DeepSeek Harness jamoasi xato topish va tuzatishga qodir super-agent prototipini ochdi

DeepSeek ochiq kodli agentlar dasturiy taʼminoti boʻlgan DeepSeek Harnessning v0.2.2-alpha.2 sinov versiyasini 28-oktabrda GitHubda joylashtirdi. Asosiy yangilik — subagent_oar nomli eksperimental plagin, u asosiy agentga Codex CLI yoki Claude Code ni shu kompyuterda oʻrnatish boʻyicha mustaqil vazifa yuklash imkonini beradi.

Avvalgi Harness Claude Code va Codexni qoʻllab-quvvatlagan; avgustdagi v0.1.0-rc.8 yangilishi foydalanuvchilarga ularni oʻz subagent tizimlari ichidagi profil paketlari sifatida oʻrnatish imkonini bergan edi. Biroq, yangi vosita boshqacha ishlaydi. U asosiy agentga ishni taqsimlash uchun yagona kirish nuqtasini taqdim etadi: subagent_oar chaqirilganda, agent codex yoki claude ni tanlaydi, soʻngra vazifa tavsifini, toʻliq soʻrovni va ixtiyoriy ish katalogini yuboradi. Vosita darhol vazifa identifikatorini qaytaradi, va ish tugagach, bajarilganlik haqidagi bildirishnoma yakuniy javobni yoki xato xabarini asosiy sessiyaga qaytaradi.

Tashqi vositalar mustaqil ishlaydi. Codex CLI va Claude Code oʻz sozlamalari, modellar, vositalari va kirish jarayonini saqlab qoladi, shuning uchun foydalanuvchilar har birida oʻrnatish va avtorizatsiya qilishlari, shuningdek, Harness hosti ularni topa olishiga ishonch hosil qilishlari kerak. Provayder parametrlari har bir runtime tomonidan qoʻllab-quvvatlanishga qarab, model, fikrlash darajasi, ishga tushirish argumentlari, muhit oʻzgaruvchilari va vaqtinchalik toʻxtashni uzatishi mumkin.

Hujjatlar aniq cheklovlarni belgilaydi: asosiy suhbat yoʻnaltirilmaydi, shuning uchun soʻrovda qaysi fayllar muhimligi va nima qaytarilishi aniq koʻrsatilishi kerak. Vazifalar bir martalikdir, keyingi savollar, sessiyani tiklash yoki real vaqt rejimida jarayonni oqim sifatida uzatish imkoniyati yoʻq. Faqat yakuniy javob yoki nosozlik qaytariladi, tashqi agentning ichki fikrlanishi yoki uning vositalari tarixi emas. Rasmiy misollar yozib turiladigan ish maydonini ishlatishga va ruxsat soʻrovlarini oʻchirishga imkon beradi, va vazifani bekor qilish tashqi agent allaqachon kiritgan fayl oʻzgarishlarini bekor qilmaydi.

Boshqa qoʻshimchalar foydalanuvchilarga topshirilgan ishni kuzatishga yordam beradi. Eksperimental oʻzgarishlar soʻrovi funksiyasi Git ning oʻz ish katalogida ishlayotgan sessiya uchun bogʻliq soʻrovning holatini va farqlarini koʻrsatishi mumkin. Ishlab chiqaruvchi statistikasi plagin har bir qadam va harakat boʻyicha kontekst, keshdan foydalanish, shuningdek, modellar va vositalarga sarflangan vaqtni batafsil koʻrsatadi. Kichik fon vazifalarining chiqishi endi tugash bildirishnomasiga keladi, va subagent kutish qoʻllanmasi koʻp marta soʻrov qilish zaruriyatini kamaytiradi.

Bu chiqarish shuningdek foydalanuvchilarga uchinchi tomon plaginlari paketlarini yangilash imkonini beradi, qizil yangilanishda muammo yuzaga kelsa orqaga qaytish imkoniyati bilan, va yaponcha, ispancha, fransuzcha, nemischa, ruscha va braziliya portugal tiliga interfeys matnini qoʻshadi. Bilibili yaratuvchilari tomonidan amalga oshirilgan koʻp agentli sozlamalar kabi avvalgi jamoatchilik materiallari foydalanuvchilar tomonidan yaratilgan boʻlib, ular DeepSeek mahsulotlari hisoblanmaydi.

Oʻtgan seshanba kuni (20-yanvar) DeepSeek oʻzining sunʼiy intellekt (AI) modellarini ishga tushirish uchun moʻljallangan DeepInfer dasturining kodini ommaga oshirdi. Ushbu vosita protsesslash samaradorligini oshirish va javoblar yaratish uchun kerak boʻlgan vaqtni qisqartirish maqsadida yaratilgan.

Kodni chiqarish bilan ishlab chiquvchilar va korxonalar dasturning ishlashini tahlil qilishlari va belgilangan texnik talablar hamda foydalanish shartlarini bajarish sharti bilan turli loyihalarga moslashtirish imkoniyatiga ega boʻlishadi. DeepSeekning oʻziga koʻra, bu harakat energiya va kompyuter resurslari sarfini kamaytirishga qaratilgan boʻlib, AI modellarini ishlatishni yanada samaraliroq qiladi. Biroq, amaliy natijalar foydalanish sharoitlari va mavjud infratuzilmadan bogʻliq boʻladi.

