تحديثات DeepSeek لإطار العمل Harness؟ كيف تعمل التغييرات الـ 14

تحديثات DeepSeek لإطار العمل Harness؟ يقدم إطلاق DeepSeek Harness v0.1.0-rc.8 نحو 14 تغييراً، تتضمن تحديثات رئيسية تمتد عبر المدخلات متعددة الوسائط، والعوامل الفرعية، والأدوات، وأداء وقت التشغيل، مما يرسخ طبقة جدولة مستقلة وقائمة على الإضافات تدمج طلبات الصور الأصلية وتدير الأدوات الخارجية مثل Claude Code وCodex كعوامل فرعية نمطية. بينما تنتقل بنيات الذكاء الاصطناعي من مغلفات روبوت المحادثة المتجانسة إلى بيئات تشغيل العوامل الموزعة، يحتاج المطورون إلى أطر عمل قابلة للتوسع لإدارة تحليل المهام، وتنسيق الأدوات، والاحتفاظ بالذاكرة. تاريخياً، كان نشر مساعدي البرمجة المستقلين يربط سير عمل الهندسة بمجموعات مورّدين مغلقة المصدر فردية. اليوم، وبسبب تمكين أطر تشغيل المصدر المفتوح للمطورين من تبديل النماذج والأدوات والعوامل الفرعية ديناميكياً، تقيم الفرق التقنية كيفية هيكلة تنسيق العوامل وعمليات تسليم السياق اللاحقة.

نظرة عامة على البنية: كيف تحدث DeepSeek إطار العمل Harness لتنسيق العوامل

لمحة سريعة

• يقدم DeepSeek Harness v0.1.0-rc.8 دعماً أصلياً لطلبات الصور، مما يسمح لأوامر مثل /goal و /plan بقبول مدخلات تجمع بين النصوص والصور مباشرة.
• تأتي العوامل الفرعية بما في ذلك Claude Code وCodex مجمعة كحزم ملفات تعريف عند الطلب (Profile Bundles)، وتتميز بأوضاع تنفيذ غير تفاعلية وعمليات تنبيه للمهام الرئيسية.
• مدعوماً بإطار عمل الإضافات Cordis، يتعامل وقت التشغيل مع النماذج، والأدوات، والذاكرة، وحلقات العامل الرئيسية كإضافات قابلة للاستبدال بالكامل بموجب رخصة MIT.

الحد الهندسي الذي يفصل نماذج اللغة الأساسية عن العوامل المستقلة أصبح محددًا بشكل متزايد. بينما توفر النماذج الأساسية قدرات التفكير والتوليد الخام، يتطلب تنفيذ المهام العملية غلافاً هندسياً خارجياً لتحليل أنظمة الملفات، واستدعاء أوامر الصدفة (shell)، وإدارة سجل المحادثات، ومعالجة محاولات إعادة التنفيذ. توضح DeepSeek هذه العلاقة من خلال معادلة واضحة: النموذج + الحامل (Harness) = العامل.

عقب الإصدار الأولي مفتوح المصدر لـ Harness v0.1 في أغسطس 2026، شهد المشروع تبنياً سريعاً من قِبل المطورين. يعتمد إصدار v0.1.0-rc.8 مباشرة على هذا الأساس، مضيفاً دعماً قابلاً للتكوين لطلبات الصور وتوسيع قدرات جدولة العوامل الفرعية.

تكمن أهمية الإصدار rc.8 في فلسفة تصميمه القائمة على أن "كل شيء عبارة عن إضافة". ومدعوماً بإطار Cordis الذي يوفر سياق الإضافات القابل للتركيب أسفل Harness، لا يوجد أي مكون مثبت برمجياً بشكل دائم. يمكن للمطورين تبديل محول النموذج الأساسي، أو استبدال محركات التخزين المحلية، أو تركيب بيئات حماية (sandboxes) مستقلة، أو تخصيص حلقة تنفيذ العامل الرئيسية.

الآليات الداخلية: سلاسل الأدوات متعددة الوسائط، العوامل الفرعية، وخطوط تشغيل وقت التشغيل

على مستوى البروتوكول، ينظم DeepSeek Harness v0.1.0-rc.8 تحديثاته عبر المجالات الوظيفية الأساسية: التعامل الأصلي مع الوسائط المتعددة، وتنسيق العوامل الفرعية، وأداء سلاسل الأدوات.

1. المدخلات متعددة الوسائط القابلة للتكوين

يدعم المحول المُحدث طلبات الصور الأصلية، حيث يقوم بتسلسل مدخلات الصور كروابط بيانات base64 في جسم الطلب بينما تستمر استجابات النموذج في التدفق عبر أحداث مُرسلة من الخادم (SSE). تقبل الأوامر الأساسية بما في ذلك /goal و /plan الآن حمولات مختلطة من النصوص والصور، بينما توسع قائمة @ الخاصة بالمُنشئ لتشمل الجلسات النشطة وملفات الصور. يحدد النظام حمولات صور base64 بسقف قدره 20 ميجابايت (maxRequestImageBytes)، مما يوفر هامشاً أسفل حد الطلب القياسي البالغ 30 ميجابايت.

