DeepSeek Harness (dsh) คืออะไร? เจาะลึกคู่แข่งโค้ดโอเพ่นซอร์สของ Claude

DeepSeek เปิดตัวสิ่งที่น่าสนใจในวันที่ 13 สิงหาคม 2026: ไม่ใช่โมเดล แต่เป็นเครื่องมือที่ใช้รันโมเดลนั้น DeepSeek Harness (dsh) คือตัวเชื่อมต่อเอเจนต์โอเพนซอร์สอย่างเป็นทางการของบริษัท มันคือชั้นซอฟต์แวร์ที่เปลี่ยนโมเดลภาษาขนาดใหญ่ให้เป็นเอเจนต์เขียนโค้ดที่ใช้งานได้จริง พร้อมวงจรเซสชัน การเรียกใช้เครื่องมือ การตรวจสอบสิทธิ์ และ UI เว็บในเครื่อง มันเปิดตัวพร้อมกับ DeepSeek V4-Pro บน API ในวันเดียวกัน และ VentureBeat มองว่ามันเป็นคู่แข่งโอเพนซอร์สของ Claude Code

ชุมชนนักพัฒนาตอบสนองอย่างรวดเร็ว ณ วันที่ 20 สิงหาคม พื้นที่เก็บข้อมูล deepseek-harness มีดาวประมาณ 169,000 ดวง และ 18,100 ฟอร์ก หลังจากเปิดตัวเพียงหนึ่งสัปดาห์ ตัวเลขขนาดนี้ในเจ็ดวันบ่งบอกถึงความต้องการมากกว่าตัวโค้ด: นักพัฒนาต้องการตัวเชื่อมต่อเอเจนต์ที่พวกเขาสามารถตรวจสอบ แก้ไข และใช้กับโมเดลใดก็ได้

DeepSeek Harness คืออะไรกันแน่

Harness คือทุกสิ่งทุกอย่างที่อยู่รอบๆ โมเดล โมเดลจะทำนายโทเค็น Harness เป็นตัวตัดสินใจว่าโมเดลเห็นอะไร, สามารถเรียกใช้เครื่องมือใดได้บ้าง, การแก้ไขไฟล์และคำสั่งเชลล์ได้รับการอนุมัติอย่างไร และเซสชันที่มีหลายขั้นตอนจะทำงานร่วมกันได้อย่างไร Claude Code, Codex CLI และ Gemini CLI ล้วนเป็น Harness ที่ห่อหุ้มโมเดลของผู้จำหน่ายของตนเอง หากคุณต้องการข้อมูลพื้นฐานว่าทั้งสองเปรียบเทียบกันอย่างไร เราได้ครอบคลุมไว้แล้วใน Claude Code vs Codex CLI

DeepSeek Harness คือผลิตภัณฑ์ของ DeepSeek ในหมวดหมู่นั้น โดยมีคุณสมบัติสามประการที่กำหนดกรอบการทำงาน:

• เป็นทางการ นี่คือโปรเจกต์จาก DeepSeek AI โดยตรง ไม่ใช่ตัวห่อหุ้ม API ที่สร้างโดยชุมชน
• เป็นโอเพนซอร์ส ได้รับอนุญาตภายใต้ MIT พร้อมเอกสารการพึ่งพาจากบุคคลที่สามในไฟล์ THIRD_PARTY_NOTICES ของ repo คุณสามารถอ่านวงจรเอเจนต์ที่คุณกำลังไว้วางใจกับโค้ดเบสของคุณได้
• เป็นเวอร์ชันพรีวิวสำหรับนักพัฒนา README เตือนไว้ตรงๆ ว่า: “จะมีการเปลี่ยนแปลงที่ทำให้ความเข้ากันได้เสียหาย” จงเชื่อตามนั้น รายละเอียดเพิ่มเติมเกี่ยวกับความหมายในทางปฏิบัติอยู่ด้านล่าง

