O czym jest ten film
- Czym w ogóle jest DeepSeek Harness i dlaczego „harness” to co innego niż model.
- Kluczowa różnica: harness DeepSeeka jest otwartoźródłowy i darmowy — wszystko w nim jest wtyczką.
- Przegląd czterech trybów pracy: standard, PTC, minimal i creator.
- Jakość wyjścia zależy przede wszystkim od modelu, nie od samego harnessu.
- Koszty: harness darmowy, ale inferencja płatna — i tanie tokeny nie zawsze znaczą tani rezultat.
- Niezawodność: wrażenie wersji deweloperskiej, błędy przy kompaktowaniu i długich sesjach.
- Bezpieczeństwo wtyczek z internetu — dlaczego warto je najpierw prześwietlić.
- Testy porównawcze na tym samym modelu: DeepSeek Harness bywa kilkukrotnie szybszy od Claude Code.
- Porównanie konkretnych deliverables: arkusz analityki YouTube i raport badawczy o cukrze.
- Wniosek: to nie jest „darmowy Claude Code”, tylko inny harness o innym profilu zastosowań.
Redakcyjne tłumaczenie
Wstęp
Używam DeepSeek Harness od tygodnia i znalazłem w nim sporo rzeczy, które naprawdę mi się podobają — oraz sporo takich, które podobają mi się zdecydowanie mniej. Dziś podzielę się szczerą opinią: do czego go używałem, jak się z nim pracuje i jak wypada w porównaniu z Claude Code, bo wiem, że to pytanie siedzi w głowach wielu z was.
Czym jest DeepSeek Harness — w sześćdziesiąt sekund
Jeśli nigdy o nim nie słyszeliście: DeepSeek ma różne modele. Był głośny moment DeepSeeka w zeszłym roku z R1, teraz mamy DeepSeek V4 Flash i V4 Pro. Przyzwoite modele, całkiem tanie. Ale teraz DeepSeek wypuścił także harness — otwartoźródłowy i darmowy.
(Informacja dodatkowa: „harness” to warstwa uruchomieniowa agenta — pętla działania, zestaw narzędzi, zarządzanie kontekstem i interfejs. Model jest silnikiem, harness całą resztą samochodu.)
Znamy już takie rozwiązania. Jest Codex — to harness, a modele używane w nim natywnie to GPT 5.6 Soul, GPT 5.6 Luna i podobne. Jest Claude Code — inny harness, w którym natywnie działają Claude Opus, Claude Fable i tak dalej. A teraz mamy harness DeepSeeka, w którym natywnie siedzą modele DeepSeeka, ale można dołożyć praktycznie dowolny inny: Opusa, GPT, Kimi, Metę, jeśli ktoś ma odwagę. Cokolwiek chcecie.
Tak, to samo da się zrobić w pozostałych harnessach, ale one nie są pod to zaprojektowane ani tak promowane. Są też inne agentowe harnessy, jak OpenClaw czy Hermes Agent. To nie jest więc przełomowa technologia. To po prostu nowy harness.
Dlaczego ludzie się ekscytują: wszystko jest wtyczką
Naprawdę ciekawe jest to, że skoro harness jest otwartoźródłowy, można go w pełni dostosować. W zamkniętym harnessie takim jak Claude Code mamy z góry ustalone reguły promptowania, wywołania narzędzi, pętle agentowe — i nie da się ich ruszyć. To jak samochód, w którym można usiąść, jeździć, wymienić silnik, ale nie da się poprzestawiać elementów w środku. W otwartym harnessie DeepSeeka można wymienić fotele, kierownicę, cokolwiek. Można zmienić sposób, w jaki agent zachowuje się pod maską.
Na ich stronie stoi wprost: wszystko jest wtyczką. I nie chodzi tylko o skille czy serwery MCP. Chodzi o każdą zdolność systemu: narzędzia, skille, sesje, sandboksy, pamięć, pętle, interfejs. Całość jest środowiskiem wtyczkowym.
Powiem uczciwie: w tym materiale nie będę mówił o wtyczkach zainstalowanych od innych ludzi ani o tych, które sam zbudowałem, bo chciałem zobaczyć, jak to działa prosto z pudełka. I jedna uwaga o wtyczkach: uważajcie. Skoro ludzie rozdają otwartoźródłowe wtyczki, nie wiecie, co w nich siedzi. Bądźcie rozsądni — niech Claude Code albo Codex prześwietli wtyczkę, zanim cokolwiek zainstalujecie z internetu.
