็นโมเดลภาษาใหม่ หรือเพียงหน้าเว็บแชททั่วไป แต่เป็นชั้นปฏิบัติการที่เชื่อมโยงโมเดล เครื่องมือ ระบบไฟล์ เซนด์บ็อกซ์ (sandbox) เซสชัน และอินเทอร์เฟซเข้าด้วยกัน
หากมองว่า DeepSeek V4 คือ “สมอง” ที่ทำหน้าที่ทำความเข้าใจและให้เหตุผล Harness จึงเป็น “โต๊ะทำงาน” ที่ช่วยให้โมเดลสามารถอ่านโครงการ เรียกใช้เครื่องมือ รันคำสั่ง บันทึกสถานะงาน และดำเนินการให้เสร็จสิ้นอย่างต่อเนื่อง บทความนี้จะไม่พูดเรื่องคำโฆษณา แต่จะเน้นอธิบายว่า DeepSeek Harness คืออะไร ทำงานอย่างไร เหมาะสมกับสถานการณ์ใด และผู้ใช้ทั่วไปควรเลือกใช้งานอย่างไร
DeepSeek Harness คืออะไร?
แอปพลิเคชันแชททั่วไปมักทำงานในรูปแบบ “ผู้ถาม—โมเดลตอบ” แต่การทำงานระดับ Agent นั้นซับซ้อนกว่า: โมเดลต้องประเมินขั้นตอนต่อไปก่อน จากนั้นจึงเรียกใช้เครื่องมือ อ่านผลลัพธ์ และวางแผนใหม่หากจำเป็น จนกระทั่งงานเสร็จสิ้น ระบบที่จัดการกระบวนการนี้คือ Agent Harness
DeepSeek Harness พัฒนาโดย DeepSeek AI และมีพื้นฐานจากเฟรมเวิร์กชื่อ Cordis แนวคิดหลักตามเอกสารทางการคือ “Everything is a Plugin (ทุกอย่างคือปลั๊กอิน)” ทั้งตัวปรับโมเดล (model adapter) ตัวลงทะเบียนเครื่องมือ (tool registry) บันทึกเซสชัน Agent Loop ไปจนถึงอินเทอร์เฟซและนโยบายการอนุมัติ สามารถติดตั้ง แทนที่ หรือประกอบกันเป็นปลั๊กอินได้
หมายความว่าทีมไม่ต้องเขียนโค้ดใหม่ทั้งหมดเพื่อเปลี่ยนโมเดล เซนด์บ็อกซ์ หรือระบบเครื่องมือ การตั้งค่าชุดหนึ่งสามารถสร้างแอปเว็บได้ ในขณะที่อีกชุดรันงานอัตโนมัติแบบไร้หน้าจอบนเครื่อง (headless) ทำให้ขอบเขตระหว่างโค้ดธุรกิจและขีดความสามารถพื้นฐานชัดเจนขึ้น
ความสัมพันธ์กับ DeepSeek V4 และเว็บไซต์ทางการของ DeepSeek เป็นอย่างไร?
แนวคิดทั้งสามนี้มักถูกสับสนกัน สามารถแยกแยะด้วยตารางด้านล่างได้:
| ชื่อ | หน้าที่หลัก | กลุ่มเป้าหมาย |
|---|---|---|
| DeepSeek V4 | ให้ขีดความสามารถด้านความเข้าใจภาษา การให้เหตุผล และการสร้างโค้ด | บุคคลและนักพัฒนาที่ต้องการใช้ขีดความสามารถของโมเดล |
| เว็บไซต์ทางการ DeepSeek และจุดเข้าสู่แชท | ให้ประสบการณ์การสนทนาออนไลน์ที่พร้อมใช้งานทันที | ผู้ที่ต้องการถามคำถาม เขียนหนังสือ แปล หรือประมวลผลข้อมูลอย่างรวดเร็ว |
| DeepSeek Harness | รวมโมเดล เครื่องมือ เซสชัน ระบบไฟล์ และขั้นตอนการทำงานเข้าเป็น Agent | นักพัฒนาที่ต้องการสร้าง กำหนดเอง หรือศึกษาระบบ AI Agent |
ดังนั้น Harness จึงไม่ได้มาแทนที่โมเดล แต่แก้ปัญหาที่ว่า “จะทำให้โมเดลเข้ามามีส่วนร่วมในงานจริงได้อย่างน่าเชื่อถืออย่างไร” หากคุณต้องการสัมผัสประสบการณ์การใช้งานโมเดลโดยตรง สามารถเริ่มต้นได้ที่ จุดเข้าสู่เว็บไซต์ทางการ DeepSeek หากต้องการเรียนรู้พื้นฐานการใช้งาน สามารถอ่านต่อได้ที่ คู่มือ DeepSeek และ คู่มือการใช้เวอร์ชันเว็บ
”Everything is a Plugin” แก้ปัญหาอะไร?
