10 bagian praktisContoh siap salinFokus keamanan

Panduan DeepSeek Harness dari nol sampai mahir

Halaman ini adalah panduan utama: cara menyiapkan folder kerja, menghubungkan model, menulis perintah yang benar, mengatur izin dengan aman, sampai memakai skill, plugin, MCP, subagent, dan workflow untuk pekerjaan besar.

Bagian 1

Pahami lima konsep inti ini dulu

Sebelum mengetik perintah pertama, kuasai lima istilah berikut. Dengan memahami kelimanya, sebagian besar kebingungan awal akan hilang.

1. Workspace (folder kerja)

Folder yang menjadi “dunia” agen. Ia membaca dan menulis di dalam folder ini; di luar folder, akses dibatasi oleh mode sandbox. Satu proyek biasanya satu folder kerja.

2. Model

Otak yang memahami perintah Anda. DeepSeek Harness dapat memakai model DeepSeek, provider lain (Anthropic, OpenAI, Kimi, GLM), gateway sendiri, atau model lokal.

3. Tool

Kemampuan konkret yang bisa dipanggil model: membaca berkas, menjalankan perintah, mencari di web, membuat dokumen. Anda tidak memanggil tool secara manual — model yang memilihnya.

4. Izin (sandbox + approval)

Dua tombol pengaman: seberapa luas akses berkas, dan apakah tindakan berisiko perlu persetujuan Anda. Ini yang membuat agen tetap terkendali.

5. Sesi & konteks

Setiap percakapan adalah satu sesi dengan riwayat konteks. Sesi panjang bisa diperkecil dengan memecah tugas ke subagent agar fokus tetap tajam.

Bagian 2

Menyiapkan folder kerja

  1. Buat folder khusus untuk pekerjaan

    Misalnya D:\proyek\laporan-desa. Isi hanya berkas yang memang boleh diubah agen.

  2. Aktifkan kontrol versi

    git init dan satu commit awal cukup. Dengan begitu setiap perubahan bisa dibandingkan atau dibatalkan.

  3. Arahkan agen ke folder itu

    Jika memakai CLI, jalankan perintah dari dalam folder tersebut. Jika memakai antarmuka web atau aplikasi desktop, pilih lewat Choose workspace.

Kebiasaan yang mencegah masalah

Jangan letakkan folder kerja di dalam direktori berisi kredensial, kunci SSH, atau data pelanggan. Bila pekerjaan menyentuh data sensitif, uji dulu dengan data contoh.

Bagian 3

Menghubungkan model dan API key

  1. Ambil API key

    Buat kunci di platform.deepseek.com. Simpan di pengelola kata sandi, bukan di dalam catatan proyek.

  2. Isi di Settings → Models

    Tempelkan kunci pada antarmuka DeepSeek Harness. Kunci disimpan pada berkas kredensial lokal (di dalam $DSH_HOME, bawaan ~/.dsh) dan tidak perlu memulai ulang aplikasi.

  3. Pilih model dan tingkat penalaran

    Model yang lebih cepat cocok untuk tugas rutin; model yang lebih kuat untuk analisis dan refaktor besar. Tingkat penalaran (reasoning effort) dapat diatur dari off, low, high, sampai max.

Pilihan provider model
PilihanKapan dipakaiCatatan
DeepSeek (bawaan)Penggunaan umum dengan biaya paling efisien.Termasuk model cepat untuk tugas ringan dan model yang lebih kuat untuk pekerjaan berat.
Provider pihak ketigaBila organisasi Anda sudah punya langganan lain (Anthropic, OpenAI, Kimi, GLM).Ditambahkan lewat “Add model provider”.
Gateway sendiriPerlu kontrol penuh, pencatatan, atau proxy internal.Mendukung tiga protokol: openai-completions, openai-responses, anthropic-messages.
Model lokal (Ollama)Data tidak boleh keluar dari komputer atau jaringan Anda.Dijalankan lewat integrasi Ollama; kualitas model lokal biasanya di bawah model cloud.
Memilih model secara sadar

Untuk tugas yang mudah diperiksa (merapikan format, mengganti nama, mengekstrak data), pakai model cepat. Untuk keputusan yang mahal bila salah (migrasi data, refaktor besar), pakai model terkuat dengan tingkat penalaran tinggi, dan minta agen membuat rencana lebih dulu.

Bagian 4

Menulis perintah yang menghasilkan pekerjaan bagus

Kualitas hasil sangat ditentukan oleh cara Anda meminta. Empat pola berikut hampir selalu meningkatkan hasil: sebutkan tujuan, batasan, bentuk keluaran, dan cara verifikasi.

