Skip to content

bestdeejay-design/agent-skills / skills/dsh-runner

dsh-runner

Verified

Запуск автономных агентных задач через DeepSeek Harness (dsh) — изолированные workspace, JSONL-логи сессий, параллельные прогоны. Скрипт dsh_task.py генерирует конфиг и запускает агента через Python SDK (jsonrpc-agent): задача → workspace → harness.run(prompt) → отчёт с final_response и логом. Режимы: headless-задача одной командой, Web UI (npx @deepseek-ai/dsh web), сравнение моделей. Ключ: DEEPSEEK_API_KEY (env) или автоматически из auth.json opencode (провайдер deepseek), либо OpenAI-совместимый endpoint через DEEPSEEK_BASE_URL. Триггеры: 'dsh', 'deepseek harness', 'агент в песочнице', 'изолированный агент', 'запусти агента на репо', 'агентная задача', 'агент-исполнитель', 'harness run', 'agent harness', 'запустить dsh', 'автономная задача агентом', 'параллельные агенты', 'сравнить модели на задаче', 'jsonrpc-agent'.

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.

brainstormingobra/superpowersYou MUST use this before any creative work - creating features, building components, adding functionality, modifying behavior, or planning anything new, in software or out of it (a talk, a business, a renovation).Stars: 321kUpdated Claude CodeCodexVerifiedInstall
brand-guidelinesanthropics/skillsApplies Anthropic's official brand colors and typography to any sort of artifact that may benefit from having Anthropic's look-and-feel. Use it when brand colors or style guidelines, visual formatting, or company design standards apply.Stars: 197kUpdated Claude CodeCodexVerifiedInstall
frontend-designanthropics/skillsGuidance for distinctive, intentional visual design when building new UI or reshaping an existing one. Helps with aesthetic direction, typography, and making choices that don't read as templated defaults.Stars: 197kUpdated Claude CodeCodexVerifiedInstall
mcp-builderanthropics/skillsGuide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).Stars: 197kUpdated Claude CodeCodexVerifiedInstall