โครงการ Agent แบบเดิมมักเขียนโค้ดเรียกใช้โมเดล รันเครื่องมือ จัดการสถานะเซสชัน และลอจิกอินเทอร์เฟซรวมกัน ซึ่งเมื่อยังมีฟีเจอร์น้อยๆ อาจไม่เห็นปัญหา แต่เมื่อต้องเปลี่ยนโมเดล เชื่อมต่อเซนด์บ็อกซ์ระยะไกล หรือเพิ่มกฎการอนุมัติ การเปลี่ยนแปลงเล็กน้อยอาจส่งผลกระทบอย่างใหญ่หลวงได้
DeepSeek Harness แยกขีดความสามารถออกเป็นอินเตอร์เฟซที่แทนที่ได้ เอกสารสถาปัตยกรรมทางการเรียกขอบเขตนี้ว่า capability seam โดยทั่วไปประกอบด้วย 3 บทบาท: Service Definition (กำหนดอินเตอร์เฟซ), Service Provider ( 구현 ขีดความสามารถ) และ Consumer (ผู้เรียกใช้ขีดความสามารถ) เช่นเดียวกับระบบไฟล์ ไดเรกทอรีในเครื่อง คอนเทนเนอร์ระยะไกล และเซนด์บ็อกซ์ที่มีข้อจำกัด สามารถให้บริการอินเตอร์เฟซประเภทเดียวกันได้ โดยที่เครื่องมือชั้นบนไม่จำเป็นต้องรู้ตำแหน่งที่แท้จริงของไฟล์
| ชั้นปลั๊กอิน | สิ่งที่รับผิดชอบ | ประโยชน์จากการแทนที่ได้ |
|---|---|---|
| ตัวปรับโมเดล (Model Adapter) | การขอโมเดล ข้อความ และสตรีมเอาท์พุท | สามารถเชื่อมต่อกับโมเดลหรือเอนด์พอยท์อื่นได้ |
| เครื่องมือและสิทธิ์ (Tool & Permissions) | การลงทะเบียนเครื่องมือ การตรวจสอบก่อนเรียกใช้ การรัน และการประมวลผลผลลัพธ์ | สามารถจำกัดการอ่านเขียน คำสั่ง และเครือข่ายตามสถานการณ์ |
| เซสชันและบันทึก (Session & Logs) | บันทึข้อความ การเรียกใช้เครื่องมือ ผลลัพธ์ และการเปลี่ยนแปลงสถานะ | รองรับการกู้คืน การเล่นซ้ำ การแยกสาขา (forking) และการตรวจสอบ |
| ระบบไฟล์และเซนด์บ็อกซ์ (Filesystem & Sandbox) | การอ่านเขียนไฟล์ รันคำสั่ง และสภาพแวดล้อมแบบแยกส่วน | สามารถสลับระหว่างสภาพแวดล้อมในเครื่องและระยะไกลได้ |
| Agent Loop | จัดการการขอโมเดล การเรียกใช้เครื่องมือ และขั้นตอนถัดไป | สามารถกำหนดเองตามรอบงานและเงื่อนไขหยุดทำงาน |
| Web หรือ Headless | ให้ทางเลือกระหว่างเบราว์เซอร์หรือการทำงานแบบไร้หน้าเว็บ | ขีดความสามารถชุดเดียวใช้ได้ทั้งกับการโต้ตอบและอัตโนมัติ |
คุณค่าที่แท้จริงของการเป็นปลั๊กอินไม่ใช่ “จำนวนปลั๊กอินที่มาก” แต่คือ “การลดต้นทุนในการแทนที่” นักพัฒนาสามารถเปลี่ยนเพียงผู้ให้บริการความสามารถหนึ่งรายได้ โดยไม่ต้องคัดลอกและดูแลระบบ Agent ทั้งหมดใหม่
DeepSeek Harness ทำงานอย่างไรจนสำเร็จ?
