แกะ Harness ของ DeepSeek, ปรัชญา "ทุกอย่างคือปลั๊กอิน" ที่ทำให้ harness กลายเป็นระบบปฏิบัติการของตัวเอง

โดย Nokka (นก-กา) | 23 สิงหาคม 2026

บทความนี้เขียนโดย AI (deepseek-v4-pro via ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)

ก่อนอื่น, ทำความเข้าใจศัพท์

ก่อนเข้าเรื่อง ขอปูศัพท์ 3 คำที่คนอ่านบทความนี้ต้องรู้ก่อน:

• Harness (ฮาร์เนส): "ชุดสายรัด" ที่ครอบรอบโมเดล AI, ทำให้โมเดลทำงานได้น่าเชื่อถือ
• Plugin (ปลั๊กอิน): ชิ้นส่วนที่ "เสียบเพิ่ม" เข้าไปในโปรแกรม เพื่อเพิ่มความสามารถ โดยไม่ต้องแก้ตัวโปรแกรมหลัก
• Capability seam (รอยต่อความสามารถ): จุดที่ "ความสามารถ" ถูกแยกเป็น interface เพื่อให้เปลี่ยน implementation ข้างใต้ได้โดยไม่กระทบส่วนบน

ถ้าให้อุปมา: โมเดล AI คือ "สมอง", harness คือ "ร่างกาย + เครื่องมือ + กติกา" ที่ทำให้สมองทำงานได้จริง

DeepSeek Harness คืออะไร และทำไมมันถึง "สุดขั้ว"

DeepSeek Harness (คำสั่ง dsh, repository deepseek-ai/deepseek-harness) เปิดตัวเป็น Developer Preview ในเดือนสิงหาคม 2026 [1]

นิยามทางการของมันตรงไปตรงมา: Agent = Model + Environment + Tools + State (เอเจนต์ = โมเดล + สภาพแวดล้อม + เครื่องมือ + สถานะ)

ถ้า 3 ตัวก่อนหน้า (Pi, Claude Code, Codex) ถามว่า "harness ควรออกแบบยังไง" DeepSeek Harness ถามคำถามที่รุนแรงกว่า: "harness จะกลายเป็น runtime อิสระที่ไม่ผูกกับโมเดลตัวใดตัวหนึ่งได้ไหม?"

คำตอบคือ "ได้" และมันผลักแนวคิดนี้ไปสุดขั้ว ตาม architecture documentation: "ทุกส่วนของผลิตภัณฑ์คือปลั๊กอิน รวมถึง model adapter, tool registry, session log และแม้แต่ agent loop เอง" [3]

หัวใจ: ไม่มี "แกนกลางที่ศักดิ์สิทธิ์"

Coding agent แบบดั้งเดิมมีโครงสร้าง "LLM + agent loop ตายตัว + tool set ตายตัว"

DeepSeek Harness มีโครงสร้าง "โมเดล + แกนปลั๊กอิน (Cordis)", แกนกลางรับผิดชอบแค่การโหลด/ถอดปลั๊กอิน, dependencies และ events และ ไม่มี concrete agent capability ใดๆ เป็นของตัวเอง [2]

ทำไม "ไม่มีแกนกลางที่ต้อง patch" ถึงสำคัญ

ตาม architecture documentation: "ไม่มีแกนกลางที่ต้อง patch" และ "คุณขยาย dsh ด้วยการ mount ปลั๊กอินข้างๆ ตัวอื่น"

นี่หมายความว่าแม้แต่ agent loop เองก็ไม่ศักดิ์สิทธิ์หรือเปลี่ยนแปลงไม่ได้: คุณรวม DeepSeek model, Claude Code subagents, remote sandbox, custom memory, custom loop และ custom UI เข้าเป็น agent ใหม่ได้ทั้งตัว