Perbandingan perintah
Kurang efektifLebih efektif
“Perbaiki situs saya.”“Di folder src/, temukan semua tautan internal yang menuju halaman 404, perbaiki menjadi tautan relatif yang benar, lalu tampilkan daftar perubahan.”
“Buat laporan.”“Dari data/penjualan.xlsx, buat laporan Word dua halaman: ringkasan, tabel per wilayah, dan tiga rekomendasi. Sertakan angka total.”
“Cari informasi tentang kompetitor.”“Cari lima kompetitor utama di Indonesia, bandingkan harga dan fitur, tulis dalam tabel, dan sertakan tautan sumber yang bisa saya periksa.”
  • Sebutkan folder atau berkas yang boleh disentuh — dan yang tidak.
  • Tentukan bentuk hasil: tabel, berkas Word, daftar perubahan, atau ringkasan singkat.
  • Minta agen memverifikasi sendiri, misalnya dengan menjalankan tes atau membuka ulang hasilnya.
  • Untuk pekerjaan berisiko, minta rencana dulu tanpa mengubah berkas apa pun.
  • Pecah tugas besar menjadi beberapa putaran yang bisa Anda periksa.
contoh perintah lengkap
Tujuan: rapikan struktur folder dokumen/ agar konsisten.
Batasan: jangan ubah isi berkas, jangan hapus apa pun, hanya pindahkan dan ganti nama.
Keluaran: tabel berisi 'lama -> baru' plus skrip yang bisa saya jalankan sendiri.
Verifikasi: setelah selesai, daftar berkas yang tersisa di dokumen/ dan pastikan jumlahnya sama.

Pola empat baris ini bisa dipakai untuk hampir semua tugas.

Bagian 5

Mengatur izin: sandbox dan persetujuan

Naikkan izin hanya ketika pekerjaan memang membutuhkannya. Urutan yang aman: mulai dari read-only, naik ke workspace-write untuk pekerjaan harian, dan gunakan danger-full-access hanya untuk tugas yang benar-benar memerlukan akses di luar folder kerja.

Ringkasan izin dan risiko
PengaturanArtiRisiko
read-only + askHanya membaca; tindakan di luar batas meminta persetujuan.Paling rendah. Cocok untuk eksplorasi.
workspace-write + askMenulis bebas di folder kerja; tindakan sensitif tetap ditanya.Sedang. Pilihan terbaik untuk mayoritas pekerjaan.
danger-full-access + neverAkses penuh ke sistem berkas tanpa pertanyaan.Tinggi. Gunakan hanya bila Anda memahami konsekuensinya.
Bila persetujuan tidak tersedia

Permintaan yang tidak bisa disetujui akan ditolak (fail-closed), bukan dijalankan diam-diam. Jadi bila sebuah tugas gagal tanpa penjelasan jelas, periksa dulu apakah mode sandbox atau kebijakan persetujuan yang menghalanginya.

Bagian 6

Memakai skill untuk prosedur yang berulang

Skill adalah berkas markdown berisi prosedur Anda. Sekali ditulis, agen akan mengikutinya setiap kali tugas itu muncul — tanpa Anda perlu menjelaskan ulang. Skill dapat ditaruh di dalam proyek (berlaku untuk proyek itu) atau di folder pengguna (berlaku untuk semua proyek).

SKILL.md
---
name: format-laporan
description: Standar penulisan laporan internal perusahaan.
---

# Aturan
- Judul maksimal 60 karakter, tanpa singkatan.
- Wajib ada ringkasan eksekutif maksimal 150 kata.
- Semua angka menyertakan satuan dan periode.
- Simpan hasil ke laporan/ dengan nama YYYY-MM-judul.docx.

Nama skill memakai huruf kecil dan tanda hubung (kebab-case).

Lokasi yang dibaca

Folder .dsh/skills atau .agents/skills di dalam proyek, folder skills pengguna di $DSH_HOME, serta skill bawaan aplikasi.

Dipanggil manual atau otomatis

Agen memuat skill saat relevan, dan Anda juga bisa memanggilnya sebagai perintah bila skill itu ditandai dapat dipanggil pengguna.