ทางการกำหนดให้ผู้ใช้หนึ่งครั้งเรียกว่า Turn ซึ่งหนึ่ง Turn สามารถประกอบด้วยหลาย Step โดยแต่ละ Step ตรงกับการขอโมเดลหนึ่งครั้ง และงานเครื่องมือที่ตามมา ขั้นตอนโดยสังเขปมีดังนี้:
- Harness รับข้อความจากผู้ใช้ และประกอบระบบพรอมต์ (system prompt) ข้อความประวัติศาสตร์ และเครื่องมือที่มีอยู่ในปัจจุบัน
- โมเดลตัดสินใจว่าจะตอบโดยตรง หรือเรียกใช้ไฟล์ เทอร์มินัล การค้นหา ฯลฯ
- การเรียกใช้เครื่องมือผ่านนโยบายสิทธิ์และท่อการทำงาน ผลลัพธ์ถูกเขียนลงในบันทึกเซสชัน
- หากผลลัพธ์จากเครื่องมือต้องการให้โมเดลดำเนินการต่อ Harness จะเริ่ม Step ถัดไป
- เมื่อไม่มีเครื่องมือหรืออินพุตใหม่ที่ต้องจัดการ งานใน Turn นี้จะสิ้นสุด
บันทึกเซสชันเป็นส่วนสำคัญของสถาปัตยกรรมนี้ เนื้อหาที่โมเดลเห็นต้องสามารถสร้างใหม่จากบันทึกได้ ข้อความ การเรียกใช้เครื่องมือ ผลลัพธ์สตรีม และการเปลี่ยนแปลงสถานะ ต่างก็สามารถเป็นเหตุการณ์ที่เก็บถาวรได้ สิ่งนี้อำนวยความสะดวกในการกู้คืนงาน ตรวจหาข้อผิดพลาด และทิ้งรากฐานที่เชื่อถือได้สำหรับการเล่นซ้ำและตรวจสอบในอนาคต
สถานการณ์ใดที่เหมาะสมกับการใช้ DeepSeek Harness?
1. Agent สำหรับเขียนโปรแกรมที่ต้องการอ่าน/เขียนโปรเจกต์
เมื่อโจทย์ไม่ใช่แค่การสร้างโค้ด แต่ต้องเข้าใจ repository แก้ไขหลายไฟล์ รันการตรวจสอบ (linting/check) และแก้ไขต่อไปตามข้อผิดพลาด Harness สามารถรวมระบบไฟล์ เทอร์มินัล LSP การวางแผน และการอนุมัติไว้ในกระบวนการเดียวกัน มันเหมาะสำหรับงานต่อเนื่อง มากกว่าการถาม-ตอบโค้ดครั้งเดียวจบ
2. อัตโนมัติเครื่องมือและกระบวนการภายในองค์กร
ทีมสามารถติดตั้งเฉพาะเครื่องมือที่ธุรกิจต้องการ และวางขั้นตอนที่ละเอียดอ่อนไว้หลังการอนุมัติ ตัวอย่างเช่น Agent ค้นหาข้อมูลเปิดเฉพาะสิทธิ์อ่าน ส่วน Agent เผยแพร่จึงอนุญาตให้เขียนในไดเรกทอรีที่กำหนดได้ สิทธิ์มาจากขอบเขตของเครื่องมือและเซนด์บ็อกซ์ ซึ่งบริหารจัดการได้ง่ายกว่าการบอกในพรอมต์ว่า “อย่าแก้ไขไฟล์”
3. การทดลองกับหลายโมเดลหรือหลายสภาพแวดล้อมการรัน
เมื่อต้องการเปรียบเทียบโมเดล ชุดเครื่องมือ และ implementation ของเซนด์บ็อกซ์ต่างกัน โครงสร้างปลั๊กอินช่วยลดงานซ้ำซ้อน นักพัฒนาสามารถคงงานและอินเทอร์เฟซไว้ เปลี่ยนเฉพาะตัวปรับโมเดลหรือแบ็กเอนด์การรัน แล้วสังเกตอัตราความสำเร็จ เวลาที่ใช้ และประเภทข้อผิดพลาด