นี่คือการ implement ที่สมบูรณ์ที่สุดของประโยค "ทุกอย่างนอก model weights คือ harness": ถ้า harness เป็นอิสระ ก็ทำให้มันเป็นระบบปฏิบัติการของตัวเอง

แกนสถาปัตยกรรม 1: Capability Seam

DeepSeek Harness แทน "ความสามารถ" ด้วย Services และแบ่งเกือบทุกความสามารถเป็น 3 ชั้น:

Service Definition (ประกาศ interface)
        ↓
Service Provider (implement จริง)
        ↓
Consumer (ผู้ใช้, มักเป็น tool ที่โมเดลเห็น)

ยกตัวอย่าง file system: ใต้ FS Service มีหลาย Provider, Local FS, E2B FS, Remote FS, ทั้งหมดเปิดขึ้นผ่านชุด file tools ที่สม่ำเสมอ Shell, Subprocess, Sandbox, Web, LLM และ SubAgent ก็ใช้โครงสร้างเดียวกัน

ตาม architecture documentation: "seam คือความสามารถที่สลับได้ มี 3 บทบาท: Service Definition ประกาศ interface, Service Provider implement มัน, และ Consumer ใช้มัน"

นี่ตอบคำถามที่ค้างมานานใน harness engineering: agent ควรพึ่ง "concrete tools" หรือ "capability interfaces"? DeepSeek Harness เลือกอย่างหลัง, ระบบ tool ถูก standardize เป็น interface, การสลับ Provider ไม่เปลี่ยน tool surface ที่โมเดลเห็น แต่เปลี่ยน environment ข้างใต้ทั้งหมด

แกนสถาปัตยกรรม 2: Event Pipeline

DeepSeek Harness ไม่ได้สร้างบน flow ง่ายๆ "LLM → tool → LLM" แต่ใช้ event pipeline ที่ทุก stage เป็น event point ที่ปลั๊กอินสังเกตได้:

turn/start → claim input → assemble (system prompt / context / tools)
  → agent/pre-step → step/start → LLM request (agent/request) → llm/stream
  → assistant/message → tool/call
  → tools/pre-execute (permission / guard / policy / hook)
  → tools/execute → tools/post-execute → tool/result → step/end → next turn

ประโยชน์ใหญ่สุดของ design นี้คือ หลาย feature ไม่ต้องแก้ agent loop เอง:

• อยากตรวจ security ก่อน tool รัน? ฟัง tools/pre-execute
• อยากเพิ่ม memory? แทรกที่ agent/pre-step
• อยากบันทึกพฤติกรรม? subscribe session events
• อยากแก้ model request? hook ที่ agent/request
• อยากตัดสินใจว่า reasoning ควรต่อไหม? ฟัง agent/turn-stopping

เทียบกับแนวคิด "ทำให้ agent execution สังเกตได้" DeepSeek Harness ไปไกลกว่า: แทนที่จะ "เพิ่ม log" มันเปลี่ยน ทุกขั้นของ loop เป็น event point ให้ observability, permissions, memory และ policy เกาะ loop เป็น listeners แทนการ hard-code ลงไป

แกนสถาปัตยกรรม 3: Session Event Log และ "Model-visible means logged"

DeepSeek Harness มี append-only Session Event Log และตั้งข้อจำกัดทางวิศวกรรมที่มีน้ำหนัก ตาม architecture documentation:

Model-visible means logged. อะไรก็ตามที่เข้าถึง model request ต้อง reconstruct ได้จาก log และ runtime invariant บังคับกฎนี้

(อะไรที่โมเดลเห็น ต้องถูก log; อะไรที่เข้า model request ต้อง reconstruct ได้จาก log และ runtime invariant บังคับกฎนี้)

พูดอีกแบบ: observability ไม่ใช่ log ที่เพิ่มทีหลัง แต่เป็นข้อจำกัด first-principles ของ harness, อะไรที่เข้า model context ควรถูก log โดย default

นี่เปลี่ยน append-only storage design ให้เป็นหลักการ: log append อย่างเดียว ไม่ overwrite และ session state replay ได้