เวลาเปิดตัวก็สำคัญเช่นกัน dsh เปิดตัวพร้อมกับ DeepSeek V4-Pro บน API ดังนั้น harness และโมเดลเริ่มต้นเรือธงจึงมาพร้อมกันเป็นคู่ หากคุณกำลังประเมินฝั่งโมเดล คู่มือ DeepSeek V4-Pro API ของเราครอบคลุมจุดสิ้นสุด (endpoints), รหัสโมเดล (model IDs) และตัวอย่างคำขอ (request examples)

สถาปัตยกรรม: ทุกอย่างคือปลั๊กอิน

นี่คือจุดที่ dsh แตกต่างจากเอเจนต์เขียนโค้ดกระแสหลักทั่วไป Harness ส่วนใหญ่เป็นแบบ Monolithic (รวมทุกส่วนเป็นหนึ่งเดียว) วงจรเอเจนต์, ไคลเอนต์โมเดล, การกำหนดเครื่องมือ และการจัดเก็บเซสชันถูกรวมเป็นแอปพลิเคชันเดียว คุณสามารถกำหนดค่าและบางครั้งก็ขยายส่วนต่างๆ ได้ แต่คุณไม่สามารถสลับส่วนหลักได้

dsh พลิกแนวคิดนั้น หลักการออกแบบคือ "ทุกอย่างคือปลั๊กอิน" สร้างขึ้นบนเฟรมเวิร์กที่เรียกว่า Cordis ซึ่งการออกแบบอธิบายไว้ในเอกสารชื่อ “A Programming Paradigm for Spatiotemporal Composability.” หากตัดชื่อเชิงวิชาการออกไป ข้อกล่าวอ้างในทางปฏิบัติคือ: ส่วนประกอบของเอเจนต์ที่มักจะถูกเชื่อมเข้าด้วยกัน ใน dsh นั้นเป็นโมดูลที่สามารถถอดเปลี่ยนได้ ซึ่งรวมถึง:

• อะแดปเตอร์โมเดล เลเยอร์ที่สื่อสารกับ LLM API เป็นปลั๊กอิน สลับมันแล้ว dsh จะขับเคลื่อนแบ็กเอนด์ที่แตกต่างกัน
• รีจิสทรีเครื่องมือ ชุดเครื่องมือที่เอเจนต์สามารถเรียกใช้ได้ (การแก้ไขไฟล์, เชลล์, การค้นหา) ถูกลงทะเบียนโดยปลั๊กอิน ไม่ได้ถูกเขียนโค้ดตายตัว
• บันทึกเซสชัน วิธีการบันทึกและเล่นซ้ำเซสชันสามารถเสียบปลั๊กได้
• วงจรเอเจนต์เอง แม้แต่วงจรหลักของการตัดสินใจ-กระทำ-สังเกตการณ์ ก็เป็นปลั๊กอินที่คุณสามารถแทนที่ได้

ทำไมสิ่งนี้จึงสำคัญ? เพราะเลเยอร์ harness คือที่ที่การทดลองจริงกำลังเกิดขึ้นในปี 2026 ทีมต้องการลองใช้กลยุทธ์การจัดการบริบทที่แตกต่างกัน, โมเดลการอนุญาตที่แตกต่างกัน, ชุดเครื่องมือที่แตกต่างกันสำหรับพื้นที่เก็บข้อมูล (repos) ที่แตกต่างกัน ด้วยเอเจนต์แบบ Monolithic คุณจะต้องรอให้ผู้จำหน่ายส่งมอบแนวคิดของคุณ แต่กับ dsh คุณสามารถเขียนปลั๊กอินได้เอง