تحت بنية المحول الأصلي، تتلقى النماذج المُكوّنة بقدرات الصور حمولات بيانات base64 مباشرة، بينما ترفض النماذج النصية فقط مدخلات الصور قبل النقل عبر الشبكة. استكشف مطورو المجتمع بشكل منفصل إضافات رؤية خارجية لتوفير ميزات التعرف الضوئي على الحروف (OCR) وتحليل التخطيط للأنظمة الخلفية النصية فقط، لكن خط أنابيب rc.8 الأصلي يركز على التمرير المباشر للصور لتكوينات النماذج المدعومة بالرؤية.

2. جدولة العوامل الفرعية وحزم ملفات التعريف

بدلاً من توزيع المساعدين الخارجيين داخل قاعدة الكود الرئيسية، يتم تجميع Claude Code وCodex كحزم ملفات تعريف عند الطلب (Profile Bundles). يحصل Codex على وضع إذن غير تفاعلي يدعم سيناريوهات التنفيذ غير المراقب أو الرأسي (headless)، إلى جانب مثيلات مسماة للحفاظ على تكويناتي Codex متعددة ومتميزة. تقوم آلية reportDelivery بإشعار وتنبيه المهمة الرئيسية تلقائياً عند اكتمال العامل الفرعي، مما يقلل من الحاجة إلى حلقات الاستعلام المستمرة.

يوضح الرسم البياني أدناه كيف يتم توجيه المهام والعوامل الفرعية عبر إطار العمل:

[مدخلات الهدف/الخطة متعددة الوسائط للمستخدم]
                │
                ▼
     [سياق إضافة Cordis]
                │
  ┌─────────────┼─────────────┐
  ▼             ▼             ▼
[محول LLM المُكوّن] [Claude Code] [حزمة Codex]
(نموذج نص أو رؤية)   (عامل فرعي)   (عامل فرعي)
  │             │             │
  └─────────────┼─────────────┘
                ▼
  [طبقة إرسال الأدوات/الإضافات]
(البحث المتزامن على الويب / محطة PTY)

3. تزامن سلاسل الأدوات وبيانات النقل الوصفية

يقدم وقت التشغيل دعماً للاستعلام المتزامن لـ web_search، وجلسات PowerShell المستمرة داخل محطات Windows PTY، وأداءً مُحسّناً للقراءة والكتابة في قاعدة بيانات SQLite وتفرع الجلسات. على مستوى النقل، يرسل محول DeepSeek بيانات الهوية وبيانات الجلسة الوصفية على مستوى النقل في طلبات المزود، بما في ذلك x-deepseek-harness-user-id من @deepseek-ai/dsh-anonymous-user-id، مع الاحتفاظ بهذا المُعرّف خارج محتوى الطلب المرئي للنموذج ومحاسبة الرموز (tokens).

يمكن للمطورين تكوين إعدادات المحول ديناميكياً باستخدام مخطط التكوين القياسي:

- id: llm-deepseek
  name: '@deepseek-ai/dsh-llm-deepseek'
  config:
    apiKeyEnv: DEEPSEEK_API_KEY
    baseURL: https://api.deepseek.com
    thinking: enabled
    reasoningEffort: high
    maxTokens: 256000
    streamIdleTimeoutMs: 300000
    maxRequestImageBytes: 20971520
    defaultContextWindow: 1000000
    models:
      - id: deepseek-v4-flash
        name: DeepSeek-V4-Flash
      - id: private-vision
        name: Private Vision
        inputModalities: [text, image]

تنسيق سير العمل ذو الحالة مقابل استمرارية سياق التوزيع على الهواتف المحمولة

توضح البنية المعيارية لـ DeepSeek Harness كيف يتجه تنفيذ البرمجيات نحو سير عمل موزعة ومتعددة العوامل. عندما يفوّض العامل الأساسي مهام فرعية عبر أدوات ونماذج متعددة، يحافظ الحامل على سياق التنفيذ، ويتتبع حالة العامل الفرعي، ويجمع المخرجات في نتيجة نهائية متسقة.

بينما تحافظ بيئات تشغيل العوامل الخاصة بسطح المكتب والخادم على الحالة عبر الإضافات النشطة والعمليات المحلية، يبرز تحدٍ معماري مجاور عندما ينتقل مسار أتمتة عبر حدود توزيع تطبيقات الجوال.