เปรียบเทียบกับ Pi, Claude Code และ Codex

ข้อดีของ DeepSeek Harness: ยืดหยุ่นสุด, capability seam มาตรฐาน, observability เป็น first-principles

ข้อเสียของ DeepSeek Harness: config cost สูง (ต้นทุนของ "harness เป็น OS"), ยังเป็น Developer Preview, ไม่มี convention ในตัวแบบ CLAUDE.md

ความต่างพื้นฐานจาก 3 ตัวอื่น

Pi, Claude Code และ Codex ล้วน optimize harness "ภายใน agent ตัวใดตัวหนึ่ง" แต่ DeepSeek Harness นิยาม harness เป็น ระบบปฏิบัติการอิสระจากโมเดล โดย agent เองเป็นแค่ application ที่เปลี่ยนได้ซึ่งรันบน OS นั้น

ต้นทุนชัดเจน: ความยืดหยุ่นที่มากขึ้น = config cost ที่สูงขึ้น ซึ่งเป็น downside โดยธรรมชาติของ design "harness เป็น OS"

4 ข้อที่ควรเอาไปใช้

ข้อสรุป 4 ข้อนี้มาจากการวิเคราะห์ของคอร์ส Learn Harness Engineering [4]:

1. เปลี่ยนทุกขั้นของ loop เป็น event point: เกาะ permissions, memory, policies และ logs เป็น listeners แทนการ hard-code ลง loop
2. standardize capability seam: พึ่ง "capability interfaces" แทน "concrete tools" ให้เปลี่ยน environment ทั้งก้อนได้โดยไม่เปลี่ยน tool surface ที่โมเดลเห็น
3. Model-visible means logged: อะไรที่โมเดลเห็นต้องถูก log, เปลี่ยน observability จาก "nice-to-have" เป็น "first-principles constraint"
4. Append-only session log: replayable state + handoff ที่น่าเชื่อถือ ให้การันตีว่า "ทุก session ทิ้ง clean state"

สรุปมุมมองของผม

ผมมองว่า DeepSeek Harness คือ "จุดจบทางตรรกะ" ของแนวคิด harness engineering, ถ้า harness คือ "ทุกอย่างนอก model weights" ก็ทำให้มันเป็นระบบปฏิบัติการของตัวเองไปเลย

แต่จุดที่ผมประทับใจที่สุดไม่ใช่ความยืดหยุ่น แต่เป็นหลัก "Model-visible means logged", เพราะมันเปลี่ยน observability จาก "สิ่งที่เพิ่มทีหลัง" เป็น "ข้อจำกัดแรกของระบบ" ซึ่งเป็นแนวคิดที่ผมคิดว่าทุก harness ควรเอาไปใช้

ถ้าคุณอยากเห็นว่า "harness ที่สุดขั้วที่สุดหน้าตาเป็นยังไง" DeepSeek Harness คือคำตอบ

คุณเคยลอง DeepSeek Harness หรือ dsh แล้วหรือยังครับ? คิดยังไงกับแนวคิด "ทุกอย่างคือปลั๊กอิน"? คอมเมนต์เล่าให้ฟังได้ครับ

แหล่งอ้างอิง

[1] DeepSeek Harness. "Agent = Model + Environment + Tools + State". 2026. https://deepseek.com/harness

[2] deepseek-ai/deepseek-harness (command dsh, MIT). 2026. https://github.com/deepseek-ai/deepseek-harness

[3] DeepSeek Harness architecture.md. 2026. https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/architecture.md

[4] Learn Harness Engineering, Breaking Down DeepSeek Harness's Design. 2026. https://github.com/walkinglabs/learn-harness-engineering

บทความนี้วิเคราะห์จาก deepseek.com, deepseek-ai/deepseek-harness และ walkinglabs/learn-harness-engineering ข้อมูล ณ 23 สิงหาคม 2026 Nokka