การแลกเปลี่ยนก็เป็นเรื่องจริงเช่นกัน ระบบที่ทุกอย่างสามารถสลับเปลี่ยนได้มีพื้นที่ผิวที่อาจเกิดความเสียหายได้มากขึ้น และเวอร์ชันพรีวิวสำหรับนักพัฒนาที่รับประกันว่าจะมีการเปลี่ยนแปลงที่ทำให้ความเข้ากันได้เสียหาย ก็จะทำให้ปลั๊กอินเสียหายระหว่างทาง นั่นคือสิ่งที่ dsh ต้องการให้คุณเดิมพัน: ความยืดหยุ่นในตอนนี้ ความเสถียรในภายหลัง

เริ่มต้นอย่างรวดเร็ว: จากศูนย์สู่เอเจนต์ที่ทำงานได้จริง

เส้นทางการติดตั้งใช้คำสั่งเดียว:

npx @deepseek-ai/dsh web

นั่นเป็นการเปิด UI เว็บในเครื่องที่ http://127.0.0.1:3080 และเปิดเบราว์เซอร์ของคุณไปยังหน้านั้น (ส่ง --no-open หากคุณไม่ต้องการให้เปิดเบราว์เซอร์) ไม่มีการติดตั้งแบบทั่วโลก ไม่มีการสร้างบัญชีเพื่อเป็นด่านกั้น

หากคุณต้องการสร้างจากซอร์สโค้ด เส้นทาง repo ก็ใช้ได้เช่นกัน: โคลน repository, จากนั้น pnpm install, pnpm run build และ pnpm dsh web

จากนั้น ขั้นตอนการทำงานครั้งแรกมีสามขั้นตอน:

1. กำหนดค่า DeepSeek API key ในการตั้งค่า (Settings) คีย์จะอยู่ใน $DSH_HOME/.credentials.yaml ซึ่งแยกจากไฟล์การตั้งค่าหลักที่มีเพียงการอ้างอิงถึงคีย์เหล่านั้น
2. เลือกพื้นที่ทำงาน คลิก “Choose workspace” เพิ่มไดเรกทอรีโปรเจกต์ที่คุณเริ่มต้น dsh และเลือกมัน ขั้นตอนนี้ไม่สามารถละเว้นได้: ตัวจัดองค์ประกอบเซสชันจะยังไม่พร้อมใช้งานจนกว่าจะมีการเลือกพื้นที่ทำงาน dsh ต้องการคำตอบที่ชัดเจนสำหรับคำถามว่า “ฉันได้รับอนุญาตให้คิดเกี่ยวกับไฟล์ใดบ้าง” ก่อนที่จะรันสิ่งใดๆ
3. รันงานและอนุมัติการดำเนินการ UI เว็บจะถามก่อนการดำเนินการ “ที่ต้องได้รับการอนุมัติภายใต้นโยบายการอนุญาตที่ใช้งานอยู่” การเขียนไฟล์และคำสั่งเชลล์จะปรากฏเป็นข้อความแจ้งเตือน แทนที่จะดำเนินการอย่างเงียบๆ

UI เว็บเป็นเพียงจุดเริ่มต้นหนึ่งเดียว เบื้องหลัง dsh จะเริ่ม โปรไฟล์: dsh web เป็นตัวย่อของ dsh --profile web และโปรไฟล์จะอยู่ใน $DSH_HOME/profiles/<name> มีโหมดไร้หัว (headless mode) (dsh --profile headless "job") ที่จะดำเนินการเซสชันใหม่เพียงครั้งเดียว พิมพ์ผลลัพธ์ และออก ซึ่งเป็นรูปแบบที่คุณต้องการสำหรับสคริปต์และ CI คำสั่งย่อย dsh plugin จะจัดการปลั๊กอินของโปรไฟล์โดยการส่งต่อไปยัง pnpm ในไดเรกทอรีโปรไฟล์ และแฟล็กตัวเปิดใช้ (launcher flags) เช่น --dump-config และ --dump-default-config จะพิมพ์โครงสร้างการกำหนดค่าที่ประกอบขึ้นโดยไม่ต้องบูต รายการทั้งหมดอยู่ใน CLI README

รองรับโมเดลใดบ้าง?

