DeepSeek Harness explicado: o que é o dsh, como funciona e quanto custa

O que é o DeepSeek Harness?

O DeepSeek Harness é um harness de agentes de código aberto desenvolvido pela DeepSeek AI e construído sobre um framework de plugins chamado Cordis. O repositório foi publicado em 13 de agosto de 2026, e o tópico de lançamento no Hacker News chegou a 747 pontos e 314 comentários. O nome na linha de comando é dsh, o pacote npm é @deepseek-ai/dsh, e ele teve 451.964 downloads no npm na semana até 4 de outubro.

A página do produto da própria DeepSeek o apresenta de forma muito mais ampla que programação: "Everyday tasks, coding, or your own harness." A demo integrada lista cinco tarefas que ele realiza, de organizar arquivos e rascunhar slides a corrigir bugs, pesquisar com citações e executar scripts em segundo plano.

O status do projeto importa tanto quanto o discurso. O README o rotula como prévia para desenvolvedores e avisa, em letras maiúsculas, que haverá mudanças que quebram compatibilidade. Todas as versões até agora são pré-lançamentos, e a tag mais recente no momento da escrita é dsh-v0.2.1-alpha.1, de 3 de outubro.

Afinal, o que é um harness de agentes?

Um modelo sozinho só prevê texto, e um harness é tudo ao redor que transforma essas previsões em ações: o loop que envia um prompt, lê uma chamada de ferramenta, executa a ferramenta, devolve o resultado e decide quando parar. Ele também cuida do sandbox, das permissões, do histórico de sessão e da interface em que você digita.

O Claude Code, o Codex e o harness Strands da AWS são todos harnesses. O agente que responde tickets dentro da eesel também. O modelo leva as manchetes, mas a maior parte da diferença que você sente no dia a dia (como ele gerencia o contexto, como se recupera de um comando que falhou e também no que ele pode mexer) está no harness.

O que torna a versão da DeepSeek diferente não é ser um harness. É que não existe um núcleo fixo. O documento de arquitetura da DeepSeek diz sem rodeios: há "no privileged core to patch."

Como "tudo é um plugin" realmente funciona

Por baixo dos panos, o dsh é um conjunto de plugins do Cordis. No Cordis, os plugins contribuem com serviços, eventos tipados e "reversible effects" para um contexto compartilhado, de modo que um plugin pode ser carregado, trocado ou descarregado enquanto o app está rodando. A DeepSeek aplica isso a todas as camadas: o adaptador de modelo, o registro de ferramentas, o log de sessão e o loop do agente são, cada um, apenas plugins que você pode substituir pela configuração, segundo o documento de arquitetura.

Os plugins são agrupados em bundles, e os bundles são empilhados em perfis. A referência da CLI detalha a ordem em que as camadas se compõem:

1. O patch de cada bundle, na ordem em que o perfil os lista.
2. O próprio cordis.patch.yml do perfil.
3. O $DSH_HOME/cordis.patch.yml no nível do home, compartilhado por todos os perfis.
4. Qualquer arquivo --patch que você passar na linha de comando.

As camadas posteriores vencem, e um patch substitui o config inteiro da linha-alvo em vez de mesclá-lo em profundidade. Se você já brigou com um arquivo de configuração que mesclou silenciosamente um valor que você esqueceu, essa regra é bem refrescante. Você pode imprimir o resultado composto com dsh --profile web --dump-config, que anota cada linha com o arquivo que a forneceu.

A parte que mais empolgou as pessoas é o modo Creator. Você descreve um plugin no chat e o agente o escreve, instala e verifica. A demo da DeepSeek cria um timer Pomodoro flutuante: o agente carrega uma skill cordis-plugin-development, escreve um client.js de 638 linhas, instala pelo gerenciador de plugins e confirma que funciona, em 5 minutos e 24 segundos.

O custo dessa escolha é real, e um usuário intenso o descreveu bem no Hacker News, pois poder substituir um plugin central não é o mesmo que poder ajustá-lo:

"the problem with "Everything Is A Plugin" is that when this includes core functionality, you still have to maintain downstream patches for those core plugins if you want to tweak existing behaviour. I currently have ~25 downstream commits and 0 new plugins."

wren6991, Hacker News

Cinco formas de executá-lo

Tudo começa em um único launcher, o dsh, que inicializa um perfil nomeado. Cinco perfis vêm de fábrica, e o app para desktop envolve o web. Veja como diferem, segundo o README da CLI e o README do desktop:

Para CI, o modo headless é o que eu usaria primeiro. Ele envia o raciocínio do modelo para o stderr sob o título dsh: reasoning: e mantém o stdout limpo para a resposta, o que facilita encaminhá-la ao passo seguinte. Desde a v0.1.7, ele também lê tarefas do stdin, retoma com --session-id e emite eventos JSON delimitados por quebra de linha com --json. Se você já automatiza agentes pelo terminal, meu guia de como controlar agentes de IA pela CLI cobre o mesmo padrão com outras ferramentas.

