DeepSeek Harness: ผู้ให้บริการของคุณเองผ่าน JoinGonka Gateway

Harness คือทุกสิ่งทุกอย่างที่อยู่รอบโมเดลในการทำงานแบบเอเจนต์: วงจร «คำขอ → เรียกเครื่องมือ → ผลลัพธ์ → ขั้นตอนถัดไป» เครื่องมือสำหรับไฟล์และเทอร์มินัล สิทธิ์และการยืนยัน บันทึกเซสชัน การบีบอัดบริบท DeepSeek Harness ประกอบสิ่งเหล่านี้จากปลั๊กอิน: สถาปัตยกรรม «everything is a plugin» สร้างบนเฟรมเวิร์ก Cordis และทุกโหนด ตั้งแต่เครื่องมือไปจนถึงอะแดปเตอร์โมเดล สามารถแทนที่ได้โดยไม่ต้องแก้ไขแกนหลัก โค้ดเปิดภายใต้สัญญาอนุญาต MIT

ไม่ต้องติดตั้ง เพียงมี Node.js (ซีรีส์ 22 ตั้งแต่ 22.19 ขึ้นไป หรือ 24 และใหม่กว่า):

npx @deepseek-ai/dsh web

คำสั่งนี้จะเริ่ม Web UI ที่ http://127.0.0.1:3080 และเปิดในเบราว์เซอร์ เมื่อรันผ่าน SSH ที่อยู่จะถูกพิมพ์ในเทอร์มินัลเท่านั้น แฟล็ก --no-open เริ่มเซิร์ฟเวอร์โดยไม่เปิดเบราว์เซอร์ --port เปลี่ยนพอร์ต ไดเรกทอรีที่รัน dsh จะกลายเป็นไดเรกทอรีทำงานเริ่มต้น แต่ UI จะเริ่มเซสชันหลังจากเลือก workspace อย่างชัดเจนเท่านั้น

ชั้นโมเดลประกอบด้วยอะแดปเตอร์สองตัว แบบตรงเชื่อมต่อกับ API อย่างเป็นทางการของผู้ให้บริการ แบบหลายผู้ให้บริการ — dsh-llm-pi-ai — สร้างบนไลบรารี pi-ai ซึ่งเป็นตัวเดียวกับที่เป็นพื้นฐานของเทอร์มินัลเอเจนต์ Pi; ผ่านมันสามารถเชื่อมต่อทั้งผู้ให้บริการที่มีในแคตตาล็อกและ endpoint ของตัวเองใดๆ ดังนั้นชื่อฟิลด์ในการตั้งค่า — api, contextWindow, maxTokens — จึงตรงกับที่คุ้นเคยจาก Pi

เกี่ยวกับความสมบูรณ์ของโปรเจกต์ README ของโปรเจกต์เริ่มต้นด้วยคำเตือน: developer preview, การพัฒนาซ้ำเร็ว, การเปลี่ยนแปลงที่อาจทำให้เกิดการพัง เอกสาร SAFETY.md แยกต่างหากระบุว่ายังไม่มีการตรวจสอบความปลอดภัย และเอเจนต์รันคำสั่งที่สร้างโดยโมเดล ข้อสรุปในทางปฏิบัติง่ายๆ: รัน dsh ในคอนเทนเนอร์ เครื่องเสมือน หรือภายใต้บัญชีแยก และสำรองข้อมูลทุกอย่างที่มันเข้าถึงได้

ขั้นตอนที่ 1: คีย์ ลงทะเบียนที่ gate.joingonka.ai/register หลังยืนยันที่อยู่แล้ว จะมีโทเคนฟรี 3M เข้าบัญชีของคุณ ในหน้าคอนโทรลแพเนลให้เปิดส่วน «คีย์ API» แล้วสร้างคีย์ที่ขึ้นต้นด้วย jg- ควรสร้างคีย์แยกต่างหากสำหรับฮาร์เนสด้วย จะได้เห็นทราฟฟิกของมันเป็นบรรทัดแยกในสถิติ