Jak wygląda interfejs i uruchomienie
Interfejs wygląda jak czatbot — coś w stylu ChatGPT czy podobnych aplikacji, które znacie. Nic nowego ani specjalnie zagmatwanego. Po lewej można trzymać projekty, zarządzać sesjami, standardowe rzeczy.
Jeśli chcecie to przetestować, ja zrobiłem dosłownie tyle: podałem Codexowi link do repozytorium GitHub i powiedziałem „pomóż mi to postawić”. Otwiera się na localhoście, więc wszystko działa lokalnie. Potem wchodzicie w ustawienia, sekcję modeli, i wklejacie klucz. Ja wpisałem klucz OpenRoutera i dzięki temu mogę wybierać spośród wszystkich modeli, które są tam dla mnie dostępne.
Niestety domyślnie nie da się użyć subskrypcji Claude’a ani Codexa. Widziałem wtyczki, w których ludzie twierdzą, że to działa, sam tego nie testowałem — jeśli was to interesuje, poszukajcie. Domyślnie płacicie tu za tokeny, czyli rozliczenie API.
Cztery tryby pracy
Zanim wyślecie prompt, możecie wybrać tryb: standardowy, PTC, minimalny albo twórczy.
Tryb standardowy to to, w czym będziecie siedzieć przez większość czasu. Pełny agent kodujący: edycja plików, powłoka, wyszukiwanie w sieci i tak dalej.
Tryb PTC jest naprawdę ciekawy. Trochę przypomina mi dynamiczne przepływy pracy z Claude Code — to nie jest dokładnie to samo, ale ma podobne wrażenie: mam duże zadanie, sporo rzeczy do zrównoleglenia, wieloetapowy łańcuch, więc zamiast trybu standardowego wrzucam to na PTC. Porównując tak oba tryby, dostawałem naprawdę dobre wyniki z PTC.
Tryb minimalny to agent kodujący z dwoma narzędziami i trwałą sesją bash. Jest solidny, bo obcina część kontekstu i po prostu wykonuje szybciej. Do rzeczy, przy których nie trzeba przeglądać mnóstwa materiałów ani wykonywać wielu różnych akcji, tryb minimalny sprawdza się świetnie. Jest szybki, tani i efektywny.
Pokażę różnicę między standardowym a minimalnym. Jeśli w trybie standardowym wyślę „cześć, kim jestem?”, natychmiast następuje wstrzyknięcie kontekstu: system czyta mój agents.md, mój claude.md i lokalny claude.md, potem czyta prompt systemowy DeepSeeka, a następnie zagląda do katalogu skilli. To dzieje się od razu. Dostajemy pełną pętlę agentową i system rozumie rzeczy na mój temat.
Dużo mówiliśmy o byciu niezależnym od narzędzia, od modelu i od harnessu. Ta rzecz od razu wpięła się w moje AIOS i nie musiałem niczego zmieniać. Od pierwszej chwili czuje się jak część mojego systemu.
(Informacja dodatkowa: „AIOS” to autorskie określenie prowadzącego na jego osobisty system operacyjny wokół AI — zbiór plików kontekstowych, skilli i wiedzy, z którego korzystają wszystkie jego agenty.)
A teraz uwaga: jeśli zacznę nowy czat w trybie minimalnym i zapytam „cześć, kim jestem?”, to wstrzyknięcie kontekstu się nie dzieje. To bardziej przypomina jednorazowe rozmowy do szybkich zadań. Nie dostajecie tego poczucia „jestem w Claude Code, jestem w Codeksie, jestem w swoim systemie”. Warto o tym pamiętać. Ale najważniejsze jest to, że nie musiałem niczego zmieniać, żeby użyć swoich skilli od Claude’a i całego swojego kontekstu. To jest naprawdę fajne.
Tryb twórczy — do niego wracam za chwilę, bo to on odpowiada za tworzenie własnych presetów agentów, budowanie wtyczek i zmiany w interfejsie.
Koszty
Harness jest całkowicie darmowy. Możecie go trzymać uruchomionego bez przerwy z darmowym modelem i nigdy nic nie zapłacicie. Ale inferencja darmowa nie jest.