Bagian 7

Menambah plugin dan server MCP

Ada dua jalan memperluas DeepSeek Harness: plugin (untuk pengembang, menulis TypeScript) dan MCP (untuk pengguna, cukup mengonfigurasi server yang sudah ada). Konfigurasi ditulis berlapis: paket bawaan, lalu profil Anda, lalu penambalan tambahan.

cordis.patch.yml
# ~/.dsh/profiles/web/cordis.patch.yml
- insert:
    - id: mcp-crm
      name: "@deepseek-ai/dsh-mcp-client"
      config:
        serverName: crm
        transport: stdio
        command: "npx"
        args: ["-y", "@perusahaan/mcp-crm"]
        env:
          CRM_TOKEN: "${CRM_TOKEN}"
# Tool akan muncul sebagai mcp__crm__cari_pelanggan

Ganti nama server dan perintah sesuai tool Anda. Tool akan tampil sebagai mcp__<server>__<tool>.

Mulai dari MCP, bukan plugin

Bila tujuan Anda hanya “menghubungkan agen ke sistem internal”, MCP hampir selalu lebih cepat. Tulis plugin hanya bila Anda butuh tool baru yang benar-benar khusus atau panel antarmuka sendiri.

Bagian 8

Subagent dan workflow: bekerja paralel

Ketika pekerjaan menjadi besar — puluhan berkas, banyak sumber, beberapa sudut pandang — jangan menumpuk semuanya dalam satu percakapan. Pecah menjadi beberapa agen. Cara paling sederhana adalah meminta subagent; cara paling kuat adalah menulis skrip workflow.

workflow.js
// workflow: audit semua berkas panduan secara paralel
const files = args.files;              // daftar berkas dari argumen
phase("Audit berkas");
const results = await pipeline(
  files,
  (file) => agent(`Periksa ${file}: cari tautan mati dan klaim usang.`, { label: file }),
  (finding, file) => agent(`Verifikasi temuan pada ${file}: ${finding}`, { label: "verifikasi " + file })
);
return results.filter(Boolean);

Skrip workflow menerima daftar item, menjalankan tiap item melalui tahapan, dan mengembalikan hasil terstruktur.

Kapan memakai subagent atau workflow
SituasiPilihan
Butuh satu ringkasan dari sudut berbeda, cepat.Satu subagent.
Pekerjaan yang sama diulang untuk 20–200 item.Workflow dengan pipeline.
Butuh hasil akhir dari semua temuan sekaligus.Workflow dengan tahap penggabungan.
Perintah panjang (build, unduhan, migrasi).Background job.
Bagian 9

Rutinitas produktif dan aturan pengamanan

Rutinitas pagi

Buka sesi baru, minta ringkasan perubahan sejak kemarin, lalu tetapkan tiga prioritas hari itu. Sesi baru menjaga konteks tetap bersih.

Sebelum menyetujui

Baca perintah yang diminta persetujuan, terutama yang mengubah berkas di luar proyek atau menghapus sesuatu.

Selalu minta verifikasi

Akhiri tugas besar dengan permintaan memeriksa hasil sendiri: menjalankan tes, membuka ulang dokumen, atau membandingkan angka.

Simpan pengetahuan sebagai skill

Setiap kali Anda mengulang penjelasan yang sama, jadikan skill. Dalam sebulan, tim Anda akan punya pustaka prosedur yang bisa dipakai agen.

Ingat status eksperimental

DeepSeek Harness adalah perangkat lunak developer preview. Perubahan antar versi bisa memutus konfigurasi lama. Catat versi yang Anda pakai, uji pembaruan di folder percobaan, dan jangan bergantung pada satu alur kerja tanpa cadangan.

Bagian 10

Pemecahan masalah yang sering terjadi

Gejala dan solusi
GejalaKemungkinan penyebabYang dilakukan
Perintah menolak menulis berkas.Mode sandbox masih read-only.Naikkan ke workspace-write bila memang perlu menulis.
Agen hanya membahas, tidak mengerjakan.Permintaan kurang spesifik atau terlalu luas.Sebutkan folder, berkas, dan bentuk hasil yang diinginkan.
Jawaban mulai melenceng di sesi panjang.Konteks terlalu penuh.Mulai sesi baru atau pecah pekerjaan ke subagent.
Panggilan model gagal.API key salah, habis kuota, atau jaringan bermasalah.Periksa key di Settings → Models dan status layanan provider.
Tool MCP tidak muncul.Konfigurasi belum dimuat pada profil yang dipakai.Pastikan baris plugin ditambahkan pada profil yang benar, lalu muat ulang.

Butuh bantuan menerapkan DeepSeek Harness?

Konsultasi gratis dengan Andi untuk memilih cara pakai, menyiapkan alur kerja, atau mengevaluasi keamanan sebelum dipakai di tim Anda.

Hubungi Andi — +62 897-6003-363
Telepon Andi WhatsApp