ขั้นตอนที่ 2: หน้าจอแรก หลังการแจ้งเตือนสถานะทดสอบ (ปุ่ม Continue) dsh จะขอให้ป้อนคีย์ของ API อย่างเป็นทางการ («Add an API key to get started») ไม่จำเป็นก็ได้ ให้กด Configure later

ขั้นตอนที่ 3: ผู้ให้บริการ เปิด Settings → Models แล้วเลือก Add a custom provider ฟิลด์ในฟอร์มมีดังนี้:

ขั้นตอนที่ 4: โมเดล ในบล็อก Models ให้กด Fetch available models dsh จะดึงรายการจากเกตเวย์และเปิดหน้าต่าง «Choose models to add» ในการทดลองของเรา หน้าต่างนั้นแสดงโมเดลทั้งสามของเครือข่าย — MiniMaxAI/MiniMax-M2.7, deepseek-ai/DeepSeek-V4-Flash-0731 และ zai-org/GLM-5.3-Flash — และหลังกด Add selected ฮาร์เนสก็กำหนดหน้าต่างบริบทและเพดานการตอบกลับให้แต่ละตัวโดยอัตโนมัติ ตามข้อมูลจากเกตเวย์ เหลือเพียงกด Create provider

ขั้นตอนที่ 5: เลือกโมเดล ปิดการตั้งค่า กด Choose workspace แล้วเพิ่มไดเรกทอรีโปรเจกต์ โมเดลของผู้ให้บริการใหม่จะปรากฏในตัวเลือก และโมเดลที่เลือกจะกลายเป็นค่าเริ่มต้นสำหรับเซสชันใหม่

dsh เก็บคีย์แยกจากการตั้งค่า: ไว้ในไฟล์ ~/.dsh/.credentials.yaml ที่อนุญาตให้เฉพาะเจ้าของเข้าถึง ใน settings.yaml เหลือเพียงชื่อลิงก์ที่อ้างถึงคีย์นั้น — ในการทดลองของเราคือ JOINGONKA_API_KEY ตามตัวระบุของผู้ให้บริการ

ควรเลือกโปรโตคอลไหน เกตเวย์รองรับทั้งสามแบบ ต่างกันที่ที่อยู่พื้นฐานและความสะดวกเสริม:

ใน dsh หนึ่งผู้ให้บริการใช้ได้เพียงโปรโตคอลเดียว ดังนั้นโปรโตคอลที่สองจึงต้องเป็นผู้ให้บริการรายที่สองที่มี Provider ID อีกอัน สำหรับการใช้งานประจำวัน ตัวเลือกแรกก็เพียงพอแล้ว ในการทดลองของเรา วงจรเอเจนต์ที่เรียกใช้เครื่องมือทำงานได้ครบทั้งสามแบบ

ฟอร์ม Models จะเขียนลงไฟล์ YAML ธรรมดา — $DSH_HOME/settings.yaml ซึ่งค่าเริ่มต้นคือ ~/.dsh/settings.yaml คุณแก้ไขไฟล์นี้ได้โดยตรง: ปุ่ม Open configuration file ที่หัวหน้าจอการตั้งค่าจะเปิดไฟล์ขึ้นมา และอะแดปเตอร์จะอ่านค่าจากไฟล์นี้อีกครั้งในคำขอถัดไป — ไม่จำเป็นต้องรีสตาร์ท นี่คือตัวอย่างแบบเต็มสำหรับเครือข่าย Gonka:

