DeepSeek Harness หรือชื่อคำสั่งสั้นๆ ว่า dsh คือผู้ช่วย AI โอเพนซอร์สที่ลงมือแก้ไฟล์ในโปรเจกต์จริงได้ ไม่ใช่แค่ตอบกลับมาเป็นข้อความ ทีมที่พัฒนาคือ DeepSeek AI และเปิดโค้ดทั้งหมดไว้บน GitHub เว็บที่นักพัฒนาทั่วโลกใช้เก็บและแบ่งปันโค้ดกัน

สิ่งที่ทำให้โปรเจกต์นี้เป็นที่พูดถึงอย่างรวดเร็วคือยอดดาว ซึ่งนับจากคนที่แวะเข้ามาดูแล้วกดเก็บโปรเจกต์ไว้ มียอดถึง 133,800 ดวง ณ วันที่ 17 สิงหาคม 2026 หน้าโปรเจกต์แสดงตัวเลขแบบย่อเป็น 134k แต่ตัวเลขนี้ไม่ได้แปลว่าเอาไปใช้งานจริงกันแล้ว

ตัวเลขอื่นบนหน้าเดียวกันสะท้อนอีกด้านหนึ่ง คนที่ร่วมเขียนโค้ดมี 19 คน ส่วนช่อง Tags แสดงเลข 0 หมายความว่ายังไม่เคยออกเวอร์ชันที่ระบุเลขไว้อย่างเป็นทางการเลยสักตัว

ของที่ยังไม่นิ่งขนาดนั้นกลับเปิดใช้ได้จริงตั้งแต่วันนี้ด้วยคำสั่งเดียว ส่วนประโยคสั้นๆ ที่ทีมงานเขียนไว้บนหน้าแรกว่า “ทุกอย่างเป็นปลั๊กอิน” ก็บอกว่ามันออกแบบมาต่างจากผู้ช่วย AI ที่เราคุ้นเคย

แชตบอตตอบคำถาม แต่ agent harness ลงมือทำ

คำว่า agent harness ยังไม่มีคำไทยที่ใช้กันจนติดปาก แต่ถ้าจะอธิบายหน้าที่ตรงๆ มันคือตัวกลางที่เชื่อมโมเดล AI เข้ากับเครื่องและไฟล์งานของเรา

แชตบอตรับข้อความแล้วส่งข้อความกลับ จบตรงนั้น ส่วน harness ทำสิ่งที่แชตบอตทำไม่ได้

• อ่านไฟล์ในโฟลเดอร์ที่เราเลือกให้ แล้วสรุปได้ว่าโปรเจกต์นี้มีส่วนไหนอยู่บ้าง
• รันคำสั่งบนเครื่อง แล้วอ่านผลที่ออกมาเองเพื่อตัดสินใจขั้นต่อไป
• แก้ไฟล์แล้วบันทึกทับของเดิม ไม่ใช่พิมพ์โค้ดมาให้เราไปวางเอง
• แตกงานก้อนใหญ่เป็นขั้นย่อย แล้วไล่ทำทีละขั้นจนจบ

ความต่างตรงนี้เห็นชัดจากหน้าจอที่แสดงการทำงานทีละขั้น เพราะงานหนึ่งชิ้นไม่ได้จบในคำตอบเดียว แต่มีหลายแถวต่อกันยาวๆ ทั้งคำสั่งของคน คำตอบของโมเดล และจังหวะที่โมเดลเรียกใช้เครื่องมือจริง

ของแบบนี้ไม่ได้มีตัวเดียวในโลก ฝั่งไทยเองก็มี thClaws ที่เป็น agent harness โอเพนซอร์สเหมือนกัน สิ่งที่ทำให้ dsh ต่างออกไปจึงไม่ใช่รายการความสามารถ แต่เป็นวิธีประกอบข้างในของมัน