Modele DeepSeeka są tanie i przyzwoite. DeepSeek V4 Flash jest naprawdę dobry, V4 Pro również. Flash jest oczywiście tańszy — ale żaden z nich nie widzi. Przez pierwsze dni testowałem harness właśnie na V4 Flash i było świetnie. Zbudowałem tym modelem stronę i wyszła naprawdę solidnie: wziął gotowe zasoby, miał moje wytyczne marki, jest efekt przewijania, całość trzyma standard i pasuje do identyfikacji.
Ale zobaczcie na to — czegoś takiego Codex czy Claude Code by nie przepuściły, bo mają weryfikacje i potrafią zrobić zrzut ekranu, spojrzeć, przemyśleć i poprawić. Przy interfejsie i projektowaniu jest sporo rzeczy, w których modele DeepSeeka nie będą dobre, bo nie potrafią zrobić zrzutu ekranu ani niczego zobaczyć. To nie znaczy, że harness DeepSeeka nie może być dobry w projektowaniu. To znaczy, że musicie być świadomi mocnych i słabych stron modeli, które w niego wkładacie.
Podobnie z tokenami. To mogą być naprawdę tanie tokeny — lokalny model albo któryś z darmowych modeli OpenRoutera. Ale jeśli harness nie jest efektywny albo model jest na tyle słaby, że pracuje nieefektywnie, to ostatecznie wcale nie wychodzi tanio. Patrzycie na cenę za milion tokenów wejściowych i wyjściowych, a te liczby potrafią mylić, bo liczy się efektywność i koszt doprowadzenia zadania do końca, a nie koszt samych tokenów.
Niezawodność
Wygląda bardzo obiecująco, ale wyraźnie czuć, że to podgląd. Dosłownie jest tam napisane, że to wersja deweloperska — i tak to działa. Są błędy. Czasem po prostu przestawało mi działać. Raz zablokowało mi kursor: myszka mogła się poruszać tylko w kwadracie wielkości mniej więcej dłoni. Zapytałem Codexa, czy mi pomoże — nie wiem, czy ktoś mnie właśnie zhakował, ale udało mu się to naprawić.
Są też błędy przy kompresji kontekstu. Czasem miałem wrażenie, że system kompletnie zapomniał, o czym rozmawialiśmy. Lubię ten kierunek i widzę tu duży potencjał, ale przy dłuższych sesjach albo większych projektach część rzeczy sprawia wrażenie niedopracowanych. Przy długich sesjach pojawiają się błędy kompaktowania i regresje kontekstu.
Można też argumentować, że to częściowo błąd użytkownika — faktycznie sprawdzałem, gdzie to pęknie, i wchodziłem w rejony rozpadu kontekstu. Ale i tak interfejs miejscami zachowywał się niestabilnie.
(Informacja dodatkowa: „rozpad kontekstu” — context rot — to degradacja jakości odpowiedzi, gdy okno kontekstu jest przeładowane starą, nieistotną treścią.)
Możliwość dostosowania — tu miażdży konkurencję
To jest obszar, w którym ta rzecz absolutnie wygrywa. Codex i Claude Code nawet nie są blisko. To zupełnie inna liga, bo tutaj możecie zrobić dosłownie wszystko.
I tu wracam do trybu twórczego. Używacie go, kiedy chcecie stworzyć własne presety agentów, zbudować wtyczkę, zmienić interfejs. Przełączacie się na tryb twórczy i mówicie: „zbuduj mi to do mojego harnessu”. I zobaczcie — kolejny błąd: klikam tryb twórczy, a on natychmiast przeskakuje z powrotem. Musiałbym zrestartować harness i pewnie byłoby dobrze.
W ustawieniach, w sekcji wtyczek, można od ręki zmieniać różne rzeczy: ustawienia powłoki, pętlę agentową, dostawcę wyszukiwania w sieci. Jest lista wtyczek, które można włączać, wyłączać i dostosowywać. Jest też sporo repozytoriów na GitHubie, gdzie ludzie budują własne wersje harnessu i własne wtyczki — ale, jak mówiłem, celowo nie chciałem się na tym dziś skupiać, bo zależało mi na tym, jak ta rzecz działa sama z siebie. Możliwości dostosowania są tu niezrównane.
Ale czy ja tego potrzebuję?