4. งานระยะยาว งานแบ็กกราวด์ และการทำงานร่วมกันของหลาย Agent
งานซับซ้อนมักต้องการการแยกย่อย การรอผลลัพธ์ภายนอก หรือมอบหมายให้ Sub-Agent Harness ได้รวมขีดความสามารถที่เกี่ยวข้องกับเซสชัน เป้าหมาย งานแบ็กกราวด์ และ Sub-Agent ไว้ในสถาปัตยกรรมเดียว เหมาะสำหรับการสร้างกระบวนการที่ยาวนานซึ่งกู้คืนและติดตามผลได้ อย่างไรก็ตาม v0.1 ยังคงเป็น Developer Preview ควรทำการทดสอบอย่างละเอียดก่อนนำไปใช้ในระบบผลิต (production)
5. การวิจัยเฟรมเวิร์ก Agent และปลั๊กอิน
สำหรับนักพัฒนาเฟรมเวิร์ค คุณค่าของ DeepSeek Harness ยังอยู่ที่การให้ที่เก็บโค้ดจริง: วิธีแยก Agent Loop เหตุการณ์เซสชัน การรันเครื่องมือ อินเตอร์เฟซขีดความสามารถและ UI นักวิจัยสามารถอ่าน แก้ไข และตรวจสอบดีไซน์ภายใต้ใบอนุญาต MIT ได้ โดยไม่ต้องพึ่งพิงเพียงบทความเชิงแนวคิด
สถานการณ์ใดที่ไม่จำเป็นต้องใช้?
ไม่ใช่ผู้ใช้ DeepSeek ทุกคนที่จำเป็นต้องติดตั้ง Harness
- หากใช้เพียงถาม เขียน แปล หรือจัดระเบียบข้อมูล การใช้แชทออนไลน์สะดวกกว่า
- หากเรียก API โมเดลครั้งเดียว โดยไม่มีรอบเครื่องมือและเซสชันถาวร SDK ทั่วไปก็เพียงพอแล้ว
- หากทีมยังขาดประสบการณ์ด้าน Node.js เซนด์บ็อกซ์ สิทธิ์และการดูแลปลั๊กอิน ไม่ควรนำเวอร์ชันพรีวิวไปใช้กับงานผลิตที่สำคัญทันที
- หากความต้องการตายตัวและสคริปต์อัตโนมัติปัจจุบันทำงานเสถียร การย้ายไป Agent อาจไม่ได้ประโยชน์เพิ่ม
เกณฑ์การตัดสินใจคือ: โจทย์จำเป็นต้องให้โมเดลใช้เครื่องมือในหลายขั้นตอน อ่านสถานะ และดำเนินการต่อตามผลลัพธ์หรือไม่? หากคำตอบคือ “ไม่” ไม่จำเป็นต้องเพิ่มความซับซ้อนของระบบเพียงเพราะแนวคิดใหม่
คู่มือเริ่มต้นใช้งาน DeepSeek Harness อย่างรวดเร็ว
วิธีที่ตรงที่สุดปัจจุบันคือการเรียกใช้ Web UI ผ่าน npm ก่อนติดตั้ง Node.js เวอร์ชันที่รองรับ จากนั้นรัน:
npx @deepseek-ai/dsh webตามปกติ อินเทอร์เฟซเว็บจะทำงานที่ http://127.0.0.1:3080 หลังจากเข้าสู่อินเทอร์เฟซ สามารถดำเนินการตามขั้นตอนต่อไปนี้:
- เปิด Settings ใน Models กรอก DeepSeek API Key และบันทึก
- เลือกไดเรกทอรีทำงาน (work directory) ช่องป้อนงานจะไม่เปิดใช้งานจนกว่าจะเลือก workspace