โมเดล DeepSeek เป็นค่าเริ่มต้น และ V4-Pro เป็นคู่หูหลัก สิ่งที่ควรรู้เกี่ยวกับค่าใช้จ่าย: DeepSeek ได้ทำให้ส่วนลดช่วงนอกเวลาทำการเป็นแบบถาวร ซึ่งเปลี่ยนแปลงเศรษฐศาสตร์ของการรันเอเจนต์ที่ใช้โทเค็นตลอดทั้งวัน รายละเอียดอยู่ในโพสต์ของเราเกี่ยวกับการ ลดราคา DeepSeek V4-Pro และเอกสารอ้างอิงอย่างเป็นทางการอยู่ที่ api-docs.deepseek.com

แต่อะแดปเตอร์โมเดลเป็นปลั๊กอิน และ dsh ก็ใช้ประโยชน์จากสิ่งนี้ มีสองเส้นทางนอกเหนือจากค่าเริ่มต้น:

• ผู้ให้บริการในแค็ตตาล็อก รายการผู้ให้บริการในตัวสำหรับ Anthropic, OpenAI, Bedrock, Vertex และ Azure ซึ่งแต่ละรายมีการจัดการข้อมูลรับรองเฉพาะผู้ให้บริการ
• ผู้ให้บริการแบบกำหนดเอง จุดสิ้นสุดใดๆ ที่เข้ากันได้กับ OpenAI สามารถลงทะเบียนใน $DSH_HOME/settings.yaml พร้อมกับ URL พื้นฐาน, ตัวแปรสภาพแวดล้อมสำหรับคีย์ และรายการโมเดล สิ่งนี้ครอบคลุมถึงรันไทม์และเกตเวย์ในเครื่อง ไม่ใช่แค่ API บนคลาวด์เท่านั้น

การเลือกโมเดลจะทำให้เป็นค่าเริ่มต้นสำหรับเซสชันใหม่ และทุกเซสชันจะบันทึกโมเดลที่ใช้เริ่มต้น ดังนั้นการสลับระหว่างโปรเจกต์จะไม่ทำให้ประวัติของคุณสับสน คู่มือผู้ให้บริการ มีเอกสารเกี่ยวกับรูปแบบการกำหนดค่า เราจงใจทำให้ส่วนนี้สั้น: คำแนะนำโดยละเอียด รวมถึง YAML ที่ถูกต้องสำหรับจุดสิ้นสุดที่กำหนดเอง อยู่ใน วิธีรันโมเดลใดๆ ใน DeepSeek Harness

ระบบนิเวศของปลั๊กอินในหนึ่งสัปดาห์

ปลั๊กอินถูกค้นพบผ่าน หัวข้อ GitHub dsh-plugin และชุมชนประสานงานผ่าน GitHub Discussions และเซิร์ฟเวอร์ Discord หนึ่งสัปดาห์หลังจากการเปิดตัว ระบบนิเวศก็แสดงให้เห็นถึงรูปแบบของความต้องการแล้ว:

• ตัวห่อหุ้มเดสก์ท็อป โปรเจกต์เช่น deepseek-harness-desktop (Tauri) และ dsh_desktop (Windows) บรรจุ UI เว็บเป็นแอปพลิเคชันแบบเนทีฟ โปรเจกต์เหล่านี้เป็นของชุมชน ไม่ใช่การเปิดตัวอย่างเป็นทางการของ DeepSeek ดังนั้นควรตรวจสอบอย่างละเอียดเช่นเดียวกับตัวห่อหุ้มบุคคลที่สามใดๆ ที่เกี่ยวข้องกับ API keys ของคุณ
• ปลั๊กอินความสามารถ พื้นที่เก็บข้อมูลของชุมชนเช่น dsh-context และ dsh-vision-router ขยายสิ่งที่เซสชันสามารถมองเห็นและกำหนดเส้นทางได้ ข้อควรระวังเดียวกัน: สร้างโดยชุมชน
• รองรับ MCP ณ เวลาที่เขียนนี้ dsh ไม่ได้มาพร้อมกับการรองรับ Model Context Protocol แบบเนทีฟในส่วนหลัก สิ่งที่มีอยู่คือปลั๊กอินของชุมชน dsh-mcp-manager ซึ่งเพิ่มหน้าการตั้งค่าสำหรับ MCP: เซิร์ฟเวอร์ HTTP ระยะไกลหรือ stdio ในเครื่อง, การยืนยันตัวตนด้วย OAuth หรือ static-token, เครื่องมือที่ลงทะเบียนภายใต้ชื่อ mcp__<name>__* และการกำหนดค่าเซิร์ฟเวอร์สำหรับแต่ละโปรเจกต์ภายในไดเรกทอรี .dsh ของพื้นที่ทำงาน

