DeepSeek Harness v0.2.2-alpha.2 позволяет главному агенту передавать задачи локальным инструментам Codex и Claude Code
Подробнее
Pandaily
pandaily.com

DeepSeek Harness v0.2.2-alpha.2 позволяет главному агенту передавать задачи локальным инструментам Codex и Claude Code

DeepSeek выпустила предварительную версию DeepSeek Harness, своего программного обеспечения для агентов с открытым исходным кодом, версия v0.2.2-alpha.2, которая была размещена на GitHub 28 октября. Основное нововведение — экспериментальный плагин под названием subagent_oar, который дает главному агенту возможность поручить автономную задачу установке Codex CLI или Claude Code на той же машине.

Ранее Harness поддерживал Claude Code и Codex; обновление v0.1.0-rc.8 в августе позволяло пользователям устанавливать их в виде пакетов профилей внутри своей системы subagent. Однако новый инструмент функционирует иначе. Он предоставляет главному агенту единую точку входа для распределения работы: при вызове subagent_oar агент выбирает либо codex, либо claude, после чего отправляет описание задачи, полный запрос и необязательный рабочий каталог. Инструмент немедленно возвращает идентификатор задачи, а по завершении работы уведомление о выполнении приносит окончательный ответ или сообщение об ошибке обратно в основную сессию.

Внешние инструменты работают независимо. Codex CLI и Claude Code сохраняют свои собственные настройки, модели, инструменты и процесс входа, поэтому пользователи должны установить и авторизоваться в каждом из них, а также убедиться, что хост Harness может их найти. Параметры провайдера могут передавать модель, уровень рассуждений, аргументы запуска, переменные окружения и таймаут, в зависимости от поддержки каждого рантайма.

Документация устанавливает четкие ограничения: основная беседа не перенаправляется, поэтому в запросе необходимо явно указать, какие файлы важны и что должно быть возвращено. Задачи являются одноразовыми, без возможности последующих вопросов, возобновления сессии или потоковой передачи прогресса в реальном времени. Возвращается только финальный ответ или сбой, а не внутреннее рассуждение внешнего агента или история его инструментов. Официальные примеры позволяют использовать записываемое рабочее пространство и отключают запросы разрешений, а отмена задачи не отменяет изменения файлов, которые внешний агент уже внес.

Другие дополнения помогают пользователям отслеживать делегированную работу. Экспериментальная функция запроса изменений может отображать статус и различия связанного запроса на слияние для сессии, работающей в собственном рабочем дереве Git. Плагин статистики разработчика детализирует использование контекста, кэша, а также время, затраченное на модели и инструменты, по каждому шагу и ходу. Вывод небольших фоновых задач теперь поступает в уведомлении о завершении, а руководство по ожиданию subagent сокращает необходимость многократного опроса.

Выпуск также позволяет пользователям обновлять пакеты сторонних плагинов, с возможностью отката в случае сбоя горячего обновления, и добавляет интерфейсный текст на японский, испанский, французский, немецкий, русский и бразильский португальский языки. Более ранние материалы сообщества, включая тесты мультиагентных настроек от создателей Bilibili, были созданы самими пользователями и не являются продуктами DeepSeek.

Похожие сюжеты

DeepSeek выпустил код DeepInfer для ускорения и оптимизации выполнения моделей ИИ
Подробнее
olhardigital.com.br

DeepSeek выпустил код DeepInfer для ускорения и оптимизации выполнения моделей ИИ

В прошлый вторник (20-го) DeepSeek сделал общедоступным код DeepInfer — программное обеспечение, предназначенное для работы с ее моделями искусственного интеллекта (ИИ). Этот инструмент был создан с целью повышения эффективности обработки и сокращения времени, необходимого для генерации ответов.

С выпуском кода разработчики и корпорации получили возможность изучить работу программы и адаптировать ее для различных проектов, при условии соблюдения технических требований и условий использования. По словам самой DeepSeek, эта мера направлена на снижение энергопотребления и вычислительных ресурсов, делая работу моделей ИИ более эффективной. Однако практические результаты будут зависеть от условий использования и доступной инфраструктуры.

В настоящее время DeepInfer совместим конкретно с моделью DeepSeek-V4.1-Flash. Хотя открытие кода позволяет другим разработчикам исследовать и использовать эту технологию, важно отметить, что не вся система исполнения компании была обнародована, поскольку некоторые компоненты инфраструктуры остаются закрытыми.

Во время участия в программе Olhar Digital News физик Роберто «Пена» Спинелли, эксперт по машинному обучению, прокомментировал это нововведение. Исследователь разъяснил различие между предоставлением модели ИИ и выпуском программного обеспечения, которое отвечает за ее выполнение. Чтобы объяснить эту разницу, он использовал аналогию с автомобилем.

Пена подробно объяснил, что простое предоставление модели не равносильно предоставлению всех инструментов, необходимых для ее эффективной эксплуатации. В то время как модель содержит параметры, управляющие созданием ответов, программное обеспечение для вывода объединяет механизмы, которые обеспечивают его функционирование. Открытие этого кода может помочь разработчикам, планирующим внедрить собственные решения.

Эксперт сравнил ситуацию, сказав: «Раньше они делились только чертежом двигателя, который является самим искусственным интеллектом. То, что они делают сейчас, — это предоставление работы целой машины. Все программное обеспечение и механизм того, как они выполняют искусственный интеллект, были выпущены для общественности».

Это сравнение помогает понять разницу между двумя элементами, но есть оговорка: предоставление DeepInfer не означает, что все элементы инфраструктуры DeepSeek доступны. Тем не менее, доступ к коду позволяет программистам и исследователям изучать методологии исполнения, используемые компанией, и оценивать, как применять их в других работах.

Эта инициатива также может способствовать коммерческой стратегии DeepSeek. Делясь частью своей технологии, компания открывает возможности для других разработчиков использовать ее, вносить улучшения и создавать совместимые приложения. Такое принятие может расширить охват ее технологии на высококонкурентном рынке, где множество компаний соревнуются в предложении более доступных и эффективных моделей.

Пена добавил: «DeepSeek хочет создать экосистему, чтобы больше людей и компаний начали использовать ее продукты». Он продолжил: «Показывая, как собрать полную структуру, она побуждает публику отказываться от более дорогих платных платформ. Это последовательный способ утвердиться в крайне конкурентном секторе».

Выпуск DeepInfer подчеркивает, что конкуренция в области ИИ ограничивается не только способностью моделей генерировать ответы, но и эффективностью, требуемой для их выполнения. Делясь частью своей технологии, DeepSeek увеличивает варианты использования программного обеспечения и укрепляет свои позиции в отрасли. Влияние этой меры будет зависеть, среди прочего, от достигнутой производительности в различных средах и принятия разработчиками и компаниями.

Популярное