Rzecz w tym, że osobiście większość czasu w Claude Code i Codeksie spędzam na montażu wideo, researchu, pracy z wiedzą i tworzeniu dokumentów. Nigdy nie poczułem w Claude Code ani Codeksie luki, przy której pomyślałbym: „szkoda, że harness tego nie robi” albo „chciałbym móc go dostosować w ten sposób”.
Natomiast jeśli jesteście twardymi deweloperami i budujecie produkty, to takie momenty pewnie już mieliście. Jeśli w codziennej albo cotygodniowej pracy realnie boli was to, że nie możecie dostosować harnessu — to rozwiązanie zdecydowanie jest dla was.
Ja osobiście mam kilka zastosowań na oku. Może zbliżam się do limitów. Może mam do zrobienia kupę pracy z wiedzą albo researchu — wtedy wchodzę do DeepSeeka, wrzucam naprawdę tani model, odpalam zadanie i jest dobrze. Ale nie mam potrzeby budowania własnego harnessu. Przynajmniej nie teraz.
Uważam za to, że sposób, w jaki to ludzi budzi, i energia wokół pomysłu, że wkrótce każdy będzie mógł mieć własny harness szyty na miarę, są bardzo ciekawe. Zwłaszcza że kiedy coś pójdzie nie tak, możecie po prostu powiedzieć: „przełącz się na tryb twórczy, zbudujmy poprawkę, naprawmy to, co się przed chwilą stało, budując wtyczkę do harnessu, żeby następnym razem pętla agentowa tego nie zrobiła”. To jest naprawdę fajne i myślę, że w tę stronę zmierzamy.
Czy to zastępuje Claude’a?
Nie. Jeśli chcecie robić naprawdę głębokie rzeczy, harness Claude Code nadal was obroni. Poza tym, jeśli chcecie używać Opusa, to w abonamencie Claude Code dostaniecie znacznie lepszy stosunek jakości do ceny niż używając Opusa w harnessie DeepSeeka — a sporo tego testowałem. Podobnie z Codeksem. Na dziś, przy tym, co robię, to w ogóle nie zastępuje mi Claude Code.
To nie jest darmowy Claude Code. To jest darmowy harness, w którym możecie podmieniać tanie modele. A przy okazji: dowolnego modelu możecie użyć również w Claude Code i Codeksie, wystarczy to skonfigurować — robiłem o tym osobne materiały. Jeśli więc widzicie gdzieś tezę, że DeepSeek Harness to darmowy Claude Code — to nieprawda. To zupełnie inny harness.
Test pierwszy: szybkość wyszukiwania
Pierwsze, co zauważyłem, to że DeepSeek Harness jest szalenie szybki. Ta rzecz znajduje coś w moim systemie szybciej niż Claude. Na przykład pytam: „pamiętasz projekt, nad którym pracowaliśmy w zeszłym tygodniu, rozmawialiśmy o tym i o tamtym, nie pamiętam, jak się nazywał — znajdź go i pokaż mi”. Wysyłałem ten sam prompt w tym samym momencie do obu systemów, wielokrotnie. DeepSeek zmiażdżył Claude Code. Mówię o minucie w DeepSeeku i ponad pięciu minutach w Claude Code.
Odpalam więc dokładnie ten sam prompt jednocześnie w obu harnessach. Mam tu ogromną bazę wiedzy — to moje AI-owe środowisko pracy, więc jest mnóstwo materiału do przejrzenia. Za każdym razem, gdy to robiłem, DeepSeek znajdował szybciej. I proszę: po jakichś pięćdziesięciu sekundach DeepSeek znalazł transkrypt, przeszukał wszystko i dał mi dwuzdaniowe streszczenie. Claude Code wciąż szuka. Oba korzystają z tego samego modelu. Sam harness po prostu pracuje o wiele wydajniej.
Nawet przy uruchamianiu podagentów — „rozstaw kilku podagentów i zrób research” — robiłem mnóstwo testów z identycznymi promptami obok siebie i DeepSeek konsekwentnie dowozi odpowiedź znacznie szybciej.
Widok trajektorii
Skoro czekamy, pokażę wam funkcję trajektorii w DeepSeeku. Po wejściu w nią widać bardzo szczegółowe kroki pośrednie, wszystko w jednym miejscu, i ciągnie się to przez całą sesję. Log sesji można też pobrać.
