Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Sessão de Bancada DeepSeek Harness Arquitetura Everything is a Plugin (2026-09-14)

14 set 20261h 24min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão apresentou o DeepSeek Harness, com foco na ideia “Everything is a Plugin”. Foi explicado que um agente é formado pelo modelo de linguagem mais um harness, conjunto que reúne ferramentas, memória, sessões, skills, sandbox e mecanismos de orquestração. A proposta do DeepSeek Harness é tornar essas partes substituíveis e configuráveis, permitindo trocar modelos, adicionar ou remover ferramentas, modificar sessões e até criar novos loops de agentes sem alterar o núcleo do sistema. O conceito foi comparado a um carro, no qual o modelo seria o motor e o harness reuniria as demais estruturas necessárias para fazê-lo funcionar em diferentes cenários.

Também foram apresentados o Codes Kernel, responsável por coordenar dependências e conexões entre plugins, e os modos de uso, incluindo plugins temporários e permanentes. A demonstração mostrou a criação de plugins para observabilidade de tokens e entrada por microfone, além da configuração de provedores como OpenAI, DeepSeek e modelos locais. A ferramenta permite grande customização, inclusive com plugins escritos em TypeScript, mas ainda está em preview e exige cautela com componentes de terceiros, pois podem conter código malicioso ou apresentar incompatibilidades.

Na comparação com o Cloud Code, destacou-se que o Harness é um framework aberto para experimentar e montar arquiteturas de agentes, enquanto o Cloud Code é um produto mais consolidado e pronto para desenvolvimento cotidiano. Testes com modelos locais indicaram que a abordagem é promissora, mas ainda há limitações relacionadas a tamanho de contexto, saída dos modelos e estabilidade. Ficou em aberto avaliar seu uso em projetos reais, acompanhar a rápida evolução do projeto e investigar como seus plugins e mecanismos de orquestração poderiam ser aproveitados em ferramentas internas ou integrados ao Code Assistant.

Gerado por IA a partir da transcrição.
Capítulos · 45
00:11
Abertura e boas-vindas
Assistir
07:17
Início da apresentação em dupla
Assistir
08:33
Introdução ao DeepSeek Harness e Mentimeter
Assistir
11:02
Enquete sobre uso de agentes de código
Assistir
13:35
Ferramentas de programação assistida por IA
Assistir
16:08
Transição para a apresentação técnica
Assistir
17:24
O que é o DeepSeek Harness?
Assistir
18:43
Diferença entre modelo, agente e LLM
Assistir
19:59
Harness como conjunto de ferramentas e memória
Assistir
22:31
O papel do harness na evolução dos agentes
Assistir
25:05
Analogia do carro: modelo e infraestrutura
Assistir
26:20
Escolha do agente conforme o cenário
Assistir
27:37
Comparação entre frameworks de agentes
Assistir
28:54
Lançamento e estado inicial do DeepSeek Harness
Assistir
32:42
Everything is a plugin
Assistir
33:59
Arquitetura modular e componentes substituíveis
Assistir
35:21
Plugins e liberdade de configuração
Assistir
36:38
Agent runtime, Open Directory e Developer Preview
Assistir
39:10
Limitações do preview e licença MIT
Assistir
40:28
Uso de modelos locais e provedores externos
Assistir
42:58
Troca de modelos durante a execução
Assistir
44:13
Composição de agentes e customização avançada
Assistir
46:49
Criação de plugins em TypeScript
Assistir
48:08
Segurança e riscos de plugins de terceiros
Assistir
49:28
O papel do Codes Kernel na orquestração
Assistir
52:03
Dependências e conexões entre plugins e agentes
Assistir
53:21
Plugins temporários e permanentes
Assistir
54:36
Cuidados ao instalar plugins permanentes
Assistir
55:52
DeepSeek Harness versus Cloud Code
Assistir
58:25
Instalação e configuração do DeepSeek
Assistir
59:43
Configuração de modelos e provedores
Assistir
1:02:23
Plugin de observabilidade de tokens
Assistir
1:03:40
Criação de plugin de microfone
Assistir
1:06:15
Modos de desenvolvimento e criação de plugins
Assistir
1:07:30
Permissões e níveis de acesso do agente
Assistir
1:08:46
Demonstração: criação rápida de um jogo
Assistir
1:11:20
Métricas de tokens e requisições
Assistir
1:12:39
Perguntas sobre uso em projetos reais
Assistir
1:13:55
Limitações de contexto em modelos locais
Assistir
1:15:14
Compactação de contexto e tamanho do output
Assistir
1:17:47
Teste de geração com modelo local
Assistir
1:19:04
Resultados do teste e comparação com OpenCode
Assistir
1:20:20
Possibilidades de integração com o Studio AI
Assistir
1:21:32
Execução de modelos locais em GPUs
Assistir
1:22:47
Encerramento da sessão
Assistir
Cortes · 12
O que é um harness de IA
A apresentação explica a diferença entre um modelo de linguagem e um agente, mostrando que o harness reúne ferramentas, memória, sessões e habilidades ao redor da LLM. A analogia do carro ilustra por que a escolha do agente deve considerar o conjunto de recursos necessários para cada cenário, e não apenas qual modelo é mais potente.