# ~/.dsh/settings.yaml
llm-pi-ai:
  providers:
    joingonka:
      displayName: JoinGonka Gateway
      apiKeyEnv: JOINGONKA_API_KEY
      api: openai-completions
      baseURL: https://gate.joingonka.ai/v1
      models:
        - id: deepseek-ai/DeepSeek-V4-Flash-0731
          name: DeepSeek V4 Flash
          contextWindow: 380000
          maxTokens: 32768
        - id: zai-org/GLM-5.3-Flash
          name: GLM-5.3 Flash
          contextWindow: 390000
          maxTokens: 8192
          reasoningEfforts:
            off: low
            high: high
        - id: MiniMaxAI/MiniMax-M2.7
          name: MiniMax M2.7
          contextWindow: 200000
          maxTokens: 8192
agent-default-model:
  provider: joingonka
  model: deepseek-ai/DeepSeek-V4-Flash-0731

จุดสำคัญมีดังนี้:

• apiKeyEnv ไม่ใช่ตัวคีย์ แต่เป็นชื่อของตัวอ้างอิงไปยังคีย์นั้น dsh จะค้นหาค่าตามลำดับ: ตัวแปรสภาพแวดล้อม ณ เวลาที่เริ่มทำงาน จากนั้น .credentials.yaml (ที่ฟอร์มเขียนค่าไว้) ต่อด้วย .env ในไดเรกทอรีที่รัน และสุดท้าย ~/.dsh/.env หากคุณตั้งค่าฮาร์เนสโดยไม่ใช้เบราว์เซอร์ แค่เพิ่มบรรทัด JOINGONKA_API_KEY=jg-your-key ลงใน ~/.dsh/.env พร้อมสิทธิ์ 600 ก็เพียงพอแล้ว แต่ตัวแปรที่ export หลังจากเริ่มโปรเซสไปแล้ว โปรเซสที่รันอยู่จะไม่เห็นค่านั้น
• ควรระบุ contextWindow และ maxTokens อย่างชัดเจน เพราะโมเดลที่ dsh ไม่รู้จักจะถูกกำหนดค่าเป็น 262,144 และ 32,768 โทเคน ซึ่งไม่ตรงกับลิมิตจริง นอกจากนี้ maxTokens ที่กำหนดไว้จะกลายเป็นลิมิตคำตอบเริ่มต้นสำหรับทุกคำขอด้วย
• reasoningEfforts คือระดับการคิดวิเคราะห์สำหรับเมนู Effort โมเดลที่เพิ่มเข้ามาเองจะไม่มีระดับเหล่านี้ และเมนูจะไม่ปรากฏขึ้น สำหรับ GLM-5.3 Flash ตัวสลับเป็นแบบสองสถานะ: ค่า low จะปิดการคิดวิเคราะห์ ส่วนค่าอื่นใดก็ตามจะเปิดเต็มรูปแบบ ดังนั้นระดับ off จึงจับคู่กับ low ส่วน high จะส่งไปตามเดิม ในการทดสอบของเรา เมื่อใช้ off ไม่มีบล็อกการคิดวิเคราะห์เลย แต่เมื่อใช้ high กลับมามีอีกครั้ง
• agent-default-model คือโมเดลสำหรับเอเจนต์ใหม่ รวมถึงโหมด headless การเลือกโมเดลในอินเทอร์เฟซก็ให้ผลเช่นเดียวกัน และยังสามารถเพิ่ม reasoningEffort ตรงนี้ได้ด้วย

ตัวสลับ compat ที่เอกสารของ dsh แนะนำสำหรับเกตเวย์ที่เข้มงวด (supportsDeveloperRole: false, maxTokensField: max_tokens) ไม่จำเป็นที่นี่ เพราะ JoinGonka Gateway รองรับทั้งบทบาท developer และฟิลด์ max_completion_tokens

ตัวติดตั้ง npx @joingonka/setup ไม่ได้ตั้งค่าฮาร์เนสนี้: การเชื่อมต่อทั้งหมดทำผ่านฟอร์มในหัวข้อก่อนหน้าหรือ YAML ที่แสดงด้านบนเท่านั้น

วิธีที่เร็วที่สุดในการทดสอบการเชื่อมต่อคือการรันครั้งเดียวจากไดเรกทอรีที่มีโค้ด วางไฟล์เล็กๆ ที่มีข้อผิดพลาดชัดเจนไว้ข้างๆ แล้วขอให้มันค้นหา:

cd /path/to/project
npx @deepseek-ai/dsh --profile headless "Read calc.py and tell me in one sentence whether it has a bug."