To jest naprawdę wartościowe, jeśli pomyślicie o tym tak: robicie coś, a potem wracacie i mówicie „zamień to w skill”, „zamień to we wtyczkę” albo „widziałeś, co się stało w tej sesji? zbudujmy wtyczkę, która to naprawi, żeby przy kolejnym przebiegu pętli agentowej to się nie powtórzyło”. Podoba mi się też kierunek, w którym idą z tą wizualną trajektorią — przy każdym prompcie widać: to jest zapytanie użytkownika, oto cały kontekst, który wszedł, oto wszystko, co się wydarzyło. Naprawdę to lubię.
Claude Code nadal szuka tego transkryptu. Schowam go, nie musimy na to patrzeć, to trochę smutne.
Test drugi: arkusz z analityką YouTube
Wysłałem do obu prompt z prośbą, żeby przejrzały moje dane z YouTube’a, znalazły ostatnio pobraną analitykę i zbudowały arkusz Excela z rozbiciem danych. To dobry test, bo wykorzystuje skille, wywołania API oraz rozumowanie i pisanie skryptów, żeby zbudować gotowy produkt.
Pierwszy arkusz zrobił mi DeepSeek Harness z Opusem 5. Ten sam model pod maską — i wrócił w jakieś trzy minuty, podczas gdy Claude Code zajęło to bodaj siedemnaście minut. To ogromna różnica.
A jakość? DeepSeek wrócił z danymi wydajnościowymi za ostatnie trzy miesiące, z listą filmów. Podoba mi się, że oznaczył kolorami kolumny z wyświetleniami i wskaźnikiem zaangażowania. Jest topka i dół stawki, jest wykres dziesięciu najlepszych według wyświetleń. Trudno go czytać, bo niczego nie podpisał — to po prostu grafika — ale koreluje z listą obok, co jest w porządku. Jest też dziesiątka najsłabszych. Dalej trend miesięczny, znów z wykresem. Całość jest dość prosta, ale dostarcza informację skutecznie, bo łatwo ją zinterpretować. Nie jest przegadana. Jest też analiza tagów z kolejną sekcją oznaczoną kolorami, a na końcu notatki i źródła.
Teraz spójrzmy na wersję Claude Code. Te same dane. Trwało dłużej, ale jest znacznie bardziej rozgadana. Można argumentować, że analityka jest lepsza — drążenie w danych jest głębsze i bardziej konkretne, daje mi ostatnie dziewięćdziesiąt dni, metryki są równie dobre, jeśli nie lepsze. Nie ma oznaczeń kolorem, ale jest więcej zakładek i więcej danych. Zrobił nawet zestawienie wszystkich filmów, czyli wszystkich czterystu sześćdziesięciu siedmiu. Zrobił top 50, zrobił trend miesięczny. Pod względem jakości to lepszy wynik. Choć przyznaję: jest przegadany.
Zaznaczę też, że obu dałem bardzo ogólny prompt. Powiedziałem dosłownie „zrób mi arkusz Excela pokazujący dane”. Gdybym doprecyzował, co chcę zobaczyć, jakie mam bolączki i co mnie niepokoi, obie strony pewnie dopasowałyby coś konkretniejszego. Ale chciałem zobaczyć, co zrobią z mglistym poleceniem.
Test trzeci: raport badawczy o cukrze
Poprosiłem oba systemy, żeby użyły mojego skilla do researchu i zbudowały raport o wpływie cukru na organizm. Wyszły dwa opracowania — jedno z Claude Code, drugie z DeepSeek Harness. Wyglądają identycznie, bo to skill: obie strony go użyły i miały ustrukturyzować materiał w ten sposób. Obie dobrze się do niego zastosowały, co jest dobrym znakiem.
Ale kiedy je przeczytałem, sprawdziłem źródła i przyjrzałem się sposobowi pracy, oto co znalazłem. Claude Code napisał około pięciu tysięcy słów, DeepSeek Harness około czterech tysięcy czterystu. Claude Code oparł się na dwudziestu sześciu źródłach, DeepSeek Harness na czternastu — przynajmniej tyle było nośnych; w sumie znalazł chyba dwadzieścia dwa.
Jeśli chodzi o głębokość, Claude Code był znacznie bardziej dogłębny i bardziej naukowy, a DeepSeek szedł w stronę „zróbmy to przystępnie i praktycznie”. Nie twierdzę, że jedno jest lepsze od drugiego — biorąc pod uwagę mój prompt. Uważam po prostu, że to niezwykle ciekawe, jak bardzo harness wpływa na dokładnie ten sam model pod spodem.
