Saltar al contenido
Cursos/DeepSeek Harness (DSH)/DeepSeek Harness · Fase 1
Revisión pendiente desde 21 ago 20262 fuentes primarias

Qué es DeepSeek Harness y por qué importa

DeepSeek Harness (DSH) es una capa de ejecución para convertir un modelo de lenguaje en un agente capaz de leer y editar archivos, usar herramientas, mantener sesiones y pedir aprobaciones. Esta serie de diez fases va de la primera instalación a los flujos locales y auditables.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Qué es DeepSeek Harness y por qué importa».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Cuidado. DSH está en una etapa temprana y su interfaz, paquetes y nombres de modelos pueden cambiar. Comprueba siempre la documentación y el repositorio oficiales antes de usar comandos en producción. Las cifras de rendimiento de la comunidad son orientativas, no garantías.
Objetivos de aprendizaje
  • Distinguir entre el modelo y el harness que lo convierte en agente.
  • Entender plugins, perfiles, sesiones, workspaces y subagentes.
  • Entender por qué Cordis, los modos y el Trajectory son la parte diferencial.

La fórmula: modelo + harness

El modelo aporta la capacidad de interpretar instrucciones y generar decisiones. El harness aporta el cuerpo operativo: herramientas, permisos, memoria de sesión, interfaz, registro de acciones y un bucle que decide cuándo llamar a cada herramienta.

Terminal
Agent = Model + Harness

Model: razonamiento y generación
Harness: herramientas, permisos, sesiones y trazabilidad

Todo es un plugin

La idea central de DSH es que el modelo, las herramientas, las skills, la sesión, el almacenamiento y la interfaz puedan intercambiarse como piezas. Esto permite probar distintos proveedores y construir perfiles especializados sin reescribir todo el agente.

  • Profile: configuración combinable de plugins y permisos.
  • Session: registro de prompts, decisiones, llamadas y resultados.
  • Workspace: carpeta explícita sobre la que el agente puede trabajar.
  • Skills: instrucciones reutilizables para tareas concretas.
  • Subagents: agentes secundarios para dividir una misión compleja.
Idea clave. La ventaja no es que DSH “sepa más” por sí solo. La ventaja es que hace visible y configurable todo lo que rodea al modelo: qué puede tocar, qué herramientas usa, qué queda registrado y cuándo debe pedir permiso.

Por qué importa

DSH no es un tutorial de modelos locales. Es una forma de convertir un modelo DeepSeek en un agente observable: con modos de ejecución, permisos, plugins, perfiles, skills, subagentes y un Trajectory que permite revisar qué ocurrió.

La serie se centra en el harness. Cuando hablemos de modelos locales, será solo desde la perspectiva de DSH: qué proveedor seleccionar, cómo medir y cuándo no compensa frente a la API oficial.

Mapa de las diez fases

  1. Introducción y arquitectura.
  2. Instalación y primera sesión de solo lectura.
  3. Modelos DeepSeek, proveedores y coste.
  4. Standard, Code/PTC, Minimal y Creator.
  5. Workspaces, permisos y seguridad.
  6. Plugins y perfiles personalizados.
  7. Subagentes, skills y orquestación.
  8. Modelos DeepSeek locales y cuantización.
  9. Casos de uso, métricas y benchmarks.
  10. Problemas frecuentes y producción.
Comprueba que funciona. Escribe con tus palabras qué parte corresponde al modelo y qué parte al harness. Después dibuja el límite de un workspace de prueba y anota qué acción exigiría aprobación humana.
Guardar y reabrir el proyecto.
Piensa en DSH como una arquitectura de agente configurable y auditable, no como un clon mágico de otra herramienta. Esa distinción te ayudará a elegir modelos, plugins y permisos con criterio.

Si has guardado la evidencia de esta lección, continúa con «Instalación y primera sesión segura». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo