DeepSeek Harness: создавайте AI-агентов для программирования с помощью бесплатных моделей [Udemy] [Д-р Амар Масуд]

Складчина: DeepSeek Harness: создавайте AI-агентов для программирования с помощью бесплатных моделей [Udemy] [Д-р Амар Масуд]

DeepSeek Harness: Build AI Coding Agents with Free Models
Язык: английский + субтитры, озвучка на русском (ИИ)



Запускайте DeepSeek Harness локально с бесплатными моделями Gemini и OpenRouter, создавайте собственные инструменты и автоматизируйте рабочие процессы написания кода.

Этот курс включает использование искусственного интеллекта.

Большинство курсов по программированию по ИИ сводятся к «установи и спроси что-нибудь». В итоге агент исправляет реальный дефект и передаёт вам доказательства. DeepSeek Harness — это агент с открытым исходным кодом, лицензированный MIT, построенный на одной идее: всё — это плагин. Модели, инструменты, навыки, сессии, сам агентский цикл — всё можно заменять. Это делает его необычно хорошим местом для изучения того, как на самом деле работают кодовые агенты, потому что за продуктом ничего не скрыто.

В большинстве агентских курсов есть счёт. У этого её нет. Жгут работает локально на обычной машине Windows, macOS или Linux, и идея основана на свободной облачной модели — на уровне бесплатного API Gemini в качестве основного маршрута, с явно бесплатными моделями OpenRouter в качестве второго провайдера на случай окончания квоты. Нет платного ключа API. Нет видеокарты. Без подписки. Есть опциональный раздел для запуска небольшой модели полностью локально через Ollama, для работы, которую нельзя отправить куда-либо.

Чем это отличается Любой может снять успех агента. Самая сложная часть — то, что решает, можно ли доверять одному из этих вещей на работе — это отличить агента, который выполнил работу, от агента, который утверждает, что это сделал. Это различие проходит через весь курс.

Вы будете читать траектории: реальные запросы моделей, аргументы инструмента, ответы инструментов и команды, записанные для каждой сессии. Вы настроите режимы разрешения так, чтобы задача исследования не могла записать файл, вместо того чтобы вежливо попросить её не делать этого. Вы будете рассматривать различия перед их одобрением, отделять уже существующие сбои тестов от тех, что только что вызвали, и требовать, чтобы агент показывал реальные результаты теста вместо сводки.

В капстоуне есть правило автоматического провала, которое говорит всё о приоритетах курса: если ваш агент заявляет о успехе, но траектория показывает, что тест никогда не проводился, вы проваливаетесь — даже если код верен.

Что ты построишь:

• Проект 1 — Repository Explorer. Агент, который проверяет кодовую базу и докладывает о ней, подтверждается, что ничего не изменил.
• Проект 2 — контролируемое исправление ошибок. Воспроизведите реальный дефект, спланируйте исправление, измените один файл, добавьте регрессионный тест, который сбивает до и проходит после.
• Проект 3 — Пользовательский инструмент аудита проектов. Плагин, который вы пишете, и который затем должен загрузиться во втором проекте без изменений.
• Capstone — агент по обслуживанию репозиториев. Оформить поступление до проверенного, подлежащего аудиту отчета о завершении. Очевидное исправление — это не всё исправление, и только ваши доказательства это подтверждают.

Всё строится на небольшом практическом репозитории, созданном для этого курса: нуль зависимостей, шестнадцать тестов и дефекты, которые действительно воспроизводятся.

Вы также научитесь Настройте пользовательский провайдер модели с нуля — базовый URL, протокол, учетные данные, каталог модели — и меняйте провайдеров, не трогая ваш проект. Пишите инструкции постоянного проекта, который агент фактически выполняет. Упаковывайте многоразовый навык, команду слэш и инструмент в качестве плагинов. Запусти безупряжную голову для автоматизации и управляй с Python. Решайте, когда помогает второй агент, а когда он просто дублирует работу.

Честная заметка перед поступлением DeepSeek Harness — это превью для разработчиков. Он посылает меня, разбивая меня. Курс называет точную версию, по которой всё было записано, отправляет лист версий и — что ещё полезно — учит методам самостоятельного поиска текущего ответа, а не запоминания истревших строк. Бесплатные уровни — это коммерческое условие, а не собственность программного обеспечения, и курс говорит это прямо, а не притворяется обратноим.

Вы должны иметь возможность открыть терминал и прочитать небольшой JavaScript-файл. Вам не нужен опыт работы с ИИ или агентами.

Этот курс является независимым и не связан, не поддерживается и не спонсируется DeepSeek, Google, OpenRouter или Ollama.