จุดสุดท้ายนี้สมควรได้รับการเน้นย้ำเพราะเข้าใจผิดได้ง่าย หากคุณอ่านโพสต์ที่อ้างว่า dsh “รองรับ MCP” เวอร์ชันที่ถูกต้องคือ: ชุมชนได้สร้างการรองรับ MCP ในรูปแบบปลั๊กอิน ซึ่งเป็นสิ่งที่สถาปัตยกรรม "ทุกอย่างคือปลั๊กอิน" มีไว้สำหรับสิ่งนี้โดยเฉพาะ ส่วนหลักอาจนำไปรวมในภายหลัง แต่ตอนนี้ยังไม่ได้ทำ

เวิร์กโฟลว์ API ของคุณเหมาะสมกับส่วนใด

โดยพื้นฐานแล้ว ตัวเชื่อมต่อเอเจนต์คือเครื่องมือสำหรับเรียกใช้ API: API ของโมเดลที่มันขับเคลื่อน และ API ภายในโปรเจกต์ใดก็ตามที่คุณชี้ไป เมื่อ dsh เขียนโค้ดสำหรับแบ็กเอนด์ของคุณ มันจะทำงานจากความเข้าใจในจุดสิ้นสุด (endpoints) ของคุณที่มันสามารถเก็บรวบรวมได้จากโค้ดเบส หากพฤติกรรมจริงของ API ของคุณไม่ตรงกับข้อกำหนด เอเจนต์จะเขียนโค้ดอย่างมั่นใจโดยอ้างอิงสัญญาที่ผิดพลาด และคุณจะพบข้อผิดพลาดเมื่อรันไทม์

วิธีแก้ไขที่น่าเบื่อแต่มีประสิทธิภาพคือ: ตรวจสอบพื้นผิว API ก่อนที่เอเจนต์จะแตะต้องมัน Apidog ครอบคลุมเลเยอร์นั้น ออกแบบหรือนำเข้าสเปก OpenAPI ทดสอบจุดสิ้นสุดจริงเทียบกับมัน และเปิดเซิร์ฟเวอร์จำลองเพื่อให้เอเจนต์สามารถพัฒนาโดยอ้างอิงการตอบสนองที่เสถียรและแม่นยำตามสเปก แม้ในขณะที่แบ็กเอนด์กำลังเปลี่ยนแปลง เอเจนต์ที่ทำงานโดยใช้ mock ที่ได้รับการตรวจสอบแล้ว จะสร้างการผสานรวมที่ผิดพลาดน้อยกว่าเอเจนต์ที่คาดเดาจากโค้ดเก่าๆ มาก

