DeepSeek Harness v0.2.2-alpha.2 permite que o agente principal delegue tarefas a ferramentas locais Codex e Claude Code
Leia mais
Pandaily
pandaily.com

DeepSeek Harness v0.2.2-alpha.2 permite que o agente principal delegue tarefas a ferramentas locais Codex e Claude Code

A DeepSeek lançou uma versão preliminar do DeepSeek Harness, seu software de código aberto para agentes, versão v0.2.2-alpha.2, que foi disponibilizada no GitHub em 28 de outubro. A principal novidade é um plugin experimental chamado subagent_oar, que permite ao agente principal delegar uma tarefa autônoma para instalar o Codex CLI ou o Claude Code na mesma máquina.

Anteriormente, o Harness suportava Claude Code e Codex; a atualização v0.1.0-rc.8 em agosto permitia aos usuários instalá-los como pacotes de perfil dentro de seu sistema subagent. No entanto, a nova ferramenta funciona de maneira diferente. Ela fornece ao agente principal um ponto de entrada unificado para distribuição de trabalho: ao chamar subagent_oar, o agente seleciona codex ou claude, e em seguida envia a descrição da tarefa, a solicitação completa e um diretório de trabalho opcional. A ferramenta retorna imediatamente um identificador de tarefa, e ao concluir o trabalho, uma notificação de conclusão traz a resposta final ou uma mensagem de erro de volta para a sessão principal.

As ferramentas externas operam de forma independente. O Codex CLI e o Claude Code mantêm suas próprias configurações, modelos, ferramentas e processo de login, portanto, os usuários devem instalá-los e autorizá-los em cada um, além de garantir que o host do Harness possa encontrá-los. Os parâmetros do provedor podem transmitir o modelo, o nível de raciocínio, os argumentos de inicialização, as variáveis de ambiente e o tempo limite, dependendo do suporte de cada runtime.

A documentação estabelece restrições claras: a conversa principal não é redirecionada, portanto, o pedido deve especificar explicitamente quais arquivos são importantes e o que deve ser retornado. As tarefas são descartáveis, sem possibilidade de perguntas subsequentes, reinício de sessão ou transmissão de progresso em tempo real. Apenas a resposta final ou falha é retornada, e não o raciocínio interno do agente externo ou o histórico de suas ferramentas. Exemplos oficiais permitem o uso de um espaço de trabalho gravável e desativam solicitações de permissão, e o cancelamento de uma tarefa não desfaz as alterações de arquivo que o agente externo já fez.

Outros complementos ajudam os usuários a rastrear o trabalho delegado. Um recurso experimental de solicitação de mudanças pode exibir o status e as diferenças de uma solicitação de mesclagem relacionada para uma sessão rodando em seu próprio diretório de trabalho Git. O plugin de estatísticas do desenvolvedor detalha o uso de contexto, cache, bem como o tempo gasto em modelos e ferramentas, em cada etapa e movimento. A saída de pequenas tarefas em segundo plano agora chega na notificação de conclusão, e o guia de espera do subagent reduz a necessidade de polling repetido.

O lançamento também permite que os usuários atualizem pacotes de plugins de terceiros, com a opção de reverter em caso de falha na atualização em tempo real, e adiciona texto de interface em japonês, espanhol, francês, alemão, russo e português brasileiro. Materiais comunitários anteriores, incluindo testes de configuração multiagente dos criadores do Bilibili, foram criados pelos próprios usuários e não são produtos da DeepSeek.

Histórias semelhantes

DeepSeek lança código DeepInfer para acelerar e otimizar a execução de modelos de IA
Leia mais
olhardigital.com.br

DeepSeek lança código DeepInfer para acelerar e otimizar a execução de modelos de IA

Na última terça-feira (20), a DeepSeek tornou público o código do DeepInfer, um software projetado para operar seus modelos de inteligência artificial (IA). Esta ferramenta foi criada com o objetivo de melhorar a eficiência do processamento e diminuir o tempo necessário para a geração de respostas.

Com a liberação do código, desenvolvedores e corporações têm a possibilidade de analisar o funcionamento do programa e adaptá-lo a diversos projetos, desde que cumpram os requisitos técnicos e os termos de uso estabelecidos. De acordo com a própria DeepSeek, esta ação visa diminuir o consumo de energia e de recursos computacionais, tornando a operação dos modelos de IA mais eficiente. Contudo, os resultados práticos estarão condicionados às condições de uso e à infraestrutura disponível.

Atualmente, o DeepInfer é compatível especificamente com o modelo DeepSeek-V4.1-Flash. Embora a abertura do código permita que outros desenvolvedores investiguem e utilizem a tecnologia, é importante notar que nem todo o sistema de execução da empresa foi tornado público, pois alguns componentes da infraestrutura permanecem fechados.

Durante sua participação no programa Olhar Digital News, o físico Roberto ‘Pena’ Spinelli, um especialista em Machine Learning, comentou sobre essa novidade. O pesquisador esclareceu a distinção entre disponibilizar um modelo de IA e liberar o software que é responsável por executá-lo. Para explicar essa diferença, ele usou a analogia de um automóvel.

Pena detalhou que simplesmente compartilhar o modelo não equivale a fornecer todas as ferramentas necessárias para operá-lo de forma eficaz. Enquanto o modelo carrega os parâmetros que guiam a criação das respostas, o software de inferência agrupa os mecanismos que possibilitam seu funcionamento. A abertura deste código pode auxiliar desenvolvedores que pretendem implementar suas próprias soluções.

O especialista comparou a situação dizendo: “Antes, eles compartilhavam apenas a planta do motor, que é a inteligência artificial propriamente dita. O que eles estão fazendo agora é entregar o funcionamento do carro inteiro. Todo o software e o mecanismo de como eles executam a inteligência artificial foram liberados para o público”.

Essa comparação ajuda a compreender a diferença entre os dois elementos, mas existe uma ressalva: a disponibilização do DeepInfer não implica que todos os elementos da infraestrutura da DeepSeek estejam acessíveis. Mesmo assim, o acesso ao código possibilita que programadores e pesquisadores estudem as metodologias de execução empregadas pela companhia e avaliem como aplicá-las em outros trabalhos.

A iniciativa também pode beneficiar a estratégia comercial da DeepSeek. Ao compartilhar parte de sua tecnologia, a empresa abre caminhos para que outros desenvolvedores a utilizem, contribuam com melhorias e criem aplicações compatíveis. Essa adoção pode expandir o alcance de sua tecnologia em um mercado altamente competitivo, onde várias empresas competem para oferecer modelos mais acessíveis e eficientes.

Pena acrescentou: “A DeepSeek quer criar um ecossistema para que mais pessoas e empresas passem a utilizar seus produtos”. Ele continuou: “Ao mostrar como montar a estrutura completa, ela incentiva o público a abandonar plataformas pagas mais dispendiosas. É uma forma consistente de se afirmar em um setor extremamente disputado”.

A liberação do DeepInfer sublinha que a competição no campo da IA não se restringe apenas à capacidade dos modelos de gerar respostas, mas também à eficiência exigida para executá-los. Ao compartilhar parte de sua tecnologia, a DeepSeek aumenta as opções de uso do software e fortalece sua posição no setor. O impacto dessa medida dependerá, entre outros fatores, do desempenho alcançado em variados ambientes e da adesão de desenvolvedores e empresas.

Popular