17:24 – 27:37Assistir
DeepSeek Harness: origem e estágio atual
Os apresentadores contextualizam o lançamento do DeepSeek Harness, seu código aberto e a proposta “Everything is a plugin”. Eles também explicam que o projeto ainda está em preview, muda rapidamente entre versões e pode ser baixado e executado localmente para testes.
28:54 – 32:42Assistir
A proposta de que tudo é plugin
A sessão detalha como o DeepSeek Harness permite alterar o modelo, as ferramentas, a memória, as sessões e o loop do agente sem modificar o núcleo. A arquitetura é apresentada como um conjunto de peças substituíveis, com liberdade para adicionar ou remover funcionalidades durante a execução, embora o kernel permaneça fixo.
32:42 – 40:28Assistir
Modelos intercambiáveis e customização
Em uma discussão com os participantes, os apresentadores mostram que o harness pode usar modelos de diferentes provedores ou até modelos locais, inclusive trocando o modelo no meio do loop sem perder o contexto. A conversa também aborda a possibilidade de criar loops e plugins próprios, com alto grau de customização, mas alerta para riscos de segurança ao instalar plugins de terceiros.
40:28 – 48:08Assistir
Como funciona o Codes Kernel e o sistema de plugins
Explica como o Codes Kernel coordena modelos, agentes, subagentes, sessões e plugins dentro do DeepSeek Harness. Também apresenta a diferença entre plugins temporários e permanentes e recomenda testar primeiro no modo temporário para evitar quebrar a aplicação.
49:28 – 55:52Assistir
DeepSeek Harness versus Cloud Code
Compara o DeepSeek Harness, apresentado como um framework experimental para compor agentes, com o Cloud Code, que já é um agente de programação consolidado. A comparação aborda loops de agentes, modelos, plugins, configuração, nível de controle e os cenários mais adequados para cada ferramenta.
55:52 – 58:25Assistir
Instalação e configuração do DeepSeek Harness
Mostra as formas de instalar o DeepSeek Harness, usando npx ou clonando o projeto, e apresenta a tela inicial de configuração dos provedores e modelos. Também explica como configurar modelos da OpenAI e modelos locais via Ollama.
58:25 – 1:01:02Assistir
Plugin de observabilidade de tokens
Demonstra um plugin temporário criado para acompanhar o consumo de tokens no DeepSeek Harness. A interface permite visualizar gastos por workspace, modelos utilizados, requisições e informações de cache.
1:01:02 – 1:03:40Assistir
Criação de um plugin de microfone
Apresenta um plugin que adiciona entrada de voz ao DeepSeek Harness e transcreve o que é falado. O trecho compara diferentes tentativas de implementação e mostra como o Cloud Code foi usado para corrigir e adaptar o código do plugin.
1:03:40 – 1:06:15Assistir
Modos de desenvolvimento e permissões
Explica que o DeepSeek Harness precisa estar no Creator Mode para criar ou modificar plugins. Em seguida, compara os níveis de autonomia e permissão com os modos do Cloud Code, alertando para os riscos de conceder acesso total à máquina.
1:06:15 – 1:08:46Assistir
Demonstração: criação rápida de um jogo
Mostra o DeepSeek Harness gerando um pequeno jogo em cerca de um minuto e dezenove segundos. A demonstração também acompanha o consumo de tokens e o número de requisições feitas durante a execução.
