dsh-runner

Автономный агент DeepSeek Harness (dsh) как внешний исполнитель задач: изолированная папка-workspace, полный JSONL-лог каждого шага, никакого доступа к файлам вне задачи.

Загружай этот скилл, когда нужно запустить агента на реальной задаче в отдельном окружении: починить баг в клоне репозитория, сгенерировать код по описанию, прогнать одну задачу на разных моделях и сравнить результат.

🎯 When to use

Use this skill when:

• Просят «запусти агента на репо», «почини баг автономно», «агентная задача»
• Нужен изолированный прогон: агент не должен трогать файлы вне workspace
• Нужен полный лог сессии (JSONL) для аудита каждого шага
• Нужно сравнить 2+ модели на одной задаче (по качеству и токенам)
• Нужен Web UI для интерактивной работы с агентами (dsh web)

Do NOT use when:

• Задача простая и решается напрямую (мелкая правка, вопрос) — прямое редактирование быстрее, чем подъём агента
• Нет API-ключа и нет OpenAI-совместимого endpoint — dsh без них не запустится
• Нужна классическая оценка качества модели на бенчмарках (MMLU и т.п.) — это lm-evaluation-harness, а не dsh
• Нужен полный контроль каждого правки с апрувами — оставайся в основном агенте

📦 Files

• SKILL.md — этот файл
• scripts/dsh_task.py — запуск одной агентной задачи (Python SDK, JSON-RPC)
• references/runbook.md — чек-листы, типовые ошибки, примеры конфигов

🧰 Usage

0. Требования (один раз)

# Python 3.10+; SDK:
pip install deepseek-harness-sdk

# API-ключ: DEEPSEEK_API_KEY в env…
export DEEPSEEK_API_KEY=sk-...

# …ИЛИ ключ DeepSeek из auth.json opencode (провайдер `deepseek`) —
# dsh_task.py подхватит его автоматически:
# ~/.local/share/opencode/auth.json → ~/.config/opencode/auth.json

# ИЛИ свой OpenAI-совместимый endpoint (vLLM и т.п.):
# export DEEPSEEK_BASE_URL=http://127.0.0.1:8000/v1

# Модель (по умолчанию deepseek-v4-flash):
# export DSH_MODEL=deepseek-v4-flash

1. Одна задача в изолированном workspace

python3 skills/dsh-runner/scripts/dsh_task.py \
  --workspace /tmp/agent-ws/dj1 \
  --session-root /tmp/agent-sessions \
  --session-id fix-001 \
  "В репозитории падает тест test_player.test.ts. Найди причину и почини."

Агент клонирует/принимает workspace, решает задачу, возвращает:

• final_response — текстовый ответ агента
• session_root — корень, где SDK хранит лог
• finish_reason — чем завершился (например, completed)

Лог сессии: <session_root>/<sanitized-cwd>/<session-id>/session.jsonl.zstd (zstd-сжатый JSONL, где каждый запрос/вызов инструмента/ответ — отдельная запись; декодируется zstd -d -c <файл> | jq -s .).

2. Сравнение моделей на одной задаче

# Два прогона с разными моделями, отдельные session-id:
python3 skills/dsh-runner/scripts/dsh_task.py --workspace /tmp/ws --session-id cmp-a --model deepseek-v4-flash "задача"
python3 skills/dsh-runner/scripts/dsh_task.py --workspace /tmp/ws --session-id cmp-b --model anthropic/claude-sonnet-4-5 "задача"

# Сравни: final_response + размер JSONL-лога (токены) + время прогона

3. Web UI (интерактив)

npx @deepseek-ai/dsh web   # → http://127.0.0.1:3080

⚠️ Оговорки (важно)

• Developer preview: версия 0.1.0-rc.x, API ломается между релизами. Если SDK упал на незнакомой ошибке — проверь свежую версию (pip install -U deepseek-harness-sdk) и README репозитория.
• Безопасность: композиция jsonrpc-agent по умолчанию даёт агенту полный доступ к workspace (danger-full-access). Запускай только в одноразовой папке/контейнере. Никогда не указывай workspace = домашнюю директорию или рабочее дерево с незакоммиченными изменениями.
• Проверка результата — снаружи: dsh не оценивает «правильно/неправильно». После прогона запусти тесты/линтер сам и сравни патчи.
• Лог — JSONL в --session-root/<session-id>.jsonl: каждый запрос к модели, вызов инструмента и ответ. Используй для аудита и метрики токенов.

🔬 Проверка результата

• Скрипт завершился кодом 0 → final_response непустой, лог существует.
• Лог: find <session-root> -name "session.jsonl.zstd"; размер — метрика токенов; декод: zstd -d -c <файл> | jq -s ..
• Если в workspace были тесты — прогони их после агента и сравни с состоянием «до».
• Если задача требует проверки «правильно ли починил» — собери diff (git diff в workspace, если это клон) и просмотри.

Runbook

Чек-листы «перед запуском», «после прогона», типовые ошибки и рабочие примеры конфигов — в references/runbook.md.

Boundaries

• Do not use for ordinary local commands or interactive development; use the project toolchain directly.

Evidence and completion gate

Run the documented command against the user’s actual input. Report the command, exit status, files changed or produced, and relevant stdout/stderr. Separate blocked or pre-existing failures from failures introduced by the current work. Do not call the result complete when the script was only described or when an artifact was not reopened and checked.