O czym jest ten film
- Czym jest „harness” i dlaczego to pojęcie jest kluczowe: model to mózg, harness to ciało.
- DeepSeek wypuścił własny harness — otwarty, na licencji MIT, z bardzo szybkim przyrostem popularności na GitHubie.
- Harness jest agnostyczny modelowo: można w nim uruchomić DeepSeeka, Claude’a, GPT albo model lokalny.
- Instalacja sprowadza się do pobrania repozytorium i uruchomienia go lokalnie — autor robi to poleceniem wydanym Claude’owi.
- Ponieważ to zwykły kod, harness można przebudować pod siebie — autor każe mu zbudować sobie własne narzędzie pamięci.
- Integracja z usługami zewnętrznymi przez Zapier jako wspólną warstwę uwierzytelnienia — demo z tworzeniem szkicu maila.
- Przegląd trybów pracy: standardowy, code mode, minimalny i kreatywny.
- Kiedy używać Claude Code lub Codeksa (praca dla klienta, wysoki poziom dopracowania i smaku wizualnego), a kiedy harnessu DeepSeeka.
- Koncepcja podziału na modele „frontier” i „konia roboczego”: ułamek ceny przy większości możliwości.
- Odpowiedzi na typowe pytania: koszty, prywatność danych, subskrypcje, modele lokalne, wtyczki.
Redakcyjne tłumaczenie
Model to mózg, harness to ciało
DeepSeek stał się właśnie najszybciej rosnącym repozytorium w historii, a stało się tak dlatego, że jego harness rzuca wyzwanie Claude Code. Aplikacja jest darmowa, otwartoźródłowa i uruchomi dowolny model, jaki tylko zechcesz. W tym materiale pokażę, jakie nowe możliwości to otwiera i jak dokładnie z tego korzystać, żebyś mógł budować i projektować z dowolnym modelem i dowolnymi narzędziami — za zero złotych.
Porozmawiajmy więc o tym, co zaprząta dziś wszystkim głowę: o harnessie DeepSeeka. Pewnie zastanawiasz się, co to w ogóle jest ten harness. Pomyśl o tym tak: model jest mózgiem, a harness jest ciałem. Jeśli nie zrozumiesz tego rozróżnienia, nie zrozumiesz też, dlaczego akurat teraz to takie ważne. Mnie interesuje wyłącznie efekt — żeby było go więcej i żeby był lepszy — i właśnie dlatego chcę ci o tym opowiedzieć.
Weźmy przykład: masz Claude’a, czyli model, i masz Claude Code, czyli harness. Dokładnie tak samo jest z DeepSeekiem — jest model, czyli V4 Flash, i jest harness, który właśnie się pojawił, jest całkowicie darmowy, a w środku możemy uruchomić dowolny model.
(Informacja dodatkowa: „harness” to warstwa oprogramowania wokół modelu — interfejs, obsługa narzędzi, pamięć, uprawnienia, pętla agentowa. To ona decyduje, co model potrafi faktycznie zrobić na twoim komputerze.)
W krótkim czasie, odkąd jest dostępny, zebrał około 170 tysięcy gwiazdek. Ma licencję MIT, więc jest w praktyce twój i możesz z nim robić, co chcesz. Wtyczki, narzędzia czatowe, interfejs — wszystko jest wymienne, łącznie z samym harnessem. Pod koniec tego materiału nie tylko będziesz miał go uruchomionego z dowolnym modelem, ale pokażę ci też, jak podłączyć go do czegokolwiek, żebyś mógł naprawdę łatwo budować bez wielkiego nakładu pracy.
Dlaczego w ogóle miałoby cię to obchodzić
Po pierwsze, możesz wybrać dowolny model: DeepSeeka, Claude’a, ChatGPT — i to od ręki. To kwestia zjechania na dół, kliknięcia i podmiany modelu.
Po drugie, możesz przerobić ten harness w dowolny sposób. To po prostu kod, z którym możesz zrobić wszystko. Aplikacja jest całkowicie darmowa, więc jeśli masz zero złotych, i tak możesz z niej korzystać kiedy chcesz i jak chcesz. Działa na twojej maszynie, nie w chmurze. Możesz wpiąć ją w cokolwiek, nad czym pracujesz, przy użyciu dowolnych konektorów, a nawet wyhodować z niej własne aplikacje.
Idea jest taka, że mamy jeden uniwersalny harness dla każdego modelu z górnej półki. Pamiętaj: jest Codex, jest Claude, a teraz mamy jeszcze DeepSeeka.
