Набор в DeepSeek Harness превратился в карту инженерных проблем ИИ-агентов

Руководитель команды DeepSeek Agent Harness Цуй Тяньи 1 августа пригласил в закрытое тестирование разработчиков, участвовавших в создании и сопровождении открытых агентных проектов. От кандидатов требовалось приложить репозиторий с показательным результатом. К утру 3 августа сторонний подсчёт обнаружил 769 заявок и 712 уникальных репозиториев из 18 категорий; суммарно они набрали более 1,2 млн звёзд на GitHub. Обычный набор тестировщиков таким образом превратился в масштабную, хотя и неформальную витрину открытой агентной инфраструктуры.

Harness в этом контексте — исполнительный слой между моделью и реальной средой. Модель интерпретирует задачу и предлагает шаги, а обвязка управляет терминалом, файлами, внешними инструментами, контекстом и восстановлением после ошибок. DeepSeek уже применяла Harness при тестировании финальной версии V4-Flash: выбранные испытания охватывали операции в терминале, кибербезопасность, вызов множества инструментов и сложную full-stack-разработку. Все эти сценарии требуют не разового ответа, а длинной последовательности действий с корректировкой плана по результатам выполнения.

Самыми крупными категориями среди заявок стали агентные фреймворки и программирующие агенты: вместе в них оказалось 242 проекта, около трети выборки. Ещё 56 проектов занимались памятью и контекстом, набрав в сумме 194 тысячи звёзд. Разработчики экспериментируют с Git, базами данных и графами знаний, пытаясь сохранить состояние многочасовой задачи, учитывать историю репозитория и возвращать агенту нужную информацию без переполнения контекстного окна. Единого архитектурного решения для такой памяти у сообщества пока нет.

Меньше проектов было посвящено исследованиям и оценке качества, а также безопасности — по 24 в каждой категории, — но именно эти направления определяют готовность агента к производственной эксплуатации. Когда система получает право выполнять код и изменять файлы, ей нужны разграничение полномочий, изоляция файловой системы и надёжная песочница. Среди заявителей были разработчики с опытом поиска уязвимостей в Codex, Claude Code и Cursor, а также авторы среды, которая на TerminalBench 2.1 с V4-Flash в режиме высокой интенсивности рассуждений показала результат 70,8%.

Вокруг Harness уже возникло предположение, что DeepSeek готовит собственного агента для программной инженерии с автономным планированием, выполнением кода, памятью и пониманием репозитория — потенциального конкурента Claude Code и Codex. Компания этого не подтверждала. Из известных шагов можно говорить лишь о поддержке Responses API, адаптации V4-Flash для Codex и постепенном тестировании распознавания изображений, полезного для чтения архитектурных схем и скриншотов ошибок.

Сами цифры набора нужно воспринимать осторожно. Комментарии содержали не только заявки, но и обсуждения, формат отправки не был унифицирован, некоторые ссылки не работали, а отдельные проекты попали не в те категории. Кроме того, популярный репозиторий мог предложить не его основной автор, а участник, сделавший лишь один pull request. Поэтому список хорошо показывает разнообразие инженерных подходов, но не является ни рейтингом проектов, ни точным срезом всей открытой экосистемы агентов.