Um detalhe pequeno de que gostei: o perfil web rejeita --host 0.0.0.0 com um erro de uso. Expor um agente com acesso a shell para toda a sua rede é algo que você precisa fazer de propósito, com --public-url e --trusted-host.

O que você recebe de fábrica

A instalação padrão é deliberadamente enxuta, e a maior parte das partes interessantes são plugins oficiais que você ativa. Os destaques da documentação e das notas de versão:

• Subagentes, incluindo outros harnesses. Plugins opcionais permitem que o dsh chame o Claude Code e o Codex como subagentes (@deepseek-ai/dsh-subagent-claude-code e @deepseek-ai/dsh-subagent-codex). As cadeias de subagentes têm por padrão 8 filhos ativos com profundidade de delegação 1, segundo as notas da v0.1.6.
• Equipes de agentes. Um modo de equipe experimental com um quadro de tarefas compartilhado, em que o limite padrão de colegas subiu de 8 para 16 em setembro.
• Tarefas agendadas. Trabalhos recorrentes como "toda sexta às 17:00, resuma as anotações desta semana." Vem desativado por padrão no desktop.
• Arquivos do Office. O desktop registra as skills office-docx, office-pptx e office-xlsx e pré-visualiza arquivos Word, Excel e PowerPoint no app.
• Uso de navegador e de computador. Backends experimentais via Playwright MCP, Chrome DevTools MCP, Stagehand e um driver Cua.
• Cliente MCP. O suporte a MCP vem como dependência, mas nenhum servidor é ativado por padrão (mais sobre o motivo abaixo).
• Uma ponte de mods do Claude Code. A versão mais recente adiciona uma camada de compatibilidade experimental para testar se as capacidades dos mods do Claude Code são "broadly a subset" do sistema de plugins do dsh.

O recurso de que os usuários mais falam é a visão de trajetória, um painel para desenvolvedores que mostra cada turno, chamada de ferramenta, payload, resultado e tempo como uma linha do tempo, para você ver exatamente onde um agente saiu do trilho em vez de adivinhar pela resposta final.

"Trajectory view is the underrated bit. If the agent searches the web or edits files, people need to see the trail, not just trust the final answer."

Ferbin, X

Concordo mais com isso do que com a contagem de estrelas. No colega de helpdesk da eesel, a superfície de depuração em que mais me apoio é o log de atividade por execução, que mostra o que o agente leu e qual ferramenta chamou. Um agente que você não consegue rastrear é um agente em quem você não pode confiar nada real.

Os padrões que vale conferir antes de rodar

Esta é a seção que a maior parte da cobertura do lançamento pula, e a que eu leria primeiro. Nada disso está escondido, tudo está na própria documentação da DeepSeek, mas é fácil deixar passar quando a instalação é apenas um comando npx.

Os logs de sessão vão para a DeepSeek na API oficial. O bundle base monta um contribuidor de log de sessão da DeepSeek que vem ativado por padrão. Ele envia seus logs de sessão junto com as requisições seguintes para a API da DeepSeek, inclusive por gateways configurados. Você pode desativá-lo em Settings, General, Upload Session Log when using the official model API, ou definir a configuração enabled do plugin como false. Um comentarista do Hacker News que investigou o assunto acrescentou o lado útil: se você roda o dsh web com um modelo local, nada vai para a DeepSeek por padrão, exceto a ferramenta de busca na web, que usa a API da DeepSeek.

As gravações ficam em sandbox; leituras e rede, não. Novas sessões usam o preset workspace-write, então o Bash e as alterações de arquivos ficam restritos ao workspace e a pastas temporárias. Leituras e acesso à rede não são confinados, então o agente pode ler sua pasta pessoal e acessar a internet. O quanto os processos ficam isolados depende do backend: o bwrap no Linux esconde processos do host, enquanto o Landlock e o macOS Seatbelt não. O perfil sdk-minimal vai no sentido contrário e fixa danger-full-access sem nenhum serviço de aprovação.