Для кого этот курс:

• Разработчики, которые уже нашли платный доступ к инструментам для программирования ИИ и всё равно хотят продолжать учиться
• Младшие и средние инженеры, которые хотят понять, как работают программисты, а не просто использовать один
• Студенты и самоучки-разработчики, которым нужен путь без оплаты к реальному опыту агента
• Разработчики в регионах, где платный доступ к API нереален или недоступен
• Инженеры платформы и DevOps оценивают агентные жгуты перед тем, как назначить команду на один
• Технические лиды, которым нужно разработать разумную политику относительно того, что агенту ИИ разрешено касаться
• Любой, кто с уверенностью наблюдал, как агент с уверенностью сообщает, что он не заслужен, и хочет поймать его в следующий раз

Чему вы научитесь:

• Установите и запустите DeepSeek Harness локально на Windows, macOS или Linux без видеокарты и платного API
• Объясните, что именно добавляет харнесс в языковую модель и почему чат-бот не может выполнять эту работу
• Настройте бесплатный уровень Gemini как пользовательского провайдера — базовый URL, протокол, учетные данные и каталог модели
• Добавьте явно бесплатные модели OpenRouter в качестве второго провайдера и переключайтесь между ними, не трогая свой проект.
• Найдите современные бесплатные модели, которые действительно поддерживают вызов инструментов, вместо того чтобы полагаться на истечённый список
• Предоставить агенту управляемый доступ к файлам и терминалу с использованием режимов только чтения, написания в рабочем пространстве и полного доступа
• Используйте режим плана и проверку одобрения, чтобы остановить агента до того, как он сделает то, о чём вы не просили.
• Прочитайте траекторию сессии и определите разницу между заявлением агента и тем, что он может доказать
• Диагностируйте сбой, который останавливает большинство людей: правильный ключ и URL, где все запросы всё равно отклоняются
• Пишите постоянные инструкции проекта, повторяемые навыки и пользовательские команды слэш, которым выполняет агент
• Создайте и упаковайте пользовательский инструмент как плагин, а затем используйте его во втором проекте без изменений
• Запусти безупряжную систему для автоматизации и программно управляй её с Python
• Решать, когда несколько агентов действительно помогают, а когда просто дублируют работу и сжигают контекст
• Предоставить полноценного агента по обслуживанию репозиториев, чья работа подкреплена реальными доказательствами
• Опционально запускайте небольшую модель полностью локально через Ollama и честно оценивайте, когда она недостаточно хороша

Материалы курса
10 разделов • 54 лекций • Общая продолжительность 2 ч 12 мин

DeepSeek Harness и архитектура свободной модели (4 лекции • 13 мин)

• Добро пожаловать и результаты курса
• Модель против агента против жгута
• Как работает архитектура с нулевой стоимостью
• Предварительный просмотр для разработчиков, телеметрия и безопасность

Установка и эксплуатация DeepSeek (6 лекции • 13 мин)

• Требования к среде разработки
• Установите Node.js и проверьте окружающую среду
• Начните DeepSeek Harness с NPX
• Создайте рабочее пространство для безопасной практики
• Навигация по веб-интерфейсу DeepSeek Harness
• Диагностика сбоев установки и запуска
• Архитектура рега и безопасность
• Задание: Докажите свою среду и ограничите рабочее пространство до того, как какая-либо модель с ним коснётся

Бесплатный уровень API Connect Gemini (6 лекции • 16 мин)

• Выбор провайдера, который может управлять агентом
• Создайте ключ API Google AI Studio
• Настройка Gemini в DeepSeek Harness
• Проведите свою первую сессию с поддержкой инструментов
• Ограничения бесплатного уровня Gemini и конфиденциальность
• Устранение неполадок соединений Gemini
• Задание: настройте свободного провайдера и проверьте репозиторий, не меняя его

Добавить бесплатные модели OpenRouter (6 лекции • 14 мин)

• Зачем добавлять провайдера второй модели
• Создайте и защитите ключ API OpenRouter
• Настройте OpenRouter в DeepSeek
• Выберите свободные модели агента кодирования
• Почему бы не полагаться на автоматическую свободную маршрутизацию
• Запустите ту же задачу с Gemini и OpenRouter
• Конфигурация провайдера
• Задание: Проведите одну задачу через две бесплатные модели и сравните их

Основные рабочие процессы агентов DeepSeek (7 лекции • 16 мин)

• Дайте агенту точную цель кодирования
• Исследование репозиториев с помощью инструментов только для чтения
• Используйте режим планирования до внедрения
• Одобрение контролируемых изменений файлов
• Проводите тесты и собирайте доказательства
• Продолжить после неудачного теста
• Осмотреть всю траекторию
• Призывы инструментов и траектории
• Задание: исправить указанный дефект и доказать его с помощью регрессионного теста

Инструкции, навыки, команды и плагины (6 лекции • 15 мин)

• Постоянные инструкции проекта
• Создайте многоразовый навык проверки репозитория
• Создайте пользовательскую команду
• Поймите архитектуру плагинов
• Создайте простой кастомный инструмент
• Упаковка и повторное использование плагина
• Плагины и многоразовые рабочие процессы
• Задание: Создать инструмент для аудита проектов и доказать его повторное использование

Автоматизация и многоагентные рабочие процессы (6 лекции • 15 мин)