คำตอบสุดท้ายพิมพ์ไปที่ stdout ส่วนกระบวนการคิดพิมพ์ไปที่ stderr พร้อมป้ายกำกับ dsh: reasoning: เอเจนต์ต้องเรียกเครื่องมืออ่านไฟล์ด้วยตัวเองและตอบอย่างตรงประเด็น ในการรันของเรา โมเดลทั้งสามในเครือข่ายต่างระบุบรรทัดที่ผิดได้ นั่นหมายความว่าวงจรเต็มรูปแบบ "คำขอ → เรียกเครื่องมือ → ผลลัพธ์ → คำตอบ" ผ่านเกตเวย์ทำงานได้อย่างถูกต้อง

การทดสอบครึ่งหลังอยู่ฝั่งเกตเวย์ ในแดชบอร์ดให้เปิด "การใช้งาน" ซึ่งจะแสดงคำขอรายชั่วโมงและรายวัน แยกตามโมเดลและตามคีย์ หากมีแถวที่มีคีย์ของฮาร์เนสและเวลาคำขอล่าสุดที่เพิ่งเกิดขึ้น แสดงว่าทราฟฟิกผ่านเกตเวย์จริง

หากมีอะไรผิดพลาด โดยปกติการวินิจฉัยอ่านได้จากข้อความโดยตรง:

ราคาของทุกโมเดลในเครือข่ายเท่ากัน ดังนั้นการเลือกจึงขึ้นอยู่กับพฤติกรรมไม่ใช่เรื่องของงบประมาณ ด้านล่างนี้คือขีดจำกัดและพฤติกรรมของโมเดลในการทดสอบ dsh ของเราด้วยงานเดียวกัน: อ่านไฟล์และหาข้อผิดพลาดในนั้น

คำแนะนำเริ่มต้นคือ DeepSeek V4 Flash: การทำงานแบบ Agent มักจะติดขัดที่ขนาดบริบทและความยาวของการแก้ไข ซึ่งที่นี่มีพื้นที่เหลือเฟือสำหรับทั้งสองพารามิเตอร์ เมื่อต้องจัดการกับตรรกะที่ซับซ้อน ให้เปลี่ยนไปใช้ GLM-5.3 Flash และตั้งค่าระดับการใช้เหตุผลเป็น high; สำหรับการแก้ไขด่วน ผู้ให้บริการรายเดียวกันจะให้ระดับเป็น off ส่วน MiniMax M2.7 เป็นตัวเลือกที่เสถียรสำหรับงานระยะสั้น เมื่อขั้นตอนการคิดที่ไม่แสดงออกมานั้นไม่เป็นอุปสรรค สามารถเปลี่ยนโมเดลได้ในตัวเลือกอินเทอร์เฟซหรือผ่านสตริง model ในบล็อก agent-default-model

องค์ประกอบของเครือข่ายกำหนดโดยการลงคะแนนของผู้เข้าร่วมและเปลี่ยนแปลงไปตามกาลเวลา; รายการล่าสุดพร้อมขีดจำกัดสามารถดึงได้เสมอผ่าน GET https://gate.joingonka.ai/v1/models — ซึ่งเป็นสิ่งที่ปุ่ม Fetch available models ใช้เช่นกัน