Hozirda DeepInfer maxsus DeepSeek-V4.1-Flash modeliga mos keladi. Kodni ochish boshqa ishlab chiquvchilarga texnologiyani oʻrganish va undan foydalanish imkonini bersa-da, kompaniyaning barcha ishga tushirish tizimi ochiq qilinmaganligi muhimdir, chunki infratuzilmaning baʼzi komponentlari yopiq holatda qolmoqda.

«Olhar Digital News» dasturida ishtirok etib, Mashinaviy Oʻrganish (Machine Learning) mutaxassisi fizikus Roberto «Pena» Spinelli ushbu yangilik haqida fikr bildirdi. Tadqiqotchi AI modelini taqdim etish bilan uni ishga tushirish uchun masʼul boʻlgan dasturni chiqarish oʻrtasidagi farqni tushuntirdi. Bu farqni tushuntirish uchun u avtomobil analogiyasidan foydalandi.

Pena shuni batafsil tushuntirdiki, faqat modelni baham koʻrish uni samarali ishlatish uchun zarur boʻlgan barcha vositalarni taqdim etish bilan teng emas. Model javoblarni yaratishga yoʻnaltiruvchi parametrlarni olib borishi bilan, inferensiya dasturi uning ishlashiga imkon beradigan mexanizmlarni guruhlaydi. Ushbu kodni ochish oʻzining yechimlarini joriy etmoqchi boʻlgan ishlab chiquvchilarga yordam berishi mumkin.

Mutaxassis vaziyatni quyidagicha solishtirdi: «Avval ular faqat dvigatelning loyihasini, yaʼni sunʼiy intellektni oʻziga xos narsani baham koʻrishardi. Hozir ular butun mashinaning ishlashini taqdim etmoqdalar. Barcha dastur va sunʼiy intellektni qanday ishga tushirish mexanizmi jamoatchilikka chiqarildi».

Bu taqqoslash ikkala element oʻrtasidagi farqni tushunishga yordam beradi, ammo bir cheklov mavjud: DeepInferni taqdim etish DeepSeek infratuzilmasining barcha elementlariga kirish imkonini bermaydi. Shunga qaramay, kodga kirish dasturchilar va tadqiqotchilarga kompaniya qoʻllagan ishga tushirish metodologiyalarini oʻrganish va ularni boshqa ishlarida qanday qoʻllashini baholash imkonini beradi.

Bu tashabbus DeepSeekning tijorat strategiyasiga ham foyda keltirishi mumkin. Texnologiyasining bir qismini baham koʻrish orqali kompaniya boshqa ishlab chiquvchilar uni ishlatishi, yaxshilashlar bilan hissa qoʻshishi va mos keladigan ilovalarni yaratishi uchun yoʻl ochadi. Bu qabul qilish yuqori raqobatbardosh bozorda texnologiyasining doirasini kengaytirishga yordam berishi mumkin, bunda bir nechta kompaniyalar yanada arzon va samarali modellar taklif qilish uchun raqobatlashadi.

Pena qoʻshimcha qildi: «DeepSeek koʻproq odamlar va kompaniyalar oʻz mahsulotlaridan foydalanishi uchun ekotizim yaratmoqchi». U davom etdi: «Butun tuzilmani qanday qurishni koʻrsatish orqali u jamoatchilikni qimmatroq toʻlovli platformalardan voz kechishga undaydi. Bu juda raqobatbardosh sohada oʻzini tasdiqlashning izchil usuli hisoblanadi».

DeepInferni chiqarish AI sohasidagi raqobat faqat modellar javoblar yaratish qobiliyatiga cheklanmaganligini, balki ularni ishga tushirish uchun talab qilinadigan samaradorlikka ham bogʻliqligini taʼkidlaydi. Texnologiyasining bir qismini baham koʻrish orqali DeepSeek dasturdan foydalanish imkoniyatlarini oshiradi va sohadagi oʻz oʻrnini mustahkamlaydi. Ushbu choraning taʼsiri boshqa omillar bilan birga, turli muhitlarda erishilgan natijalarga va ishlab chiquvchilar hamda korxonalarning qoʻllab-quvvatlashiga bogʻliq boʻladi.

DeepSeek kompaniyasi uning katta modellar xizmatlarining asosini tashkil etuvchi inferensiya uchun freymvork boʻlgan DeepInferni chiqardi. Ushbu chiqarish 20 oktyabrda amalga oshirildi.

DeepInfer Nvidia grafik protsessorlari, shuningdek, Huawei Ascend protsessorlarini qoʻllab-quvvatlaydi. Freymvork tarqatilgan inferensiya, spekulyativ dekodlash va tuzilgan chiqish kabi bir qator funksiyalarni taqdim etadi.

DeepSeek bayonotiga koʻra, ushbu chiqarishning maqsadi ishlab chiquvchilar va korxonalarga hisoblash va energiya sarfini kamaytirish bilan birga tranzit quvvatni oshirish va kechikishlarni pasaytirishga yordam berishdir.

Bundan tashqari, kompaniya deepseek-recipe komponentini ommaviy foydalanish uchun mavjud qildi. U API soʻrovlarini oʻzgartirish va DeepSeekning oʻz xizmatlariga muvofiq modelning kirish va chiqishini qayta ishlash uchun javobgar. Hozirda DeepInfer DeepSeek-V4.1-Flash-1017 modelini qoʻllab-quvvatlaydi va kompaniya bu loyiha orqali kelajakdagi modellar uchun inferensiya kodi va optimallashtirishlarni chiqarishni nazarda tutmoqda.