Jak to uruchomić
Żeby to zdobyć, wchodzisz na stronę projektu, klikasz „view on GitHub” — albo bierzesz link z opisu pod filmem — schodzisz do sekcji z kodem i kopiujesz go. Potem otwierasz nowe okno czatu i mówisz po prostu: „Pobierz to repozytorium z GitHuba i otwórz mi je lokalnie”. Wklejasz link i Claude robi resztę.
Kiedy to zrobisz, otworzy ci się nowa strona, która wygląda mniej więcej tak jak u mnie. Możesz wybrać modele — weź po prostu skill, który podlinkowałem w drugim linku w opisie. Możesz ustawić poziom wysiłku modelu. Zasadniczo możesz zrobić wszystko, co chcesz. I teraz to działa dokładnie tak jak Claude Code, tyle że jest to harness DeepSeeka. Pamiętaj: nadal możemy używać wszystkich modeli Claude’a, a jeśli chcemy, możemy sięgnąć nawet po darmowe modele z OpenRoutera, co bardzo ułatwia budowanie.
(Informacja dodatkowa: OpenRouter to pośrednik, który udostępnia przez jedno API modele wielu dostawców, w tym pewną pulę modeli darmowych.)
Klocki zamiast gotowego zestawu
Najfajniejsze jest to, że możemy zmusić ten harness do wszystkiego. Mogę powiedzieć na przykład: „Zbuduj sobie narzędzie pamięci”. Bardzo prosto — wysyłam polecenie i dostaję świetne rozpisanie wszystkiego, co robi. Masz ogromną ziarnistość podglądu.
Pomyśl o tym tak: Claude jest jak gotowy, zaprojektowany zestaw Lego. To tutaj daje ci wszystkie klocki, żebyś zbudował, co tylko zechcesz. Jeśli kiedykolwiek złapałeś się na myśli „szkoda, że mój harness nie mówi do mnie w określony sposób”, „szkoda, że nie ma tego elementu” albo po prostu nie lubisz interfejsu — możesz to zmienić na cokolwiek.
Jakie jest tu prawdziwe znaczenie? Bo technicznie rzecz biorąc, wszystko możemy zbudować w samym Claudzie albo w Codeksie. Po co się w to bawić? Otóż poza tym, że jest to całkowicie agnostyczne modelowo — nie musimy niczego kombinować w tle ani doszukiwać się możliwości — kiedy jesteś właścicielem harnessu, jesteś w istocie właścicielem inteligencji wokół modelu i możesz rozbudowywać go w dowolnym kierunku. Masz pełną autonomię.
Możesz na przykład projektować naprawdę fajne rzeczy — a sporo o projektowaniu tu mówimy. To jest coś, co zaprojektowałem wcześniej: dałem przykładowy projekt interfejsu, powiedziałem „zbuduj mi to” i harness to zrobił. Uważam, że wyszło świetnie. Budowanie rzeczy staje się bardzo proste i czyste, a robisz to po swojemu. Powiem szczerze: patrząc na to, interfejs, który dostajesz, wcale nie jest zły.
DeepSeek jako model — i dlaczego to nie jest jedyny wybór
Jedną z podstawowych myśli jest to, że powinniśmy używać DeepSeeka — ale możesz użyć dowolnego modelu, bo harness jest całkowicie agnostyczny. Jeśli pojawi się nowy hit sezonu, podmienimy model bardzo szybko.
A sam DeepSeek? Kiedy porównasz jego wyniki z Opusem i GPT-5.6, jest o stopień niżej. Ale to trochę jak pytanie: chciałbyś mieć 90–95 procent wydajności za ułamek ceny?
(Informacja dodatkowa: te liczby są szacunkiem prowadzącego, a nie wynikiem konkretnego benchmarku.)
Jeśli to wszystko brzmi dla ciebie jak chińszczyzna, w opisie znajdziesz link do pełnego Claude Code Masterclass — omawiam tam te pojęcia, ale wchodzę też o poziom wyżej: fundamenty, budowanie pięknych stron, zaawansowane funkcje, systemy pamięci, Hermes Agent, systemy projektowe, monetyzacja, a do tego dostęp do całego Claude Code i systemu operacyjnego dla projektowania Hermes oraz miliona innych rzeczy.
Wracając: harness wykonuje moje polecenie, a ja widzę dokładnie, ile tokenów to zajęło, ile trwało i jak wyglądało. Potem powiedziałem: „Otwórz ładne HTML-e i wyjaśnij mi to”. I zbudował mi lekkie narzędzie pamięci dla harnessu — potrafi zapisywać, wyszukiwać i zapominać. Widać po nim charakterystyczne cechy stylu projektowego GPT-5.6. Rozumiesz więc, jak nieskończenie konfigurowalne to jest i ile przy tym zabawy.