มีเส้นทางการรวมระบบโดยตรงเช่นกัน Apidog MCP Server เปิดเผยข้อมูลจำเพาะ API ของคุณไปยังเครื่องมือ AI ผ่าน MCP ใน dsh สิ่งนี้ทำได้ผ่านปลั๊กอิน dsh-mcp-manager ของชุมชนที่อธิบายไว้ข้างต้น: ติดตั้งปลั๊กอิน ลงทะเบียน Apidog MCP Server และเซสชันสามารถสอบถามข้อมูลจำเพาะจริงของคุณได้แทนที่จะต้องอนุมานเอาเอง เราจะพาคุณดูขั้นตอนทั้งหมด รวมถึงการรันการทดสอบด้วย CLI ที่เอเจนต์สามารถเรียกใช้ได้ด้วยตัวเอง ใน การใช้ Apidog CLI ใน DeepSeek Harness หากคุณต้องการเตรียมฝั่ง API ให้พร้อมก่อนการทดลอง ให้ ดาวน์โหลด Apidog และนำเข้าข้อมูลจำเพาะของคุณก่อน เป็นการตั้งค่าที่ใช้เวลาเพียงห้านาที ซึ่งช่วยลดสาเหตุหลักของข้อผิดพลาดของเอเจนต์ได้

คุณควรลองใช้ตอนนี้เลยหรือควรรอก่อน?

คำตอบที่ตรงไปตรงมาขึ้นอยู่กับว่าคุณจะใช้มันทำอะไร

ควรลองใช้ตอนนี้เลยหาก:

• คุณต้องการทำความเข้าใจว่า Agent Harness ทำงานภายในอย่างไร dsh เป็น harness หลักที่สามารถตรวจสอบได้มากที่สุด และการอ่าน agent loop จริงจะให้ความรู้มากกว่าบทความบล็อกใดๆ
• คุณต้องการความยืดหยุ่นของโมเดล หากทีมของคุณใช้โมเดลที่แตกต่างกันสำหรับงานที่แตกต่างกัน หรือโฮสต์เอง อะแดปเตอร์โมเดลแบบเสียบได้เป็นคุณสมบัติที่เอเจนต์แบบ Monolithic ไม่สามารถให้คุณได้
• คุณสร้างเครื่องมือ ระบบนิเวศปลั๊กอินเพิ่งมีอายุหนึ่งสัปดาห์ ผู้เขียนปลั๊กอินในยุคแรกๆ ใน repo ที่ได้รับความสนใจมากขนาดนี้จะได้รับความสนใจอย่างมาก
• คุณใช้ API ของ DeepSeek อยู่แล้ว และต้องการประสบการณ์เอเจนต์แบบ First-party สำหรับ V4-Pro

ควรรอก่อนหาก:

• คุณต้องการไดรเวอร์ที่เสถียรสำหรับการใช้งานประจำวัน "จะมีการเปลี่ยนแปลงที่ทำให้ความเข้ากันได้เสียหาย" ไม่ใช่คำพูดถ่อมตัวทางการตลาด แต่เป็นคำสัญญา การกำหนดค่า ปลั๊กอิน และความคุ้นเคยของคุณอาจเสียหายระหว่างเวอร์ชันได้ทั้งหมด
• องค์กรของคุณต้องการเครื่องมือที่ผ่านการตรวจสอบและสนับสนุน เวอร์ชันพรีวิวสำหรับนักพัฒนาที่มีปลั๊กอินของชุมชนจัดการข้อมูลรับรองมีความเสี่ยงที่แตกต่างจากผลิตภัณฑ์ GA ที่มาพร้อมสัญญาการสนับสนุน
• คุณต้องการความสมบูรณ์แบบของ Harness ที่เป็นผู้ใหญ่แล้ว Claude Code มีความได้เปรียบเรื่องการยศาสตร์มานาน และเวอร์ชันพรีวิวที่เพิ่งเปิดตัวได้หนึ่งสัปดาห์ยังไม่สามารถเทียบได้ในทุกด้าน

สำหรับนักพัฒนาส่วนใหญ่ การดำเนินการที่เป็นประโยชน์คือทั้งสองอย่าง: เก็บเอเจนต์ปัจจุบันของคุณไว้สำหรับงานที่ต้องผลิตจริง รัน dsh ในโปรเจกต์ข้างเคียง และสร้างความคิดเห็นของคุณเองก่อนที่ป้ายพรีวิวจะหายไป หากคำถามหลักของคุณคือมันเปรียบเทียบกับคู่แข่งที่มีอยู่เดิมอย่างไร เราได้ทำการเปรียบเทียบแบบเจาะลึกไว้ใน DeepSeek Harness vs Claude Code

คำถามที่พบบ่อย

DeepSeek Harness ฟรีหรือไม่?

