DeepSeek uruchamia Creator Mode: harness można przebudować pod siebie
DeepSeek uruchamia Creator Mode: harness można przebudować pod siebie
Open-source’owy harness DeepSeek zyskuje Creator Mode: agent pisze pluginy na podstawie opisu i wtapia je w interfejs aplikacji.
DeepSeek uruchamia Creator Mode: harness można przebudować pod siebie
W ciągu kilku dni repozytorium DeepSeek Harness zebrało ponad 140 tys. gwiazdek na GitHubie, rosnąc szybciej niż OpenClaw w swoim czasie.
W sierpniu DeepSeek opublikował własny harness open source. Opiera się on na idei, że „wszystko jest pluginem”, a teraz projekt dodał Creator Mode: opisujesz pomysł słowami, a agent sam pisze pasujący plugin i osadza go bezpośrednio w interfejsie aplikacji.
Oznacza to, że interfejs harnessa przestaje być sztywny i można go dostosować do dowolnego przepływu pracy.
- Repozytorium: DeepSeek Harness
- Zbiór promptów z filmu demonstracyjnego: DSH Creator Mode prompt collection
Na przykład można zbudować edytor wideo bezpośrednio w czacie, zmienić styl całej aplikacji lub utworzyć panel statystyk rozmów.
Dlaczego to ważne
AnalizaTo pokazuje, jak narzędzia AI mogą przechodzić od statycznych interfejsów do samodzielnie modyfikowalnych warstw oprogramowania, przyspieszając prototypowanie i personalizację.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
DeepSeek przedstawia dsh-superagent — framework agentowy dla GitHub Issues i PR
DeepSeek zaprezentowało kolejny projekt, dsh-superagent: framework agentowy dla GitHub Issues i pull requestów, który umożliwia wielu agentom AI wykonywanie zadań równolegle.
DeepSeek przedstawia dsh-superagent — framework agentowy dla GitHub
DeepSeek zaprezentował dsh-superagent — framework, który pozwala wielu agentom AI równolegle pracować z GitHub Issues i PR.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Jak uruchomić lokalny LLM: konfiguracja, modele i optymalizacja
Kompleksowy przewodnik po uruchamianiu modeli językowych na własnym komputerze: wymagania sprzętowe, wdrożenie Ollama i Open WebUI, przegląd modeli Llama 3, Qwen 2.5, DeepSeek oraz kwantyzacja GGUF.