13 августа 2026 года компания DeepSeek официально выпустила версию DeepSeek Harness v0.1 Developer Preview. Уже к 14 августа проект собрал 4,5 тысячи звёзд на GitHub. DeepSeek представил концепцию «всё — плагин» для Harness: в виде плагинов могут быть реализованы не только внешние возможности, но и ключевые компоненты — Model Adapter, Tool Registry, Session Log, Agent Loop.
Цель разработки — создать Self-Evolving Agent Harness: Harness должен уметь в процессе работы генерировать и заменять свои компоненты, а агент — проверять, монтировать и изменять собственное Runtime. В основе этой идеи лежит концепция «последующего исправления» («последующей терапии»), которая позволяет корректировать работу системы.
DeepSeek-AI совместно с исследователями Пекинского университета опубликовали статью «A Programming Paradigm for Spatiotemporal Composability» и предложили фреймворк Cordis для динамических компонентов. Ранее Cordis использовался в Koishi — плагинизированном фреймворке для чат‑ботов с тысячами плагинов от сообщества. Задача Cordis — обеспечивать временную (Temporal Composability) и пространственную (Spatial Composability) компонуемость.
Временная компонуемость подразумевает, что после удаления компонента должны отменяться все внесённые им в систему изменения. Например, должны быть полностью устранены побочные эффекты: регистрация обработчиков событий, использование ресурсов, изменение состояния выполнения. Пространственная компонуемость решает проблему зависимостей между компонентами: компонент может объявить требуемые возможности, а Runtime должен уметь перестраивать зависимости при появлении, исчезновении или замене компонентов, координируя их жизненный цикл.
Cordis в DSH позволяет не только модифицировать Harness агента, но и отменять изменения, сохраняя корректную работу зависимостей. Для этого используются механизмы Revertible Effects («модифицируемые эффекты») и Reactive Coeffects («реактивные совместные зависимости»).
Revertible Effects позволяет отменять изменения, внесённые компонентом в Runtime. Cordis требует, чтобы все изменения Context выполнялись через ctx.effect. При этом для каждого изменения компонент должен оставить inverse («метод отмены») — например, метод отписки при регистрации слушателя или метод остановки таймера. Runtime сохраняет inverse в порядке выполнения, а при выгрузке компонента выполняет их в обратном порядке.
Reactive Coeffects решает задачу автоматической корректировки зависимостей между компонентами при изменениях в Runtime. Компоненты заранее объявляют свои зависимости, а Runtime при изменении Context заново проверяет их актуальность. Deepseek разделил обработку изменений зависимостей на три случая:
* activating (активация) — если ранее отсутствовавшая зависимость появилась, компонент может активироваться;
* deactivating (деактивация) — если существующая зависимость исчезла, компонент переходит в состояние остановки;
* neutral (нейтральное состояние) — если изменение не затрагивает компонент, его состояние не меняется.
Пример работы механизма: плагин записи чата зависит от службы базы данных. При появлении БД плагин запускается, при удалении БД Cordis обнаруживает утрату зависимости и останавливает плагин. Механизм реализуется через notify и refresh: при добавлении или удалении зависимости Cordis выявляет затронутые компоненты и пересматривает необходимость их работы. Кроме того, Cordis предусматривает принцип Confluence (конфлюэнтность).
Cordis нацелен на Self-Evolving Harness: позволяет Agent пробовать разные варианты, не допуская накопления ошибок в Runtime — при каждом перезапуске система возвращается к чистому конечному состоянию. Для Runtime могут быть разные пути загрузки компонентов (например, сразу A, B, C или через промежуточные шаги с загрузкой D, заменой B и т. д.), но при выполнении условий из статьи итоговые состояния систем должны быть эквивалентны.
Однако у подхода «всё как плагин» есть и риски. С 17 августа DeepSeek повышает цены на V4 API: для V4 Flash в нерабочее время при отсутствии попадания в кэш цена на ввод растёт на 50 %, на вывод — на 125 %; в пиковые периоды — в 3 и 4,5 раза соответственно; для V4 Pro цена при попадании в кэш в пик может вырасти в 12 раз. Рост цен на модели увеличивает расходы на длительные задачи, требующие десятков и более вызовов.
Также существует риск разрастания компонентов из‑за подхода «всё как плагин»: DSH упаковывает в систему плагинов функции, которые раньше можно было реализовать через скрипты или изменение кода. Согласно статье Cordis, при детализации компонентов и интенсивном взаимодействии между ними дополнительные интеграционные компоненты могут расти в O(n²) — при атомарной детализации плагинов затраты на взаимодействие компонентов могут расти квадратично. С ростом числа компонентов увеличиваются затраты на настройку, управление зависимостями, понимание и поддержку Runtime.
Успешность DSH зависит не только от возможности Agent модифицировать Harness, но и от того, приводит ли это к реальному улучшению выполнения задач. Если после изменений невозможно полное восстановление, остаются остаточные состояния, либо сложность и затраты превышают получаемую выгоду — решение останется экспериментальной архитектурой, а не готовым саморазвивающимся решением.
Ссылки
Подписаться в Макс