Od czatbota do narzędzia: integracje
Problem polega na tym, że nie chcemy tylko rzucić tym jako czatbotem. Chcemy z tego realnie korzystać jako z narzędzia. Widziałem mnóstwo kanałów, które to omawiają, ale nie widziałem jeszcze nikogo, kto powiedziałby: dobrze, ale jak faktycznie coś tym zrobić?
Weźmy więc konkretny przypadek: chcemy wysyłać maile. Żeby to zrobić, używasz tego samego skilla, który ci dałem. Wracasz do okna czatu i mówisz Claude’owi: „Zintegruj Zapiera z moim harnessem DeepSeeka, żeby mógł tworzyć w moim imieniu szkice maili”.
Dlaczego akurat Zapier? Bo jest u mnie warstwą uwierzytelnienia dla wielu usług. Pomyśl: jesteśmy podłączeni do DeepSeeka, Codeksa, Claude’a, agenta Hermes, do własnych aplikacji. Korzystając z usługi takiej jak Zapier, podłączasz wszystko raz i potem sterujesz tym wszystkim z jednego miejsca. Jednym z powodów jest też to, że mogę bardzo łatwo połączyć się z Outlookiem i z innymi platformami, do których gdzie indziej bym się nie dostał — na przykład ze Skool, gdzie mam społeczność i gdzie świetnie się bawimy. W sobotę robimy zresztą spotkanie w Budapeszcie, więc jeśli to oglądasz i masz ochotę wpaść na dobrą kawę, będzie mi bardzo miło.
Kiedy to zrobisz, otwierasz nową sesję — możesz wybrać przestrzeń roboczą — i mówisz na przykład: „Zrób mi przysługę, wejdź na mojego Gmaila i przygotuj szkic maila do mnie samego o tym, jakim pięknym miastem jest Budapeszt”.
Tryby pracy
Popatrz na to. Możesz wybrać folder. Masz tryb standardowy — to twój agent kodujący: edytuje pliki i tak dalej. Masz tryb kodu, który ma wszystkie możliwości trybu standardowego, ale narzędzia są wystawione przez SDK trybu kodu, dzięki czemu model może połączyć wielokrokowe operacje w jednym programie w TypeScripcie. Jest tryb minimalny. I jest tryb kreatywny, zbudowany po to, by tworzyć własne presety agentów — wszystkie możliwości trybu standardowego plus inspekcja w czasie działania. Szczerze mówiąc, sam używam trybu standardowego i całkowicie mi to wystarcza, ale masz konfigurowalność, jeśli jej potrzebujesz.
Wybieramy model i wysyłamy polecenie. Jak widzisz, mamy teraz katalog skilli, więc możemy przejrzeć wszystkie moje pojedyncze umiejętności — to fantastyczne. Widać, że harness wywołuje narzędzie, tworzy szkic maila i kończy. Czyli w praktyce wszystko, co robisz w podstawowym harnessie, możesz przenieść do DeepSeeka. I proszę — szkic gotowy, mamy opis piękna Budapesztu.
Kiedy Claude, a kiedy DeepSeek
To prowadzi nas do ważnego pytania: kiedy używać jednego, a kiedy drugiego? Kilka wskazówek, które pomogą ci podjąć świadomą decyzję.
Claude Code albo Codeksa używasz wtedy, gdy efekt trafia do klienta i dopracowanie naprawdę ma znaczenie. Budujesz stronę, jak to robimy na tym kanale, i chcesz mieć wbudowany dobry smak projektowy. Pamiętaj: to mózg plus ciało, a Claude ma w swoim harnessie tak wiele wbudowanych rzeczy, że staje się wyjątkowy ponad to, co daje sam model. Przy niektórych zadaniach projektowych możesz więc nie uzyskać tak dobrego rezultatu jak w Claudzie. Owszem, możesz to usystematyzować, poeksperymentować i sobie to dobudować — ale Claude będzie wtedy twoją niezawodną opcją. No i płacisz temu, kto to utrzymuje.
A kiedy harness DeepSeeka? Przede wszystkim przy pracy wolumenowej, gdzie liczy się cena. Robimy coś w dużej ilości — otwieramy harness w przeglądarce i puszczamy go do roboty. Bardzo wygodnie jest mieć to jako opcję „konia roboczego”.
I to jest naprawdę ważne. Chcę, żebyś myślał o AI tak: masz górną półkę — Claude Fable, GPT-5.6 Soul i tak dalej. A obok jest rola konia roboczego: coś, co kosztuje jeden procent ceny przy 95 procentach możliwości. To właśnie DeepSeek. Wrzucasz mu wszystkie takie rzeczy.
