DeepSeek เปิดซอร์ส "Harness" — agent framework สัญญาอนุญาต MIT ที่ทุกอย่างเป็นปลั๊กอิน กวาด 68,000 ดาวในวันเดียว

ในวันเดียวกับที่ DeepSeek ดัน V4 Pro ขึ้น GA บริษัทยังปล่อยของอีกชิ้นที่นักพัฒนาสาย agent ควรรู้: DeepSeek Harness (คำสั่ง dsh) — agent framework ของตัวเองที่เปิดซอร์สทั้งก้อนภายใต้ สัญญาอนุญาต MIT สถานะปัจจุบันคือ developer preview repo deepseek-ai/deepseek-harness ถูกสร้างขึ้นเมื่อ 13 สิงหาคม 2026 และภายในเวลาไม่ถึงวันก็มียอดดาวบน GitHub ทะลุ 68,000 ดวง ซึ่งเป็นตัวเลขที่บอกอะไรบางอย่างเกี่ยวกับความหิวของตลาดต่อ harness ที่ไม่ได้ผูกกับผู้ให้บริการรายเดียว

คำโปรยของโปรเจกต์คือประโยคเดียวสั้น ๆ ว่า “Everything is a Plugin” และนั่นไม่ใช่คำโฆษณาลอย ๆ — มันคือสถาปัตยกรรมจริงของตัวมัน

Cordis kernel: โมเดล, tool, sandbox, กระทั่ง UI ก็เป็นปลั๊กอิน

หัวใจของ Harness คือเคอร์เนลชื่อ Cordis ที่ทำหน้าที่จัดการ dependency ระหว่างปลั๊กอินและ orchestration ทั้งหมด สิ่งที่ประกาศตัวเป็นปลั๊กอินได้มีตั้งแต่ models, tools, skills, sessions, sandboxes, storage, loops, scheduling ไปจนถึง UI โดยตัวเคอร์เนลให้ service และ event เป็นกลไกให้ปลั๊กอินคุยกัน

ความต่างจาก framework ยอดนิยมหลายตัวอยู่ตรงนี้: agent loop เอง — ตัววนคิด-เรียกเครื่องมือ-อ่านผล — ก็เป็นปลั๊กอินที่ถอดเปลี่ยนได้ ไม่ใช่แกนกลางที่แตะไม่ได้ ใครที่เคยเจอเพดานของ framework ตอนอยากเปลี่ยนพฤติกรรม loop หรือเปลี่ยนวิธี inject context จะเข้าใจทันทีว่าทำไมดีไซน์นี้ถึงน่าสนใจ

โปรเจกต์เขียนด้วย TypeScript / Node.js ใช้ pnpm เป็นตัวจัดการแพ็กเกจ เริ่มเล่นได้ด้วยคำสั่งเดียว:

npx @deepseek-ai/dsh web
# Web UI ขึ้นที่ http://127.0.0.1:3080

หรือถ้าจะ build จาก source:

git clone https://github.com/deepseek-ai/deepseek-harness
pnpm install && pnpm run build && pnpm dsh web

สี่โหมดรันไทม์ — จาก benchmark harness ยัน preset authoring

Harness แยกโหมดการทำงานออกเป็น 4 แบบ ซึ่งสะท้อนว่ามันไม่ได้ถูกออกแบบมาเป็น “coding agent” ตัวเดียวจบ:

โหมด	ใช้ทำอะไร
Standard	coding agent เต็มรูปแบบ — แก้ไฟล์, shell, ค้นไฟล์และเว็บ, skills, planning, goals, subagents, workflows
Code	ให้โมเดลเขียนโค้ดเพื่อสั่ง tool หลายตัวต่อกัน ผ่าน TypeScript SDK แทนการเรียกทีละ tool call
Minimal	agent สองเครื่องมือ (bash ค้างสถานะ + str_replace_editor) สำหรับงาน benchmark ในสภาพแวดล้อมจำกัด
Creator	สำหรับสร้าง preset ของ agent เอง — มีทุกอย่างของ Standard บวก runtime inspection และการทดลองปลั๊กอิน

โหมด Code คือแนวคิดที่กำลังมาแรงในวงการ agent ปีนี้ (ให้โมเดลเขียนโค้ดเรียก tool แทนการ round-trip tool call ทีละครั้ง) ส่วนโหมด Minimal ก็ตรงไปตรงมาว่ามีไว้ให้ทีมวิจัยรัน benchmark แบบเทียบกันได้ — การที่ vendor ปล่อย harness สำหรับ benchmark ของตัวเองออกมาเปิดเผย ถือเป็นเรื่องดีต่อความโปร่งใสของตัวเลข SWE-bench ที่มักเถียงกันไม่จบว่า “ใช้ harness อะไรวัด”

session log แบบ append-only: resume, fork, search, replay

จุดที่ผมคิดว่าเป็นของจริงที่สุดในตัวนี้คือ observability ทุกอย่างที่โมเดลเห็นถูกบันทึกลง session log แบบ append-only — system prompt, reasoning, tool call และผลลัพธ์, การจัดคิว subagent และ ทุกครั้งที่มีการ inject context เข้าไป