Servidores MCP ficam desligados até você adicioná-los. O raciocínio da DeepSeek vale a citação: cada comando de servidor MCP é "trusted executable code outside the agent sandbox", então nenhum vem ativado por padrão. É a decisão certa, e é o mesmo motivo pelo qual eu auditaria qualquer servidor MCP para trabalho de suporte antes de conectá-lo a dados de clientes.

A telemetria é apenas de feedback no build web. O padrão base de DSH_TELEMETRY_MODE é FEEDBACK_ONLY, e DISABLED a desliga. Um usuário do Hacker News relatou que o build do desktop parece ativar a telemetria por padrão, e o README do desktop confirma que suas análises seguem uma política de coleta de produto separada, com uma configuração ao vivo, então confira esse botão se você usa o app.

Nada disso torna o dsh incomum, já que a maioria dos agentes de programação hospedados também envia seus prompts e seu código ao fornecedor, que é simplesmente como um modelo hospedado funciona. A diferença é que o dsh é de código aberto e roda localmente, o que leva muita gente a supor que nada sai da máquina. Com a API oficial, essa suposição está errada até você mudar a configuração.

Quanto custa o DeepSeek Harness?

O harness é gratuito. A licença MIT cobre o código, e a página do produto não lista planos nem taxas. O que você paga é o uso do modelo, e na API própria da DeepSeek isso é incomumente barato. Aqui está a tabela de preços atual, por milhão de tokens:

Dois detalhes mudam a conta. Primeiro, fora do pico custa metade do preço, e o horário de pico é apenas das 01:00 às 04:00 e das 06:00 às 10:00 UTC em dias úteis, excluindo feriados públicos chineses, segundo a documentação de preços. Fins de semana são fora do pico o dia todo. Segundo, o nome do modelo agora é deepseek-flash; os nomes antigos deepseek-v4-flash ainda funcionam, mas são atendidos pelo V4.1 Flash e cobrados pelo preço do Flash. Meu post sobre os preços do V4.1 Flash aprofunda a conta do cache.

Um exemplo rápido. Digamos que uma longa sessão de programação envie 5 milhões de tokens de entrada sem cache e receba 500.000 tokens de saída no V4.1 Flash. Fora do pico, são 5 x US$ 0,15 mais 0,5 x US$ 0,60, ou US$ 1,05. A mesma sessão no pico custa US$ 2,10. Loops de agente reenviam muito contexto, então, na prática, boa parte dessa entrada acertaria o cache a US$ 0,003, e a conta real seria ainda menor.

Essa é a razão honesta de o dsh estar recebendo tanta atenção, e um comentarista resumiu a troca que a maioria está avaliando:

"At least DeepSeek provides 95% of the performance for 10% of the cost."

cheonic4040, Hacker News

Trate os "95%" como a impressão de uma pessoa, não como um benchmark. Para uma comparação mais completa, meus posts sobre V4 Flash vs V4 Pro e os preços do Claude Code cobrem o lado dos modelos e o das assinaturas.

O que os desenvolvedores estão dizendo?

A reação se dividiu em grupos: quem ama a arquitetura, quem ama o preço e quem quer ver se ele sobrevive ao contato com a produção.

Sobre a arquitetura, o elogio é específico. Hesam (@Hesamation) listou as reações que viu nos primeiros dias:

"unusually well designed architecture with tools, session log, agent loop, subagents, all being replaceable plugins"

Hesam, X

Quem já pôs a mão na massa aponta como ele é no dia a dia. Um desenvolvedor o comparou diretamente com o OpenCode e destacou a troca de mensagens nos dois sentidos entre subagentes:

"Good things about it are that it is extremely lightweight and fast. The communication between sub agents is two way in that a sub agent can midway send a message to parent and the parent can send a message midway to change the course of action of a sub agent and while this is happening, you can sitll continue talking to the model on the main thread."

wg0, Hacker News

Os céticos também não estão errados. Estrelas medem atenção, e um repositório de crescimento rápido com o rastreador de issues desligado é difícil de avaliar de fora:

"The repo was created on 13 August, so that is about 202K stars in 15 days, and the issue tracker is turned off. Stars at that rate measure attention, not deployment. Is there a published number on agents actually running on it?"

Marius Laurusevicius, X

Os autores da DeepSeek foram transparentes quanto a isso. Um deles postou no dia do lançamento que é "an early developer preview" e que se deve "expect lots of rough edges and compatibility-breaking changes." O changelog confirma: só a versão v0.2.1-alpha.1 removeu os plugins de invariantes de runtime e renomeou as entradas de estatísticas do composer, ambas mudanças que quebram compatibilidade para autores de plugins.