ทุกอย่างเป็นปลั๊กอิน ไม่ใช่โปรแกรมก้อนเดียว

ปลั๊กอินคือชิ้นส่วนเสริมที่ติดเข้าไปหรือถอดออกได้ โดยไม่ต้องรื้อโปรแกรมทั้งตัว โปรแกรมทั่วไปมักมีแกนกลางก้อนใหญ่ก้อนหนึ่งที่แก้อะไรไม่ได้ แล้วค่อยเปิดช่องไว้ให้เสียบของเพิ่มเฉพาะบางจุด

dsh เดินคนละทาง ตัวมันสร้างอยู่บน Cordis สถาปัตยกรรมโอเพนซอร์สที่ออกแบบให้ความสามารถทุกอย่างเป็นชิ้นส่วนระดับเดียวกันหมด ไม่มีชิ้นไหนฝังตายอยู่กับแกนกลาง ผลที่ตามมาเห็นได้ตั้งแต่หน้าตั้งค่า เพราะมันไม่ได้มีแค่สวิตช์ไม่กี่ตัว แต่เป็นรายการยาวที่เปิดหรือปิดได้ทีละชิ้น

ในทางปฏิบัติ แนวคิดนี้เปลี่ยนคำถามของคนใช้ไปเลย เดิมทีถ้าอยากได้ความสามารถที่ยังไม่มี ก็ต้องรอว่าทีมหลักจะใส่มาให้เมื่อไร แต่สำหรับ dsh ใครที่เขียนชิ้นส่วนของตัวเองขึ้นมาก็วางไว้ในคลังโค้ดของตัวเองได้เลย แล้วติดป้ายหัวข้อ dsh-plugin ไว้ให้คนอื่นค้นเจอ ระบบจึงเติบโตได้จากชิ้นส่วนที่คนนอกทำ ไม่ได้ขึ้นอยู่กับรอบอัปเดตของเจ้าของเพียงอย่างเดียว

จุดที่ชวนสับสนคือชื่อ DeepSeek ไม่ได้แปลว่าต้องใช้คู่กับโมเดลของค่ายนี้เท่านั้น ตามหลักการที่ระบุไว้ในหน้าโปรเจกต์ ชิ้นส่วนที่ใช้เชื่อมต่อกับโมเดลก็มีสถานะเหมือนชิ้นส่วนอื่น การเปลี่ยนไปเรียกโมเดลค่ายอื่นจึงเป็นเพียงการสลับชิ้นส่วน ไม่ใช่การรื้อทั้งระบบ

เริ่มใช้ dsh ด้วยคำสั่งเดียว

ของที่ต้องเตรียมมีอย่างเดียวคือ Node.js โปรแกรมที่ทำให้เครื่องรันโค้ด JavaScript ได้ ติดตั้งเสร็จแล้วเปิดเทอร์มินัล หรือหน้าต่างพิมพ์คำสั่งของเครื่อง แล้วพิมพ์บรรทัดนี้

npx @deepseek-ai/dsh web

npx คือคำสั่งที่ดึงโปรแกรมมารันให้ทันทีโดยไม่ต้องติดตั้งถาวรไว้ในเครื่อง พอรันแล้วมันจะเปิดหน้าเว็บของตัวเองไว้ที่ http://127.0.0.1:3080 ซึ่งเป็นที่อยู่ของเครื่องเราเอง ไม่ได้วิ่งออกไปหาเซิร์ฟเวอร์ที่ไหน จากนั้นเหลืออีกสามจังหวะ

1. เปิด http://127.0.0.1:3080 ในเบราว์เซอร์ จะเจอหน้าจอของ dsh รออยู่
2. เข้า Settings แล้วไปที่หมวด Models ช่องที่ต้องกรอกคือ API key หรือรหัสที่ผูกโปรแกรมเข้ากับบัญชีบริการโมเดล ใส่รหัสจาก DeepSeek ลงไปแล้วกดบันทึก ใช้ได้ทันทีโดยไม่ต้องปิดเปิดโปรแกรมใหม่
3. กด Choose workspace แล้วเลือกโฟลเดอร์โปรเจกต์ที่จะให้มันเข้าไปทำงาน จากนั้นพิมพ์งานแรกได้เลย

ถ้าอยากคุมทุกอย่างเองตั้งแต่โค้ด ก็ดึงคลังโค้ดทั้งชุดมาสร้างเองได้ ทางนี้ต้องมี pnpm ตัวจัดการแพ็กเกจฝั่ง JavaScript เพิ่มอีกตัว

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

สองทางนี้ตอบคนละคำถาม ทางแรกเหมาะกับคนที่อยากรู้ว่ามันใช่ของที่ตามหาอยู่หรือเปล่า เสียเวลาไม่กี่นาทีแล้วลบทิ้งได้ ส่วนทางที่สองเหมาะกับคนที่ตั้งใจจะแก้โค้ดหรือเขียนปลั๊กอินของตัวเอง เพราะได้ต้นฉบับทั้งชุดมาอยู่ในมือ