ตัว harness นั้นฟรีและเป็นโอเพนซอร์สภายใต้ใบอนุญาต MIT สิ่งที่ต้องเสียเงินคือโมเดลที่อยู่เบื้องหลัง: การใช้งาน API บนแพลตฟอร์มของ DeepSeek (หรือผู้ให้บริการใดก็ตามที่คุณกำหนดค่าไว้) จะถูกเรียกเก็บเงินตามปกติโดยผู้ให้บริการนั้น เนื่องจากเลเยอร์อะแดปเตอร์สามารถเสียบปลั๊กได้ คุณจึงสามารถชี้ dsh ไปยังโมเดลที่โฮสต์ในเครื่องและไม่ต้องจ่ายเงินต่อโทเค็นใดๆ ดู วิธีรันโมเดลใดๆ ใน DeepSeek Harness สำหรับการตั้งค่า

dsh ใช้ได้กับโมเดล DeepSeek เท่านั้นหรือไม่?

ไม่ใช่ โมเดล DeepSeek เป็นค่าเริ่มต้น แต่อะแดปเตอร์โมเดลเป็นปลั๊กอิน ผู้ให้บริการในแค็ตตาล็อกครอบคลุม Anthropic, OpenAI, Bedrock, Vertex และ Azure และจุดสิ้นสุดใดๆ ที่เข้ากันได้กับ OpenAI สามารถเพิ่มได้ผ่าน $DSH_HOME/settings.yaml

DeepSeek Harness ปลอดภัยที่จะรันบนโค้ดเบสของฉันหรือไม่?

มันปลอดภัยเท่ากับโมเดลการอนุญาตของมันบวกกับการตัดสินใจของคุณ UI เว็บกำหนดให้คุณต้องเลือกพื้นที่ทำงานก่อนที่เซสชันใดๆ จะรันได้ และจะแจ้งเตือนก่อนการดำเนินการที่ต้องได้รับการอนุมัติภายใต้นโยบายการอนุญาตที่ใช้งานอยู่ อย่างไรก็ตาม มันเป็นเวอร์ชันพรีวิวสำหรับนักพัฒนา และปลั๊กอินของชุมชน (รวมถึงตัวห่อหุ้มเดสก์ท็อป) เป็นโค้ดของบุคคลที่สามที่อาจจัดการ API keys ของคุณ ตรวจสอบสิ่งที่คุณติดตั้ง และเก็บเวอร์ชันพรีวิวให้อยู่ห่างจากพื้นที่เก็บข้อมูลที่การแก้ไขผิดพลาดอาจก่อให้เกิดความเสียหายได้

“Harness” แตกต่างจาก “โมเดล” อย่างไร?

โมเดลคือกลไกการให้เหตุผล ส่วน harness คือทุกสิ่งที่ช่วยให้โมเดลสามารถกระทำได้ การจัดการเซสชัน, การเรียกใช้เครื่องมือ, การเข้าถึงไฟล์, การแจ้งเตือนการอนุญาต และการรวบรวมบริบท ล้วนอยู่ใน harness เอเจนต์สองตัวที่ใช้โมเดลเดียวกันสามารถทำงานแตกต่างกันโดยสิ้นเชิงเพราะ harness ของมันแตกต่างกัน ซึ่งเป็นเหตุผลว่าทำไมเลเยอร์ harness จึงเป็นจุดที่การแข่งขันของ coding-agent ส่วนใหญ่เกิดขึ้นในขณะนี้