• Когда использовать один агент или несколько
• Делегировать анализ репозитория дочернему агенту
• Постройте рабочий процесс внедрения и проверки
• Запускайте DeepSeek Harness в безголовом режиме
• Используйте Python SDK
• Разработайте повторяемый рабочий процесс обслуживания
• Автоматизация и многоагентное проектирование
• Назначение: Запустить рабочий процесс внедрения и проверки по незарегистрированному дефекту

Capstone: Агент по обслуживанию хранилища (5 лекции • 12 мин)

• Требования к выпуску и критерии приема
• Фаза 1 — Осмотр и диагностика
• Этап 2 — Внедрение в рамках контроля одобрения
• Фаза 3 — Тестирование и восстановление после отказа
• Этап 4 — Подготовить аудитируемый отчет о завершении
• Capstone: Агент по обслуживанию репозитория, отправьте вход в проверенный отчет

Опционально: использовать DeepSeek полностью локально (5 лекции • 13 мин)

• Вывод облаков против полностью локального вывода
• Установка и тестирование Ollama
• Подключите Ollama к DeepSeek Harness
• Протестируйте небольшую локальную модель
• Понимание ограничений локальной модели
• Викторина — Проведение на местном уровне и оценка результата
• Задание: Определить, достаточно ли хороша локальная модель на основе доказательств

Завершение курса и постоянные обновления (3 лекции • 6 мин)

• Выберите правильный маршрут модели
• Контрольный список готовности к производству
• Финальный вызов и следующие шаги
• Задание: Последнее задание — расширить работу в то, о чём вас никто не информировал

Требования

• Обычный компьютер с Windows, macOS или Linux — видеокарта не требуется
• Node.js ^22.19 или 24 года и старше (курс показывает, как проверить и установить)
• Комфортно открывать терминал и запускать команду
• Способен достаточно хорошо читать небольшой JavaScript-файл, чтобы распознать ошибку, когда на него указывают
• Аккаунт Google для бесплатного уровня Gemini API и аккаунт OpenRouter — оба бесплатные для создания
• Нет платной подписки на ИИ, нет кредита API, и не требуется опыт работы с ИИ или агентами

Пример перевода ролика:

Спойлер: Оригинальное описание

This course contains the use of artificial intelligence.

Most AI coding courses stop at "install it and ask it something." This one ends with an agent that fixes a real defect and hands you the evidence.
DeepSeek Harness is an open-source, MIT-licensed agent harness built on a single idea: everything is a plugin. Models, tools, skills, sessions, the agent loop itself — all swappable. That makes it an unusually good place to learn how coding agents actually work, because nothing is hidden behind a product.

The catch with most agent courses is the bill. This one has none. The harness runs locally on an ordinary Windows, macOS or Linux machine, and the thinking happens on a free cloud model — Gemini's free API tier as the primary route, with explicit free OpenRouter models as a second provider for when a quota runs out. No paid API key. No GPU. No subscription. There is an optional section for running a small model entirely locally through Ollama, for work you cannot send anywhere.

What makes this different
Anyone can film an agent succeeding. The hard part — the part that decides whether you can trust one of these things at work — is telling the difference between an agent that did the job and an agent that says it did. That distinction runs through the whole course.

You will read trajectories: the actual model requests, tool arguments, tool responses and commands recorded for every session. You will set permission modes so an exploration task cannot write a file, rather than politely asking it not to. You will review diffs before approving them, separate pre-existing test failures from ones you just caused, and require the agent to show real test output instead of a summary.

The capstone has an automatic-fail rule that says everything about the course's priorities: if your agent claims success but the trajectory shows no test was ever run, you fail — even if the code happens to be correct.

What you'll build

• Project 1 — Repository Explorer. An agent that inspects a codebase and reports on it, verified to have changed nothing at all.
• Project 2 — Controlled Bug Fix. Reproduce a real defect, plan the fix, change one file, add a regression test that fails before and passes after.
• Project 3 — Custom Project-Audit Tool. A plugin you write, which then has to load in a second project unmodified.
• Capstone — Repository Maintenance Agent. Issue intake through to a verified, auditable completion report. The obvious fix is not the whole fix, and only your evidence reveals it.

Everything runs against a small practice repository built for this course: zero dependencies, sixteen tests, and defects that genuinely reproduce.

You'll also learn to
Configure a custom model provider from scratch — base URL, protocol, credential, model catalogue — and swap providers without touching your project. Write persistent project instructions the agent actually follows. Package a reusable skill, a slash command and a tool as plugins. Run the harness headless for automation, and drive it from Python. Decide when a second agent helps and when it just duplicates work.

An honest note before you enrol
DeepSeek Harness is a developer preview. It ships breaking changes. The course names the exact version everything was recorded against, ships a version sheet, and — more usefully — teaches you the methods for finding the current answer yourself rather than memorising strings that expire. Free tiers are a commercial condition, not a property of the software, and the course says so plainly instead of pretending otherwise.

You should be able to open a terminal and read a small JavaScript file. You do not need any prior AI or agent experience.

This course is independent and is not affiliated with, endorsed by, or sponsored by DeepSeek, Google, OpenRouter or Ollama.

Цена 1550 руб. (16 евро)
Скрытая ссылка