Drugi przypadek to sytuacja, gdy chcesz użyć dowolnego modelu albo darmowego modelu lokalnego. Wychodzi zupełnie nowy model, który chcesz przetestować — po prostu odpalamy harness DeepSeeka i rozmawiamy z nim. A może chcesz sam dopisać sobie jakieś narzędzie. To wszystko są dobre opcje.
Zastrzeżenia i najczęstsze pytania
Warto też wiedzieć, że to nadal wczesny etap, więc nie oczekuj perfekcji. Może się psuć pod ręką. Harness jest darmowy, ale za tokeny oczywiście trzeba zapłacić. Sam OpenRouter ma wersję darmową, która przerzuca cię między różnymi darmowymi modelami, ale szczerze radzę trzymać się DeepSeeka V4 Flash, bo to po prostu lepszy model. Jak widać, jest on wolumenowo największy na OpenRouterze — ponad 11 bilionów tokenów. Naprawdę imponujące.
Kilka pytań, które mogą ci przyjść do głowy.
Po pierwsze: czy to naprawdę jest darmowe? Tak, masz licencję MIT, co jest świetne. Płacisz zero — poza tokenami.
Po drugie: czy mój kod trafia do Chin? Nie. Działa lokalnie na twojej maszynie, telemetria jest domyślnie wyłączona. Jeśli chcesz mieć całkowitą pewność, użyj lokalnego, zachodniego modelu — ale telemetria jest wyłączona, więc nic nie powinno tam trafiać.
Po trzecie: czy mogę użyć subskrypcji Claude’a albo Codeksa? Nie, to działa na twoich kluczach API.
Po czwarte: czy działa z modelami lokalnymi? Tak — wszystko, czego używasz w Ollamie, dowolne takie modele. Jest w pełni konfigurowalne.
Ostatnia sprawa to wtyczki. Możesz je tworzyć, istnieje też sklep z wtyczkami dla DeepSeeka. Ale szczerze mówiąc, ja się we wtyczki specjalnie nie bawię — traktuję to jako własną rzecz, którą projektuję i buduję i przy której świetnie się bawię.
Wybór właściwego modelu i harnessu to jedno, ale jeśli nie rozumiesz samych systemów i tego, jak budować systemy agentowe, które naprawdę odblokowują wszystkie możliwości, zostawiasz na stole zbyt dużo wartości. Tym właśnie zajmiemy się w kolejnym materiale.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Rozdziel w głowie model i harness
Na czym polega: Model to „mózg”, a harness to „ciało” — interfejs, narzędzia, pamięć, pętla agentowa. Jakość efektu to iloczyn obu, a nie sama jakość modelu.
Jak stosować: Kiedy coś ci nie wychodzi, zdiagnozuj najpierw, czy zawodzi rozumowanie modelu, czy obudowa (brak dostępu do narzędzia, zły prompt systemowy, brak kontekstu). Dobierz osobno model i osobno harness.
Na co uważać: Nie przypisuj modelowi zasług harnessu i odwrotnie. Ten sam model w słabszej obudowie da wyraźnie gorszy rezultat — i na tym właśnie polega przewaga Claude Code w zadaniach projektowych.
2.Harness DeepSeeka jest darmowy i twój na MIT
Na czym polega: Kod jest otwarty na licencji MIT — możesz go używać, modyfikować i budować na nim własne produkty bez opłat licencyjnych.
Jak stosować: Sklonuj repozytorium lokalnie i traktuj je jak swój kod, a nie jak zamkniętą aplikację. Zmieniaj interfejs, ton odpowiedzi, domyślne zachowania.
Na co uważać: „Darmowy” dotyczy tylko oprogramowania. Za tokeny płacisz normalnie i przy pracy wolumenowej to one będą całym kosztem.
3.Agnostyczność modelowa jako zabezpieczenie na przyszłość
Na czym polega: Ten sam harness obsłuży DeepSeeka, Claude’a, modele z OpenRoutera i modele lokalne przez Ollamę.
Jak stosować: Trzymaj swoje skille, prompty i konfigurację w jednym miejscu, a model podmieniaj jak część wymienną. Kiedy pojawi się nowy model, testujesz go bez przebudowy środowiska.
Na co uważać: Prompty i przepływy zoptymalizowane pod jeden model rzadko przenoszą się bez strat na inny. Po podmianie przetestuj kluczowe zadania od nowa.