จากบันทึกก้อนนั้น Trajectory view รองรับการ resume, fork, search และ replay ย้อน event stream ได้ พูดภาษาคนทำงานคือคุณสามารถย้อนกลับไปดูว่า “ตอนขั้นที่ 14 agent มันเห็นอะไรอยู่ในหัวถึงตัดสินใจแบบนั้น” แล้ว fork ออกไปลองเส้นทางใหม่จากจุดนั้นได้เลย ซึ่งเป็นสิ่งที่ทีมที่ debug agent จริงจังต้องสร้างเองแทบทุกทีม

DeepSeek ระบุชัดว่านี่คือ developer preview และจะมี compatibility-breaking changes ตามมา — อย่าเพิ่งเอาไปวางเป็นฐานของ production ในสัปดาห์นี้

มุมมอง AI Curator

เรื่องนี้อ่านผิวเผินเหมือน “อีกหนึ่ง agent framework” ในตลาดที่มีเป็นร้อย แต่บริบทมันไม่เหมือนกัน — นี่คือ harness ที่ห้องแล็บฟรอนเทียร์ใช้เองแล้วยกมาแจกทั้งก้อนแบบ MIT ไม่ใช่ SDK ที่เขียนขึ้นมาเพื่อกล่อมให้คนเรียก API ของตัวเอง สังเกตว่าหน้าเว็บทางการไม่ได้ผูกมันไว้กับโมเดล DeepSeek ด้วยซ้ำ เพราะ “model” เองก็เป็นแค่ปลั๊กอินชนิดหนึ่ง

ที่น่าสนใจกว่าคือจังหวะเวลา DeepSeek ปล่อย Harness ในวันเดียวกับที่ประกาศจะขึ้นราคา API — ถ้ามองเป็นกลยุทธ์ นี่คือการย้ายตำแหน่งจาก “โมเดลถูกที่สุด” ไปเป็น “เครื่องมือที่คุณใช้ทำงานทุกวัน” ซึ่งเป็นการยึดพื้นที่ที่เหนียวกว่าราคาต่อ token มาก เพราะราคาถูกลอกเลียนได้ในหนึ่งคืน แต่ workflow ที่ทีมคุ้นมือแล้วย้ายยากกว่านั้นหลายเท่า

สำหรับทีมไทย ผมมองว่าจุดขายจริงของ Harness ไม่ใช่ตัว agent แต่คือ session log ที่ตรวจสอบย้อนหลังได้ — องค์กรไทยที่อยู่ในภาคที่ต้อง audit ได้ (ธนาคาร, ประกัน, สุขภาพ, หน่วยงานรัฐ) ติดปัญหาเดียวกันหมดเวลาจะเอา agent เข้าระบบจริง คือ “ตอบผู้ตรวจสอบไม่ได้ว่าโมเดลเห็นข้อมูลอะไรตอนตัดสินใจ” การมี append-only log ที่ replay ได้ ภายใต้สัญญาอนุญาต MIT ที่ deploy บน infra ตัวเองได้ทั้งหมด แก้โจทย์นั้นตรงจุดกว่าการซื้อแพลตฟอร์ม SaaS ที่ log อยู่ต่างประเทศ

ข้อควรระวังที่ต้องพูดให้ชัด: MIT ครอบคลุมเฉพาะ ซอฟต์แวร์ — ไม่ใช่คำสัญญาว่าโมเดลที่คุณเสียบเข้าไปจะฟรีหรือรันในประเทศได้ และสถานะ preview แปลว่า API ภายในจะเปลี่ยน ถ้าจะเริ่มตอนนี้ แนะนำให้เริ่มจากโหมด Creator เพื่อทำความเข้าใจโครงปลั๊กอินก่อน แล้วค่อยห่อ abstraction ของตัวเองคั่นไว้ อย่าเรียก API ภายในของ Cordis ตรง ๆ จากโค้ดธุรกิจ

แหล่งข่าว:

• DeepSeek Harness — หน้าทางการ
• deepseek-ai/deepseek-harness — GitHub (MIT)
• Deepseek ships improved V4 Pro, open-sources its agent software, and raises API prices — The Decoder