ربط استمرارية السياق عبر حدود دورة الحياة

داخل Harness، تتم المحافظة على استمرارية الجلسة من خلال حالة جلسة وقت التشغيل وطبقات الثبات. أما في توزيع تطبيقات الجوال، ومع ذلك، عندما توجّه حملة تسويقية، أو توصية ويب، أو إحالة مشتركة المستخدم نحو تطبيق لم يتم تثبيته بعد، فإن حملة ما قبل التثبيت أو سياق الوجهة لا ينجو تلقائياً من انتقال عملية التثبيت من المتجر إلى التشغيل الأول.

تعالج بنيات الروابط المتخصصة للهواتف المحمولة، مثل OpoInstall، عدم استمرارية السياق هذه من خلال الربط العميق المؤجل وقدرات تمرير المعلمات. تلتقط هذه الأطر البيانات الوصفية للحملة أو الوجهة قبل التثبيت وتستعيد تلك المعلمات عند التشغيل الأول للتطبيق، مما يتيح التوجيه السياقي الفوري. تحل الآليتان مشكلات تقنية مختلفة عبر مراحل مختلفة من دورة الحياة، لكن كلييهما يسلط الضوء على الحاجة المتزايدة باستمرار لاستمرارية سياق موثوقة عبر حدود التطبيقات المجزأة.

قوائم التحقق الهندسية: نشر حوامل العوامل المعيارية في بيئة الإنتاج

يتطلب نشر بيئات تشغيل العوامل القابلة للتوسع في بيئة الإنتاج حوكمة منظمة لتحقيق التوازن بين مرونة التنفيذ والاستقرار التشغيلي.

قائمة تحقق تطبيق المطور

• إدارة ترحيلات مخطط قاعدة بيانات SQLite: تأكد من تحديث تنسيقات تخزين قاعدة البيانات بشكل نظيف عند الترقية عبر الإصدارات الفرعية لمنع أخطاء البيانات الناتجة عن هياكل الجداول غير المتوافقة.
• تكوين أوضاع تنفيذ العوامل الفرعية: قم بتفعيل علامات الأذن غير التفاعلية على مثيلات Codex المؤتمتة عند تشغيل العمليات غير المراقبة.
• تعيين حدود حمولات الصور: قصر حمولات صور base64 الواردة على 20 ميجابايت (maxRequestImageBytes) لمنع تجاوز حدود جسم المزود أثناء المحادثات متعددة الجولات.

قائمة تحقق استراتيجية البنية والنمو

• تدقيق معرفات النقل: تحقق من أن المُعرفات المجهولة (x-deepseek-harness-user-id) ورؤوس الجلسة تمتثل لسياسات الخصوصية المحلية.
• تحسين ميزانيات الرموز للعوامل المتعددة: قم بتنفيذ عملية التحكيم بين النماذج لتوجيه المهام الفرعية إلى نماذج ذات كفاءة في التكلفة مع الاحتفاظ بالنماذج المتقدمة للتخطيط المعقد.
• ضمان الحفاظ على السياق عبر المنصات: انشر أطر استعادة المعلمات من جهة الخادم عند ربط سير عمل المستخدم بين نقاط الدخول عبر الويب وتطبيقات الجوال الأصلية.

أبرز النقاط لفرق الهندسة

يشير التطور السريع لبيئات تشغيل العوامل مفتوحة المصدر مثل DeepSeek Harness إلى التحول من المنافسة المرتكزة على النموذج إلى هيمنة طبقة سير العمل والتنسيق. بينما تصبح الأنظمة الخلفية للنماذج قابلة للتبادل بشكل متزايد داخل بنيات العوامل المعيارية، تصبح طبقة البرمجيات التي تنسق العوامل الفرعية، وتدير الأدوات، وتحافظ على حالة التنفيذ هي الموقع الأساسي لتحكم المطورين.

يجب على الفرق الهندسية التي تبني أنظمة وكيلة من الجيل التالي إعطاء الأولوية للنموذجية، وحدود الأذن الصريحة، وإدارة الحالة القوية. من خلال فصل تنسيق العوامل إلى إضافات قابلة للتوسع وتنفيذ آليات تسليم سياق مرنة عبر نقاط الاتصال على الويب والهاتف المحمول، يمكن للمؤسسات بناء خطوط أتمتة قابلة للتكيف ومحايدة تجاه الموردين.

المراجع

• DeepSeek AI. ملاحظات إصدار DeepSeek Harness (v0.1.0-rc.8). https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.1.0-rc.8

• DeepSeek AI. وثائق محول نموذج DeepSeek LLM. https://github.com/deepseek-ai/deepseek-harness/blob/dsh-v0.1.0-rc.8/packages/llm/llm-deepseek/README.md

• DeepSeek AI. مستودع DeepSeek Harness الرسمي. https://github.com/deepseek-ai/deepseek-harness

• OpoInstall. كيفية تنفيذ حزمة SDK لتتبع الإحالات مع الربط العميق المؤجل وإسناد التثبيت. https://www.opoinstall.com/blog/referral-tracking-sdk-deferred-deep-linking