- สร้างเซสชันใหม่ เริ่มต้นจากงานแบบอ่านอย่างเดียวเช่น “สรุป repository นี้และอธิบายไดเรกทอรีหลัก”
- ตรวจสอบพรอมต์การอนุมัติสำหรับการดำเนินการแต่ละครั้งของเครื่องมือ ยืนยันว่าขอบเขตสิทธิ์ตรงกับที่ต้องการ
- ลองทำการแก้ไขไฟล์ รันเทสต์ หรือแยกย่อยเป็นงานเล็กๆ ที่ซับซ้อนขึ้น
หากต้องการรันจากซอร์สโค้ด สามารถคลอนgetRepository ทางการ แล้วติดตั้ง dependencies และ build:
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh webแนะนำให้แยกไดเรกทอรีทดสอบออกจากไดเรกทอรีผลิตจริง อย่าให้สิทธิ์เข้าถึงไฟล์สำคัญ ข้อมูลประจำตัว หรือคำสั่งที่มีความเสี่ยงสูง หากยังไม่เข้าใจนโยบายสิทธิ์ สามารถดูแนวทางเพิ่มเติมได้ที่ คู่มือการใช้เว็บไซต์ทางการ DeepSeek ของเรา
ข้อจำกัดที่ควรทราบก่อนใช้งาน
DeepSeek ระบุชัดเจนว่าเวอร์ชันปัจจุบันเป็น Developer Preview จะมีการอัปเดตอย่างรวดเร็ว และอาจมีการเปลี่ยนแปลงที่ทำให้เสียความเข้ากันได้ (breaking changes) ดังนั้น การตั้งค่าไฟล์ อินเตอร์เฟซปลั๊กอิน หรือวิธีการรัน อาจมีการปรับเปลี่ยนได้
ก่อนนำมาใช้ในระบบผลิต อย่างน้อยควรตรวจสอบสี่เรื่องนี้: ล็อกเวอร์ชันที่ทดสอบแล้ว; ยืนยันปลั๊กอินในสภาพแวดล้อมแยก; ตั้งการอนุมัติสำหรับการเขียน คำสั่ง และเครือข่าย; รักษาบันทึกเซสชันและจัดการข้อมูลอย่างละเอียดอ่อน การเป็นโอเพนซอร์สและใบอนุญาต MIT ช่วยในการพัฒนาต่อยอด แต่ไม่หมายความว่าเวอร์ชันพรีวิวมีความเสถียรและความปลอดภัยสำหรับระบบผลิตแล้ว
สรุป
ตำแหน่งของ DeepSeek Harness สามารถสรุปได้ว่า: การนำขีดความสามารถของโมเดลมาจัดระเบียบให้เป็นระบบ Agent ที่รันได้ ขยายได้ และกู้คืนได้ โดยใช้ Cordis เป็นพื้นฐาน ใส่โมเดล เครื่องมือ เซสชัน แซนด์บ็อกซ์ ระบบไฟล์ Agent Loop และ UI เข้าในระบบปลั๊กอิน สำหรับนักพัฒนาที่ต้องการปรับแต่ง AI Agent สลับสภาพแวดล้อมการรัน หรือวิจัยสถาปัตยกรรม Agent นี่คือจุดเริ่มต้นแบบโอเพนซอร์สที่ควรศึกษาเชิงลึก ส่วนผู้ใช้ทั่วไป การใช้งานแชทออนไลน์ของ DeepSeek V4 ยังคงเป็นทางเลือกที่ง่ายกว่า
หากคุณต้องการสัมผัสประสบการณ์การสนทนา โค้ด และการประมวลผลข้อมูลของ DeepSeek V4 สามารถเริ่มจากจุดเชื่อมต่อด้านล่างนี้