opencode
AI-kodning och agentmiljöer · Kodagent i terminalen
Kodagent som körs i terminalen, arbetar i det egna repot och kan använda vilken modellleverantör som helst, inklusive lokala modeller.
DeepSeek Harness
AI-kodning och agentmiljöer · Pluginbaserad agentmiljö
Agentmiljö där allt är ett plugin — även själva loopen — så att en organisation kan byta ut och sätta ihop agentens beteende.
Betyg 70 av 100 Preliminär (källbaserad)
Läs bedömningenAPI · Ej hittat
Endast intern gateway i förhandsversionen — inget publikt API hittat.
Kontrollerat:
MCP · Officiellt
MCP-servrar är opt-in via @deepseek-ai/dsh-mcp-client-paketet (stdio och Streamable HTTP, resursstöd, officiell SDK); verifierat i docs/subsystems/mcp.md och packages/mcp/mcp-client/README.md. MCP-promptmallar stöds inte enligt paket-README. dsh exponerar inte sig självt som MCP-server.
Kontrollerat:
Bedömning
Så bedömer viTotalbetyg
70 av 100
Preliminär (källbaserad)
-
Öppenhet och kontroll
MIT License verifierad i repots LICENSE (copyright 2026 DeepSeek). Hela kodbasen inklusive webbklient och desktop öppen på GitHub; drift på egen maskin via npx/källkod; modellval via plugin-modeller utan känd licensinskränkning.
-
Funktionell passform
Byggd exakt för fallet att äga agentens beteende: allt är Cordis-plugin, även agentloopen, med runbooks och verktygs-/plugin-moduler (docs/architecture.md, README). Mindre lucka: utvecklarförhandsversion med lovaade brytande ändringar gör att funktionsytan inte är stabil.
-
Dataflytt och interoperabilitet
Sessionerna lagras som en append-only-händelselogg i JSONL-filer (session.jsonl i v0, session.vN.jsonl från v1, valfritt zstd-komprimerade) i Harness-hemkatalogen, med dokumenterad generationshantering och migrering mellan formatversioner. Loggen kan läsas, forkas och återupptas, och ett Python-SDK ger programmatisk åtkomst. Någon användarvy för att exportera en session finns inte dokumenterad.
-
Mognad och trygghet
Publik förhandsversion sedan augusti 2026: releases.atom visar v0.2.2-alpha.2 (2026-10-28) och rc-taggar; README lovar uttryckligen brytande ändringar och SAFETY.md varnar innan körning. Väldokumenterad arkitektur men tunn användardokumentation utanför kärnan, ingen SECURITY.md och liten historik.
-
Framtidskraft
Officiell MCP-klient (@deepseek-ai/dsh-mcp-client, stdio och Streamable HTTP med protokollförhandling 2026-07-28) enligt docs/subsystems/mcp.md och packages/mcp/mcp-client/README.md; inre Typert API-gateway med /api-route (docs/api-gateway.md); hela loopen utbytbar via Cordis-plugins. Nivå 5 uteblir: förhandsversion, API:er i rörelse och ingen belagd praktisk integrationshistorik.
-
Drift och införande
npx @deepseek-ai/dsh web startar en lokal webbserver (127.0.0.1:3080), källkodsdrift kräver pnpm-bygge enligt README. Förhandsversion med brytande ändringar och omfattande arkitekturdokument men tunn driftguide ger tydlig friktion och krav på specialistkompetens.
-
Kostnadsbild
Gratis under MIT utan betalnivåer; totalkostnad = modell-API-avgifter plus betydande egen drift- och uppgraderingsarbete på förhandsmjukvara. Ingen kommersiell support; Discord/GitHub Discussions är enda supportkanal enligt README.
-
Svensk användbarhet
Negativ kontroll gjord 2026-10-28: git-trädet (master, recursive, ej trunkerat) listar locales för de, en, es, fr, ja, pt, ru, zh (apps/desktop/installer/locales och packages/client/locale/src/locales) — ingen sv-fil; dokumentationen finns endast på engelska och kinesiska (README.md/README.zh.md).
Om DeepSeek Harness
DeepSeek Harness, dsh, är DeepSeeks öppna agentmiljö. Grundidén är att allt är ett plugin: modellanrop, verktyg, minne och själva loopen som avgör vad agenten gör härnäst ligger i utbytbara moduler i stället för i en fast kärna. Den som vill kan därmed ersätta hela arbetsflödet, inte bara koppla in verktyg runt det.
Miljön bygger på ramverket Cordis och distribueras som ett kommandoradsverktyg med plugins och runbooks. Den släpptes i publik förhandsversion i augusti 2026 och licensieras under MIT. Att den är så ung märks i dokumentation och ekosystem, men arkitekturen gör den intressant för den som vill äga hela agentens beteende.
Användning
Passar för
- Team som vill bygga en egen agentruntime av utbytbara delar
- Utvecklare som vill kunna ersätta agentloopen själv
Passar mindre bra för
- Den som behöver en stabil plattform med lång historik
- Användare som vill ha ett grafiskt gränssnitt
Styrkor och begränsningar
Styrkor
- Hela loopen är utbytbar
- MIT-licens och pluginarkitektur
Begränsningar
- Publik förhandsversion med rörliga API:er
- Tunn dokumentation utanför kärnan
Skärmbilder
8 skärmbilder. Välj en bild för att visa den i full storlek. Svep i sidled för fler.
-
Arbetsytan för Nordljus AB:s driftmapp med sessionerna i sidopanelen. -
Agenten svarar direkt i chatten: vilket avtal som löper ut först, uppsägningstider och vilka datum som kräver åtgärd. -
Andra sessionen: agenten läser avtalen, sammanfattar dem i en tabell och flaggar två datum som inte stämmer. -
Modell- och arbetsnivåväljaren i meddelandefältet. -
Plugins-sidan: varje del av agenten — loop, verktyg, sök — är en insticksmodul som kan sättas ihop eller bytas ut. -
Inställningar: behörighetsläge, utseende, detaljnivå för verktygsanrop och språk. -
Trajectory-vyn visar agentloopen steg för steg: systemprompt, kontext, verktygsanrop och svar. -
Arbetsmappens filer i sidopanelen — avtalen, kostnadsunderlaget och den skrivna sammanfattningen.
Tekniska resurser
Alternativ
Goose
AI-kodning och agentmiljöer · Lokal AI-agent för kod och arbetsuppgifter
AI-agent som körs lokalt i terminalen eller som skrivbordsprogram och arbetar med kod, filer och externa verktyg via tillägg.