Claude Code był też zwykle bardziej zachowawczy w swoich wnioskach i faktach, podczas gdy DeepSeek Harness bywał zbyt pewny siebie. Powiedział mi rzeczy, przy których pomyślałem: „nie jestem pewien, czy się z tym zgadzam”.
Któremu więc ufam bardziej? Wersji z Claude Code. Prędzej oddałbym ten materiał klientowi albo zespołowi niż wersję z DeepSeek Harness.
Ale trzeba pamiętać o jednym: skille, które zbudowałem i które każę wykonywać DeepSeekowi, powstały pod Claude Code. Musicie rozumieć, że kiedy zmieniacie model albo przesiadacie się na inny harness, skille są za każdym razem interpretowane trochę inaczej. Gdybym zbudował skill specjalnie pod DeepSeek Harness, prawdopodobnie poradziłby sobie naprawdę dobrze — i byłoby to dużo szybsze.
Zakończenie
Sedno jest takie: dobrze, że słuchacie moich rad i rad innych osób z X-a czy YouTube’a, ale ostatecznie musicie sami wejść do DeepSeek Harness, ubrudzić sobie ręce, wrzucić modele, które chcecie sprawdzić, i przetestować, jak to działa konkretnie u was.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Harness to nie model — i to on decyduje o wydajności
Na czym polega: DeepSeek Harness to warstwa uruchomieniowa agenta, niezależna od modelu. W testach na dokładnie tym samym modelu (Opus 5) różnice były drastyczne: trzy minuty kontra siedemnaście przy tym samym zadaniu analitycznym.
Jak stosować: Kiedy oceniacie narzędzie agentowe, rozdzielcie dwie zmienne: model i harness. Testujcie zawsze przy tym samym modelu po obu stronach, inaczej porównujecie dwie rzeczy naraz.
Na co uważać: Szybkość harnessu nie przekłada się automatycznie na jakość. Ten sam model w szybszym harnessie dowoził szybciej, ale płycej.
2.Otwartość źródeł to realna, ale niszowa przewaga
Na czym polega: W harnessie DeepSeeka wtyczką jest wszystko — narzędzia, skille, sesje, sandboksy, pamięć, pętle, interfejs. W Claude Code i Codeksie pętla agentowa jest nietykalna.
Jak stosować: Sięgnijcie po to, jeśli realnie natrafiacie na ograniczenia zamkniętego harnessu — najczęściej przy budowie produktów i nietypowych przepływach deweloperskich.
Na co uważać: Sam autor przyznaje, że przy pracy z wiedzą, researchu i tworzeniu dokumentów nigdy nie poczuł tej luki. Jeśli nie potraficie wskazać konkretnego bólu, który dostosowanie harnessu by usunęło, ta przewaga jest dla was teoretyczna.
3.Wtyczki z internetu to powierzchnia ataku
Na czym polega: Skoro wszystko jest wtyczką, a wtyczki krążą po GitHubie, instalujecie obcy kod z pełnym dostępem do powłoki i plików.
Jak stosować: Każdą wtyczkę z zewnątrz przepuśćcie najpierw przez Claude Code albo Codexa z poleceniem przeglądu kodu, zanim ją zainstalujecie.
Na co uważać: Przegląd przez model nie jest audytem bezpieczeństwa. Przy wtyczkach dotykających kluczy API czy danych klientów potraktujcie brak zaufanego autora jako powód, żeby odpuścić.
4.Tryby pracy to dźwignia kosztowa, nie kosmetyka
Na czym polega: Tryb standardowy uruchamia pełną pętlę z wstrzyknięciem kontekstu, PTC nadaje się do zrównoleglonych, wieloetapowych zadań, minimalny odcina kontekst i wykonuje szybko, twórczy służy do modyfikowania samego harnessu.
Jak stosować: Do jednorazowych, prostych zadań wybierajcie tryb minimalny — jest szybszy i tańszy. Duże, rozgałęzione zadania wrzucajcie na PTC.
Na co uważać: Tryb minimalny nie wczytuje waszych plików kontekstowych ani katalogu skilli. Jeśli zadanie zależy od wiedzy o was lub od skilla, w tym trybie agent tego po prostu nie zobaczy.