Rodá-lo com modelos que não são da DeepSeek também funciona. O Ollama, um popular executor de modelos locais, anunciou suporte no segundo dia:

"Ollama now supports the DeepSeek Harness. ollama launch dsh. Run it completely in your own environment."

Ollama, X

Como se compara ao Claude Code, ao Codex e ao Strands

Os quatro são harnesses, e a resposta honesta é que estão convergindo. As diferenças que importam hoje são a abertura, a dependência de modelo e também a maturidade.

Minha opinião: se você quer mexer em como um agente funciona, ou quer rodar um agente de programação capaz por alguns dólares por dia no DeepSeek V4.1 Flash, o dsh é hoje o harness aberto mais interessante. Se você precisa de algo em que toda a sua equipe possa confiar no próximo trimestre sem reler o changelog toda semana, as ferramentas consolidadas ainda são a aposta mais segura. Para uma visão mais ampla, meu panorama de ferramentas de assistentes de programação com IA e a lista de alternativas ao harness Strands cobrem mais opções.

Você deveria construir um agente de suporte sobre ele?

Alguém já perguntou. Um pequeno tópico do Ask HN intitulado "Anyone using DeepSeek Harness (dsh) as part of a customer-facing agent?" mostra para onde a cabeça das pessoas vai quando o preço do token cai tanto: se o agente é gratuito e o modelo é barato, por que não construir meu próprio bot de suporte?

Entendo a atração, porque vejo isso do outro lado. Um punhado de clientes da eesel saiu para construir diretamente na API do Claude por conta própria, e uma marca de cosméticos no plano de US$ 799/mês disse à equipe de suporte da eesel que iria "build their own solution" se o preço não baixasse. Modelos baratos tornam essa conversa mais comum, não menos.

O problema é que o harness é a parte menor do trabalho. Eis a divisão como a vejo depois de construir um:

O dsh entrega um bom loop e sandboxing, além de um sistema de plugins. Um agente de suporte também precisa de uma conexão de mão dupla com o seu helpdesk (ler o ticket, etiquetar, responder, escalar), de uma forma de manter sincronizados sua central de ajuda, suas macros e os tickets antigos conforme mudam, de regras sobre o que ele pode fazer sem um humano e de uma maneira de testá-lo em tickets antigos reais antes que fale com um cliente. Esse último passo é o que eu nunca pularia. Já vi um bot com tom confiante dar respostas erradas por dias antes de alguém notar, e é por isso que toda implantação da eesel agora é simulada primeiro com tickets históricos.

Então minha resposta: construa sobre o dsh se sua equipe gosta de ser dona dessa pilha e tem tempo para acompanhar uma prévia que muda toda semana. Se seu objetivo são tickets respondidos e não um framework para manter, contrate o colega. E releia a seção de padrões acima antes de qualquer dado de cliente passar pela API oficial.

Experimente a eesel

A forma mais clara de dizer: o DeepSeek Harness é infraestrutura, e a eesel é a funcionária. A eesel é uma plataforma de colegas de IA em que você contrata colegas prontos para trabalhar em tarefas específicas. Para suporte, esse é o colega de IA para o helpdesk: ele se conecta ao Zendesk, Freshdesk, Gorgias e outros helpdesks em minutos, aprende com seus tickets antigos e sua central de ajuda, e você pode simulá-lo com seu próprio histórico de tickets antes que ele responda a alguém.

Se o dsh chamou sua atenção porque você gosta de controlar agentes pelo terminal, a eesel também tem isso. A CLI da eesel opera o mesmo colega e o mesmo workspace do painel, não é um produto separado. npx @eesel/cli init configura um agente, eesel integrations connect conecta seu helpdesk, eesel approvals list mostra ações aguardando um humano e eesel activity permite ler cada execução em detalhe, bem parecido com a visão de trajetória do dsh. Todo comando imprime JSON e aceita --dry-run, então um agente de programação como o Claude Code, o Codex ou até o próprio dsh pode configurar e testar um workspace para você. Meu post sobre gerenciar agentes de IA pelo terminal explica passo a passo.

Você pode começar pelo plano gratuito com 100 créditos e sem cartão; os planos pagos de colegas começam em US$ 299/mês por 500 créditos, em que um ticket ou chat equivale a um crédito. É o caminho mais curto se o que você quer são tickets resolvidos, e não um harness para manter.