งานแรกที่ควรลองสั่ง

เริ่มจากงานที่ให้มันอ่านอย่างเดียวก่อน เช่น พิมพ์ลงไปว่า สรุปโปรเจกต์นี้ให้หน่อยว่ามีส่วนไหนบ้าง แล้วนั่งดูว่ามันทำงานยังไง คำสั่งง่ายๆ แค่นี้พอบอกได้แล้วว่ามันเข้าใจโครงสร้างงานของเราแค่ไหน ก่อนจะไว้ใจให้แตะของจริง

อีกจุดที่ควรสังเกตคือตอนมันจะลงมือทำสิ่งที่ต้องขออนุญาต ระบบจะถามก่อนทุกครั้ง ไม่ทำเงียบๆ แล้วค่อยมาบอกทีหลัง ตรงนี้ต่างจากการปล่อยให้มันทำงานเองต่อเนื่องจนจบ เพราะเมื่อปล่อยแบบนั้น งานก็หลุดกรอบได้ง่าย จนมีคนทำเครื่องมือคุม coding agent ออกมาเป็นอีกชั้นหนึ่ง

จุดที่เราต้องตัดสินใจจริงๆ จึงเริ่มตั้งแต่ตอนกด Choose workspace ไม่ใช่ตอนพิมพ์คำสั่ง เพราะโฟลเดอร์ที่เลือกคือขอบเขตที่มันมองเห็นและแก้ได้ ยิ่งเลือกกว้าง มันก็ยิ่งช่วยได้มากขึ้น แต่ถ้าพลาด ความเสียหายก็มากขึ้นตามไปด้วย

คำเตือนที่ทีมงานเขียนไว้เอง

ก่อนจะเอาไปวางในงานประจำ มีบรรทัดหนึ่งบนหน้าโปรเจกต์ที่ควรอ่านให้จบ ทีมงานระบุสถานะไว้ว่ายังเป็น developer preview คือรุ่นทดลองสำหรับนักพัฒนา และกำลังเปลี่ยนแปลงส่วนต่างๆ ภายในอย่างรวดเร็ว ก่อนจะปิดท้ายด้วยข้อความตัวพิมพ์ใหญ่ทั้งบรรทัด

ผลกระทบต่อคนใช้เห็นได้ชัด ของที่ตั้งค่าไว้วันนี้อาจใช้กับเวอร์ชันหน้าไม่ได้ ปลั๊กอินที่เขียนเองไว้อาจต้องกลับมาแก้ตาม และหน้าตาของบางขั้นตอนอาจเปลี่ยนไปในรุ่นถัดไป นี่คือสิ่งที่ต้องแลกกับการหยิบของที่ยังสร้างไม่เสร็จมาใช้ก่อนคนอื่น

อีกด้านหนึ่งที่ต้องพูดให้ครบคือสัญญาอนุญาตเป็น MIT ซึ่งเปิดกว้าง เอาโค้ดไปใช้ แก้ต่อ หรือประกอบเข้ากับงานของตัวเองได้โดยไม่ต้องขออนุญาตใคร เพราะตัวยังไม่นิ่งและสัญญาอนุญาตเปิดกว้าง dsh จึงเหมาะกับการเอาไปลองมากกว่าการเอาไปใช้กับงานที่พลาดไม่ได้

ทางที่เสี่ยงน้อยสำหรับคนเพิ่งเริ่มคือเปิดโฟลเดอร์เปล่าขึ้นมาใหม่หนึ่งโฟลเดอร์ หรือใช้สำเนาของโปรเจกต์ที่มีอยู่ แล้วปล่อยให้มันทำงานในนั้น ไม่ใช่ชี้ไปที่โฟลเดอร์งานจริงที่ยังไม่ได้สำรองไว้

ดาว 133,800 ดวงยังไม่ได้แปลว่าของพร้อมใช้ แต่แปลว่ามีคนจำนวนมากสงสัยเรื่องเดียวกันว่า ถ้าผู้ช่วย AI ถอดประกอบเองได้ทีละชิ้น งานที่เราทำอยู่ทุกวันจะเปลี่ยนหน้าตาไปแค่ไหน

ที่มา: บทความ DeepSeek Harness: Everything is a Plugin. จาก DeepSeek AI