5.Pliki kontekstowe i skille od Claude’a działają bez migracji
Na czym polega: W trybie standardowym harness sam czyta agents.md, claude.md i lokalny claude.md, a potem katalog skilli. Autor wpiął go w swoje środowisko bez żadnych zmian.
Jak stosować: Możecie przetestować nowy harness bez przenoszenia konfiguracji — próg wejścia jest praktycznie zerowy.
Na co uważać: „Działa” to nie „działa tak samo”. Ten sam skill był interpretowany inaczej: raport z Claude Code był naukowy i zachowawczy, z DeepSeeka — przystępny i miejscami zbyt pewny siebie. Skille zbudowane pod jeden harness są pod niego dostrojone.
6.Tani token to nie tani wynik
Na czym polega: Harness jest darmowy, ale inferencja nie. Cena za milion tokenów myli, jeśli model jest na tyle słaby albo harness na tyle nieefektywny, że dojście do celu wymaga wielu przebiegów.
Jak stosować: Liczcie koszt doprowadzenia zadania do końca, a nie cenę tokena. Porównując opcje, mierzcie pełny koszt tego samego zadania od promptu do gotowego rezultatu.
Na co uważać: Domyślnie płacicie tu z API, a subskrypcja Claude’a czy Codexa nie działa. Przy Opusie abonament w Claude Code daje wyraźnie lepszy stosunek jakości do ceny niż ten sam model przez API w harnessie DeepSeeka.
7.Modele bez wzroku nie nadają się do pracy nad interfejsem
Na czym polega: DeepSeek V4 Flash i Pro nie widzą. Strona zbudowana przez Flash trzymała wytyczne marki, ale zawierała błąd wizualny, którego Claude Code czy Codex by nie przepuściły, bo potrafią zrobić zrzut ekranu, spojrzeć i poprawić.
Jak stosować: Zadania z warstwą wizualną kierujcie do modeli z możliwością widzenia — także wewnątrz DeepSeek Harness, bo harness na to pozwala.
Na co uważać: To ograniczenie modelu, nie harnessu. Nie odrzucajcie narzędzia z tego powodu, tylko dobierzcie do niego właściwy model.
8.To wciąż wersja deweloperska — planujcie wokół tego
Na czym polega: Autor trafił na błędy kompaktowania, regresje kontekstu w długich sesjach, niestabilny interfejs (tryb twórczy sam się przełączał) i jeden incydent z zablokowanym kursorem.
Jak stosować: Używajcie do zadań krótkich i odgraniczonych, przy których utrata kontekstu w połowie nie kosztuje wiele. Restart harnessu rozwiązuje część problemów z interfejsem.
Na co uważać: Nie kładźcie tu wielodniowych, krytycznych projektów. Do długich sesji nad dużym projektem to narzędzie na dziś nie jest gotowe.
9.Widok trajektorii zamyka pętlę usprawniania
Na czym polega: Harness pokazuje szczegółowe kroki pośrednie w jednym miejscu przez całą sesję, a log da się pobrać. Można wskazać, co poszło nie tak, i od razu poprosić o wtyczkę, która to naprawi.
Jak stosować: Po nieudanym przebiegu otwórzcie trajektorię, wskażcie konkretny moment i poproście tryb twórczy o poprawkę albo o zamianę udanego przebiegu w skill.
Na co uważać: To działa tylko wtedy, gdy faktycznie czytacie trajektorię. Sama dostępność logu nikogo niczego nie nauczy, a każda kolejna wtyczka to więcej ruchomych części do utrzymania.
10.Mglisty prompt daje mglisty wynik — niezależnie od harnessu
Na czym polega: Przy poleceniu „zrób mi arkusz Excela pokazujący dane” DeepSeek dał czytelne minimum, a Claude Code przegadany nadmiar. Autor sam przyznaje, że przy doprecyzowanym prompcie obie strony trafiłyby lepiej.
Jak stosować: Zanim wyciągniecie wniosek o narzędziu, powtórzcie test z promptem zawierającym cel, odbiorcę i konkretne bolączki. Dopiero wtedy porównanie mówi coś o narzędziu, a nie o waszym poleceniu.
Na co uważać: Recenzje z internetu, ta włącznie, mierzą narzędzie na cudzych zadaniach i cudzej konfiguracji. Autor kończy właśnie tym: trzeba samemu przetestować na własnych zadaniach i własnych modelach.