4.Podział na model „frontier” i „konia roboczego”
Na czym polega: Do pracy klienckiej i wymagającej dopracowania bierzesz model z górnej półki; do zadań masowych bierzesz tańszy model o zbliżonych możliwościach.
Jak stosować: Wypisz swoje zadania i przypisz każdemu poziom. Refaktory masowe, przetwarzanie tekstu, wstępne szkice, generowanie wariantów → koń roboczy. Finalny wygląd, kod dla klienta, decyzje architektoniczne → górna półka.
Na co uważać: Proporcje „1% ceny przy 95% możliwości” to szacunek prowadzącego, nie zmierzony wynik. Zweryfikuj to na własnym zestawie zadań, zanim przeniesiesz na tańszy model coś krytycznego.
5.Instalacja przez polecenie wydane agentowi
Na czym polega: Zamiast ręcznej konfiguracji autor wkleja link do repozytorium do okna czatu i prosi agenta o pobranie i uruchomienie lokalne.
Jak stosować: Sensowne przy szybkim prototypowaniu i przy narzędziach, które i tak zamierzasz rozebrać na części.
Na co uważać: Pozwalasz agentowi wykonać kod z internetu na swojej maszynie. Przejrzyj repozytorium, zanim je uruchomisz, i rób to w środowisku, którego nie żal.
6.Traktuj harness jak zestaw klocków, nie gotowy model
Na czym polega: Skoro to zwykły kod, można kazać mu dobudować sobie brakujące funkcje — autor prosi wprost o zbudowanie własnego narzędzia pamięci.
Jak stosować: Zbieraj przez tydzień notatki „szkoda, że mój agent tego nie ma”. Potem zamień je po kolei na konkretne zlecenia rozbudowy harnessu.
Na co uważać: Każda własna funkcja to kod, który sam utrzymujesz. Przy komercyjnych harnessach za utrzymanie płacisz komuś innemu — i czasem to lepszy układ.
7.Zapier jako jedna warstwa uwierzytelnienia
Na czym polega: Zamiast integrować każde narzędzie AI osobno z każdą usługą, podłączasz usługi raz do Zapiera, a agentów spinasz z Zapierem.
Jak stosować: Zacznij od integracji, które są trudne do zrobienia bezpośrednio — u autora to Outlook i Skool. Jeden punkt konfiguracji obsłuży potem DeepSeeka, Codeksa, Claude’a i twoje własne aplikacje.
Na co uważać: Tworzysz pojedynczy punkt awarii i jedno miejsce z bardzo szerokimi uprawnieniami do twoich kont. Ogranicz zakres uprawnień i pamiętaj, że Zapier jest usługą płatną przy większym wolumenie.
8.Zacznij od trybu standardowego
Na czym polega: Harness oferuje tryb standardowy, tryb kodu (narzędzia przez SDK, pozwalające połączyć wiele kroków w jeden program TypeScript), tryb minimalny i tryb kreatywny do budowania presetów agentów.
Jak stosować: Autor sam używa wyłącznie trybu standardowego i mu to wystarcza. Zacznij od niego, a po tryb kodu sięgnij dopiero, gdy zauważysz, że agent traci czas na wiele osobnych wywołań narzędzi.
Na co uważać: Konfigurowalność kusi. Przełączanie trybów bez konkretnej potrzeby to zwykle strata czasu, nie optymalizacja.
9.Prywatność: lokalnie i z wyłączoną telemetrią
Na czym polega: Aplikacja działa na twojej maszynie, a telemetria jest domyślnie wyłączona. Jeśli chcesz pełnej pewności, możesz użyć lokalnego modelu zachodniego.
Jak stosować: Do kodu wrażliwego łącz harness z modelem lokalnym przez Ollamę albo z dostawcą, któremu ufasz — obudowa i tak zostaje ta sama.
Na co uważać: Jeśli używasz DeepSeeka przez API, twoje prompty trafiają do dostawcy modelu niezależnie od tego, że sama aplikacja jest lokalna. Lokalny harness ≠ lokalne wnioskowanie.
10.To wczesne oprogramowanie — planuj z tym
Na czym polega: Autor wprost ostrzega, że projekt jest młody, nie jest dopracowany i może się popsuć w trakcie pracy.
Jak stosować: Używaj go tam, gdzie awaria kosztuje mało: eksperymenty, praca masowa, wersje robocze. Pracuj na kontroli wersji, żeby móc cofnąć zmiany agenta.
Na co uważać: Nie przenoś tu procesu, od którego zależy termin u klienta. Liczba gwiazdek na GitHubie mówi o zainteresowaniu, nie o dojrzałości i stabilności.