DeepSeek Harness: Создавайте AI-агентов для программирования с помощью бесплатных моделей

Name: DeepSeek Harness: Создавайте AI-агентов для программирования с помощью бесплатных моделей
Price: 100 RUB
Availability: PreOrder

20 участников

ДА Автор Д-р Амар Масуд Школа Udemy

О чём курс

Открытый фреймворк DeepSeek Harness позволяет настроить и применить автономных помощников в разработке ПО. Архитектура этой системы построена на модульном принципе, где языковые модели, инструменты, сессии и базовый агентский цикл подключаются как плагины. В основе работы лежат облачные провайдеры — API Gemini и открытые модели каталога OpenRouter, что исключает необходимость оплаты подписок или наличия мощных видеокарт.

Основное внимание уделяется верификации и контролю над действиями модели. Слушатели учатся проверять реальные результаты работы: анализировать траектории сессий, исследовать вызовы инструментов и разграничивать права через режимы разрешений, предотвращая несанкционированную запись в файлы.

Что внутри

Обучение построено на решении практических задач в специально подготовленном репозитории без внешних зависимостей. В процессе обучения создаются четыре ключевых решения:

Repository Explorer — агент для аудита кодовой базы в режиме чтения;
контролируемое исправление ошибок с проверкой через регрессионный тест;
плагин аудита проектов, пригодный для переноса между разными кодовыми базами;
итоговый проект агента по сопровождению репозитория, генерирующего проверяемые отчёты о выполненных изменениях.

Дополнительно рассматривается автоматизация рабочих процессов через безголовый режим и Python SDK, координация нескольких агентов, а также опциональный запуск локальных моделей через Ollama.

Для кого

Разработчики младшего и среднего уровня, стремящиеся освоить внутренние механизмы работы кодовых агентов;
специалисты и студенты, ищущие способ получить практический опыт работы с ИИ без затрат на платные ключи API;
инженеры платформ и DevOps, выбирающие агентные решения для командной разработки;
технические лидеры, формирующие правила безопасного доступа ИИ-инструментов к корпоративным репозиториям.

Требования

Компьютер под управлением Windows, macOS или Linux (видеокарта не требуется);
установленный Node.js (версии ^22.19 или 24+);
базовые навыки работы с терминалом и умение читать простой код на JavaScript;
бесплатные учётные записи Google (для доступа к Gemini API) и OpenRouter;
предварительный опыт работы с ИИ или агентами не требуется.

Программа обучения

DeepSeek Harness и архитектура свободной модели (4 лекции • 13 мин)
- Добро пожаловать и результаты курса
- Модель против агента против жгута
- Как работает архитектура с нулевой стоимостью
- Предварительный просмотр для разработчиков, телеметрия и безопасность
Установка и эксплуатация DeepSeek (6 лекции • 13 мин)
- Требования к среде разработки
- Установите Node.js и проверьте окружающую среду
- Начните DeepSeek Harness с NPX
- Создайте рабочее пространство для безопасной практики
- Навигация по веб-интерфейсу DeepSeek Harness
- Диагностика сбоев установки и запуска
- Архитектура рега и безопасность
- Задание: Докажите свою среду и ограничите рабочее пространство до того, как какая-либо модель с ним коснётся
Бесплатный уровень API Connect Gemini (6 лекции • 16 мин)
- Выбор провайдера, который может управлять агентом
- Создайте ключ API Google AI Studio
- Настройка Gemini в DeepSeek Harness
- Проведите свою первую сессию с поддержкой инструментов
- Ограничения бесплатного уровня Gemini и конфиденциальность
- Устранение неполадок соединений Gemini
- Задание: настройте свободного провайдера и проверьте репозиторий, не меняя его
Добавить бесплатные модели OpenRouter (6 лекции • 14 мин)
- Зачем добавлять провайдера второй модели
- Создайте и защитите ключ API OpenRouter
- Настройте OpenRouter в DeepSeek
- Выберите свободные модели агента кодирования
- Почему бы не полагаться на автоматическую свободную маршрутизацию
- Запустите ту же задачу с Gemini и OpenRouter
- Конфигурация провайдера
- Задание: Проведите одну задачу через две бесплатные модели и сравните их
Основные рабочие процессы агентов DeepSeek (7 лекции • 16 мин)
- Дайте агенту точную цель кодирования
- Исследование репозиториев с помощью инструментов только для чтения
- Используйте режим планирования до внедрения
- Одобрение контролируемых изменений файлов
- Проводите тесты и собирайте доказательства
- Продолжить после неудачного теста
- Осмотреть всю траекторию
- Призывы инструментов и траектории
- Задание: исправить указанный дефект и доказать его с помощью регрессионного теста
Инструкции, навыки, команды и плагины (6 лекции • 15 мин)
- Постоянные инструкции проекта
- Создайте многоразовый навык проверки репозитория
- Создайте пользовательскую команду
- Поймите архитектуру плагинов
- Создайте простой кастомный инструмент
- Упаковка и повторное использование плагина
- Плагины и многоразовые рабочие процессы
- Задание: Создать инструмент для аудита проектов и доказать его повторное использование
Автоматизация и многоагентные рабочие процессы (6 лекции • 15 мин)
- Когда использовать один агент или несколько
- Делегировать анализ репозитория дочернему агенту
- Постройте рабочий процесс внедрения и проверки
- Запускайте DeepSeek Harness в безголовом режиме
- Используйте Python SDK
- Разработайте повторяемый рабочий процесс обслуживания
- Автоматизация и многоагентное проектирование
- Назначение: Запустить рабочий процесс внедрения и проверки по незарегистрированному дефекту
Capstone: Агент по обслуживанию хранилища (5 лекции • 12 мин)
- Требования к выпуску и критерии приема
- Фаза 1 — Осмотр и диагностика
- Этап 2 — Внедрение в рамках контроля одобрения
- Фаза 3 — Тестирование и восстановление после отказа
- Этап 4 — Подготовить аудитируемый отчет о завершении
- Capstone: Агент по обслуживанию репозитория, отправьте вход в проверенный отчет
Опционально: использовать DeepSeek полностью локально (5 лекции • 13 мин)
- Вывод облаков против полностью локального вывода
- Установка и тестирование Ollama
- Подключите Ollama к DeepSeek Harness
- Протестируйте небольшую локальную модель
- Понимание ограничений локальной модели
- Викторина — Проведение на местном уровне и оценка результата
- Задание: Определить, достаточно ли хороша локальная модель на основе доказательств
Завершение курса и постоянные обновления (3 лекции • 6 мин)
- Выберите правильный маршрут модели
- Контрольный список готовности к производству
- Финальный вызов и следующие шаги
- Задание: Последнее задание — расширить работу в то, о чём вас никто не информировал

Складчина создана 23 сентября 2026 г. · описание обновлено 18 октября 2026 г.

Теги курса

Отзывов пока нет. Будьте первым!

Как получить курс?

Влада Администратор сайта

Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.

Финальный взнос будет ниже, чем 1 550 ₽?

Влада Администратор сайта

Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.

Как я могу ускорить сбор складчины и уменьшить взнос?

Влада Администратор сайта

Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.