เครื่องมือแบบ Agent ใช้โทเค็นต่างจากการแชททั่วไป: ในทุกๆ ข้อความของคุณ Harness จะเพิ่ม System Prompt และคำอธิบายเครื่องมือทั้งหมดเข้าไป จากนั้นจะดำเนินบทสนทนาหลายขั้นตอนกับโมเดล ในการทดสอบของเรา งาน "อ่านไฟล์และหาข้อผิดพลาด" ใช้เวลา 2-3 ขั้นตอนและใช้โทเค็นไป 14,000 ถึง 22,000 โทเค็น ซึ่งส่วนใหญ่เป็น Input: โทเค็นประมาณ 7,000 โทเค็นจะถูกใช้ไปในทุกขั้นตอนก่อนที่คุณจะเริ่มถามด้วยซ้ำ นี่เป็นราคาปกติที่ต้องจ่ายสำหรับความเป็นอัตโนมัติ และนี่คือสาเหตุที่ราคาต่อโทเค็นมีความสำคัญ

ผ่าน JoinGonka Gateway โทเค็นมีราคาอยู่ที่ $0.0069 ต่อล้านโทเค็นสำหรับ Input และ $0.021 ต่อล้านโทเค็นสำหรับ Output ซึ่งราคาจะเท่ากันสำหรับโมเดลทั้งหมดในเครือข่ายและอัปเดตบนหน้านี้จากแหล่งข้อมูลจริง ลำดับราคา ณ เดือนกันยายน 2026:

การชำระเงินคิดตามการใช้งานจริง ไม่มีค่าสมาชิกและไม่มีโควตาจำนวนคำขอ คุณสามารถดูยอดคงเหลือและประวัติการใช้งานรายวันได้ในระบบจัดการ

เวอร์ชัน: ขณะที่โครงการอยู่ในสถานะ developer preview หลังจากอัปเดตทุกครั้ง โปรดตรวจสอบว่า Provider ยังใช้งานได้ และเพื่อความสามารถในการทำซ้ำ (reproducibility) ให้ล็อกเวอร์ชันไว้ในคำสั่งโดยตรง: npx @deepseek-ai/[email protected] web

สิทธิ์: เซสชันใหม่จะทำงานในโหมด Workspace Write โดยค่าเริ่มต้น ซึ่งอนุญาตให้เขียนข้อมูลภายในไดเรกทอรีงาน; สำหรับการดำเนินการที่เกินนโยบาย อินเทอร์เฟซจะขอให้ยืนยันก่อน คุณสามารถเปลี่ยนโหมดได้ที่ Settings → General

การลองใหม่: หากเกิดข้อผิดพลาดของเครือข่ายเพียงครั้งเดียว dsh จะพยายามส่งคำขอใหม่โดยอัตโนมัติสูงสุด 5 ครั้งตามเอกสาร ดังนั้นการกระตุกของเครือข่ายสั้นๆ มักจะไม่ส่งผลกระทบใดๆ

ความเป็นส่วนตัว: Gateway จะไม่จัดเก็บเนื้อหาของ Prompt และคำตอบ: สถิติจะเก็บเฉพาะข้อมูลรวมของการใช้งานเท่านั้น ไฟล์โครงการจะถูกอ่านโดย Agent ในเครื่องของคุณเท่านั้น

หากต้องการทำงานกับรูปภาพ เช่น ภาพหน้าจออินเทอร์เฟซ หรือแผนภาพ ให้ตั้งค่า Provider ตัวที่สองที่มีโมเดลที่รองรับวิสัยทัศน์ (Vision) ไว้ข้างๆ: dsh สามารถเปิดใช้งาน Provider หลายตัวพร้อมกันได้ ในขณะที่โมเดลของเครือข่าย Gonka เน้นข้อความ

DeepSeek Harness ไม่ใช่ Agent เพียงตัวเดียวที่ห้องปฏิบัติการผู้พัฒนาโมเดลปล่อยออกมา: Z.ai ผู้สร้าง GLM มีสภาพแวดล้อม ZCode และ MiniMax มี MiniMax Code สำหรับเทอร์มินัล ทั้งสองตัวสามารถเชื่อมต่อกับ Gateway เดียวกันโดยใช้คีย์เดียวกัน