DeepSeek Harness: установка на Windows и первый опыт

DeepSeek Harness — агент от DeepSeek, который работает у вас на компьютере: открывается в браузере, читает и меняет файлы в выбранной папке, выполняет команды и сам проверяет результат. Мы поставили DeepSeek Harness на домашний ПК с Windows, наступили на несколько граблей при установке и дали ему реальную задачу — разобрать папку на 74 ГБ. Ниже — как установить Harness на Windows так, чтобы он запустился, как подключить модель и во что это обошлось.

Что такое DeepSeek Harness

Harness — среда для ИИ-агента: программа dsh запускает у вас локальный веб-сервер, а работаете вы с ним в браузере. По документации, агент может читать и редактировать файлы рабочей папки, запускать команды, распределять работу и вести план задачи, а перед операциями, требующими разрешения, спрашивает вас. Думает за агента модель DeepSeek через DeepSeek API, поэтому нужен ключ API и баланс на нём.

Сейчас это предварительная версия (Preview): в документации DeepSeek она названа developer preview. Мы ставили пакет @deepseek-ai/dsh версии 0.1.0-rc.7; на 26 сентября в npm актуальна уже 0.1.5-rc.3 — команды и ошибки в новых версиях могут отличаться.

Установка DeepSeek Harness на Windows

Наше окружение: Windows, Node.js 24.15.0, pnpm 11.7.0. Сначала понадобятся Git и PowerShell 7:

winget install Git.Git
winget install Microsoft.PowerShell

Прямой путь — запуск через npx — у нас не сработал (об этом ниже), поэтому ставили Harness в отдельную папку через pnpm. Сначала Windows-компонент, но без встроенного пакета:

mkdir C:\AI
cd C:\AI
npx dsh-win32 setup --no-bundle
mkdir C:\AI\dsh

В C:\AI\dsh кладём два файла. package.json:

{"name":"dsh-host","private":true,"version":"1.0.0","dependencies":{"@deepseek-ai/dsh":"0.1.0-rc.7"}}

и pnpm-workspace.yaml:

nodeLinker: hoisted
autoInstallPeers: true
strictPeerDependencies: false

Дальше установка, подключение Windows-плагина и запуск:

cd C:\AI\dsh
pnpm install
node_modules\.bin\dsh plugin --profile web add -w dsh-win32
node_modules\.bin\dsh web --port 80

pnpm install у нас занял около минуты и поставил примерно 500 пакетов. После запуска откройте в браузере http://127.0.0.1.

Ошибки при установке и как мы их решили

• npx @deepseek-ai/dsh web зависает. Полный npx dsh-win32 setup тоже: один процесс node на 3 ГБ памяти, пустой вывод, больше 10 минут ожидания. Причина — около 60 зависимостей с версиями-пререлизами (^0.1.0-rc.7), которые npm разрешает очень долго; pnpm считает то же дерево примерно за 40 секунд. Решение — ставить Harness локально через pnpm, а dsh-win32 setup запускать только с --no-bundle.
• Глобальная установка не запускается. pnpm add -g @deepseek-ai/dsh проходит, но при старте: Cannot find package '@deepseek-ai/dsh-client-ui-goal'. Изолированная структура папок pnpm прячет связанные пакеты от загрузчика плагинов. Решение — отдельная папка с nodeLinker: hoisted, как выше.
• Ошибка 403 в браузере. В Opera интерфейс писал Loading the provider directory failed ... HTTP 403 на все запросы к /api. Браузер отправлял заголовок Origin: http://127.0.0.1 без порта, а сервер ждал 127.0.0.1:3080 и сравнивал строго. Параметр --trusted-host не помог, в Chrome на порту 3080 всё работало. Решение — запуск на порту 80 (--port 80): тогда адрес без порта совпадает. И открывать нужно именно 127.0.0.1, а не localhost — иначе тот же 403.
• ERR_PNPM_IGNORED_BUILDS на пакетах koffi, node-pty и protobufjs — на запуск не повлияло.
• dsh-win32 doctor пишет «PowerShell 7 not found», если запускать его из Git Bash. Это ложная тревога: PowerShell 7 был установлен как пакет из Microsoft Store, и из обычного PowerShell doctor его находит.

Ещё одна мелочь: ярлык, который создаёт dsh-win32 setup, запускал Harness через npx и тоже зависал. Мы переписали его на прямую команду cmd /c cd /d C:\AI\dsh && node_modules\.bin\dsh.CMD web --port 80. Логи сервера лежат в C:\Users\<user>\.dsh\logs\web.log.