1:08:46 – 1:12:39Assistir
Limitações com modelos locais e teste de projeto real
Discute se o DeepSeek Harness já pode ser usado em projetos reais e apresenta limitações encontradas com modelos locais, especialmente relacionadas ao tamanho do contexto e do output. Um teste de geração de jogo mostra que o Harness obteve um resultado funcional, embora ainda com falhas visuais e necessidade de mais exploração.
1:13:55 – 1:20:20Assistir
Perguntas desta sessão
Quanto tempo demorou a primeira implementação do Devin?
A primeira implementação do Devin levou aproximadamente quatro horas.
14:36 – 14:42Assistir
O que é um harness no contexto de agentes de IA?
Um harness é o conjunto de componentes que complementa o modelo de linguagem, incluindo ferramentas, memória, sessões, skills, acesso à internet e arquivos, voz, sandbox e mecanismos de orientação. Assim, um agente é formado pelo modelo mais o harness.
18:48 – 20:57Assistir
Por que um modelo de linguagem não sabe que uma informação foi atualizada ou removida?
Porque o modelo de linguagem depende dos dados usados em seu treinamento e, sozinho, não tem acesso à internet nem capacidade de realizar pesquisas atualizadas.
19:56 – 20:03Assistir
O que existe ao redor de um modelo de linguagem para formar um agente de IA?
Ao redor do modelo ficam ferramentas, memória, contexto, sessões, skills e outros componentes do harness. Eles orientam e delimitam as ações que o agente pode executar, tornando o modelo mais útil para uma finalidade específica.
22:42 – 23:54Assistir
O DeepSeek Harness permite usar modelos de diferentes provedores, modelos da própria empresa e modelos locais?
Sim. O DeepSeek Harness aceita chaves de API de diferentes provedores e não limita o usuário aos modelos da empresa; também permite baixar e executar modelos localmente, desde que o hardware suporte essa execução.
40:55 – 41:47Assistir
Qual modelo local foi executado nos testes do DeepSeek Harness?
Foi executado um modelo local de aproximadamente 58 bilhões de parâmetros, escolhido por ser o maior que a máquina disponível conseguia rodar; modelos maiores já não eram viáveis nesse hardware.
41:59 – 42:20Assistir
Até que ponto o DeepSeek Harness permite alterar sua arquitetura durante a execução, usando diferentes modelos para um agente principal e subagentes, incluindo modelos locais ou mais baratos, e criando loops personalizados?
O DeepSeek Harness oferece ampla customização: permite alterar praticamente toda a estrutura, criar loops próprios e desenvolver ou modificar plugins em TypeScript. Ainda assim, a resposta foi apresentada como uma possibilidade prevista pela documentação, sem confirmação prática de uma implementação complexa com múltiplos agentes. Plugins de terceiros devem ser evitados ou verificados cuidadosamente por razões de segurança.
45:07 – 49:05Assistir
Como obter o código de um plugin do DeepSeek Harness para executá-lo ou alterá-lo manualmente?
É possível solicitar ao DeepSeek Harness o caminho e o código da implementação do plugin. Com esse código, o usuário pode executá-lo, fazer alterações manualmente ou pedir ao Cloud Code que o modifique.
1:05:13 – 1:05:32Assistir
O DeepSeek Harness tem suporte a CI (integração contínua) na versão apresentada?
Na versão utilizada durante a demonstração, ainda não havia suporte a CI disponível. Foi levantada a possibilidade de implementar essa capacidade como um plugin, mas isso não estava confirmado.
1:10:22 – 1:10:55Assistir
O DeepSeek Harness já pode ser usado em um projeto real, apesar de estar em Developer Preview?
Sim, os testes indicam que ele pode ser usado em projetos reais, mas ainda há limitações e possíveis bugs. Modelos locais podem perder o funcionamento quando a janela de contexto é excedida, e alguns modelos também apresentam erros de saída antes de concluir a implementação.
1:13:25 – 1:15:12Assistir
O DeepSeek Harness possui ferramentas para compactar o contexto durante a execução?
Sim. O DeepSeek Harness oferece uma opção de compactação de contexto, embora ela não tenha sido demonstrada durante a sessão por falta de tempo.
1:15:23 – 1:16:07Assistir
A demonstração do DeepSeek Harness foi testada em um projeto real completo?
Não. O apresentador ainda não havia testado um projeto real completo porque não considerava o Developer Preview confiável o suficiente; a intenção era aguardar versões mais estáveis antes de realizar esses testes.
1:17:00 – 1:17:36Assistir