Первый запуск: модель и рабочая папка

1. Settings → Models → DeepSeek — вставьте ключ API и сохраните. Перезапуск не нужен. Ключ Harness хранит в файле C:\Users\<user>\.dsh\.credentials.yaml — не выкладывайте эту папку в облако и не отправляйте её никому.
2. Workspaces — добавьте рабочую папку. Пока папка не выбрана, поле ввода задачи серое — это не ошибка.
3. Выберите модель и глубину рассуждений в строке ввода. У нас по умолчанию стоит DeepSeek-V4-Pro с уровнем Low; в файле settings.yaml это выглядит так:

agent-default-model:
  provider: deepseek-official
  model: deepseek-v4-pro
  reasoningEffort: low

Режим доступа выбирается под строкой ввода. Мы работали в режиме Workspace Write: агент может менять файлы только внутри рабочей папки.

Как DeepSeek Harness решает задачи

Две простые проверки на модели DeepSeek-V4-Pro (Low). На вопрос «Какая версия Node.js установлена на этом компьютере?» агент выполнил node --version и ответил «Установлена Node.js версия v24.15.0.» — за 5 секунд.

Второй вопрос — «Сколько свободного места на диске C:?» — оказался интереснее. В режиме Workspace Write команды PowerShell работают с ограничениями: Get-PSDrive вернул пустые значения, Get-Volume и Get-CimInstance — «Access denied». Агент сам перебрал способы и с четвёртой попытки получил ответ через .NET DriveInfo: «Свободно 278,73 ГБ на диске C:» — это совпало с реальностью. Заняло около 16 секунд.

Реальная задача: разобрать папку на 74 ГБ

Главная проверка — папка со сканами и инструкциями к технике объёмом около 74 ГБ, годами копившаяся без порядка. Задача — разобрать. По итоговому отчёту агента:

• 232 PDF из корня разложены в 15 нумерованных категорий;
• две папки переименованы с исправлением опечаток;
• удалено 6 269 мусорных файлов (около 711 МБ: кэши Android, миниатюры, логи) и 308 дубликатов по контрольной сумме MD5 (около 1 ГБ);
• объём папки уменьшился с 73,7 до 69,9 ГБ, ошибок в журнале — 0.

Работал агент аккуратно: сначала составил план и списки файлов на удаление, написал скрипт PowerShell и вёл журнал всех действий. Самый показательный момент: по ходу из папки пропала подпапка на 7 070 файлов. Агент по своему журналу показал, что его скрипт её не трогал, и предположил, что виновата синхронизация папки облачным хранилищем, — и предложил проверить его корзину.

Вывод из этой истории простой: давайте агенту удалять файлы только при наличии резервной копии. Даже если агент ведёт себя аккуратно, рядом работают другие программы, и разбираться, кто что удалил, лучше с бэкапом в руках. Как устроить резервное копирование, мы писали в статье резервная копия сайта — принцип для папок на ПК тот же.

Сколько стоит DeepSeek Harness

Сам Harness бесплатен, платите только за запросы к DeepSeek API. У нас на 26 сентября, по данным кабинета DeepSeek: пополнено 5 долларов, всего потрачено 1,62 доллара, из них основная часть — на разбор папки. За последние 30 дней — 0,26 доллара за 68 запросов и около 6,4 млн токенов: большая часть токенов попадает в кэш и стоит копейки. Актуальные цены — в статье про DeepSeek API.

Итог

DeepSeek Harness — рабочий инструмент уже в предварительной версии: думает быстро, сам ищет обходы, когда команда не срабатывает, и оставляет журнал, по которому можно проверить его действия. Минусы — установка на Windows пока требует ручной работы, а права на удаление файлов стоит давать осторожно. Похожие агенты есть и у других разработчиков — например, Claude Code, который тоже умеет работать с моделями DeepSeek через совместимый API.

Про плагины и их доступы — в видеоразборе «DeepSeek Harness: плагины и безопасность».

Почему агентам важно давать минимум прав, хорошо видно на свежей истории: OpenAI отложила GPT-6.1 Astra — на тестах модель действовала без спроса.

Источники: документация DeepSeek Harness, документация DeepSeek API; версии пакета — по реестру npm. Установка, ошибки и задачи — на нашем ПК с Windows, Harness 0.1.0-rc.7. Проверено 26 сентября 2026 года.