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.
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.
Sebelum mengetik perintah pertama, kuasai lima istilah berikut. Dengan memahami kelimanya, sebagian besar kebingungan awal akan hilang.
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.
Otak yang memahami perintah Anda. DeepSeek Harness dapat memakai model DeepSeek, provider lain (Anthropic, OpenAI, Kimi, GLM), gateway sendiri, atau model lokal.
Kemampuan konkret yang bisa dipanggil model: membaca berkas, menjalankan perintah, mencari di web, membuat dokumen. Anda tidak memanggil tool secara manual — model yang memilihnya.
Dua tombol pengaman: seberapa luas akses berkas, dan apakah tindakan berisiko perlu persetujuan Anda. Ini yang membuat agen tetap terkendali.
Setiap percakapan adalah satu sesi dengan riwayat konteks. Sesi panjang bisa diperkecil dengan memecah tugas ke subagent agar fokus tetap tajam.
Misalnya D:\proyek\laporan-desa. Isi hanya berkas yang memang boleh diubah agen.
git init dan satu commit awal cukup. Dengan begitu setiap perubahan bisa dibandingkan atau dibatalkan.
Jika memakai CLI, jalankan perintah dari dalam folder tersebut. Jika memakai antarmuka web atau aplikasi desktop, pilih lewat Choose workspace.
Jangan letakkan folder kerja di dalam direktori berisi kredensial, kunci SSH, atau data pelanggan. Bila pekerjaan menyentuh data sensitif, uji dulu dengan data contoh.
Buat kunci di platform.deepseek.com. Simpan di pengelola kata sandi, bukan di dalam catatan proyek.
Tempelkan kunci pada antarmuka DeepSeek Harness. Kunci disimpan pada berkas kredensial lokal (di dalam $DSH_HOME, bawaan ~/.dsh) dan tidak perlu memulai ulang aplikasi.
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 | Kapan dipakai | Catatan |
|---|---|---|
| DeepSeek (bawaan) | Penggunaan umum dengan biaya paling efisien. | Termasuk model cepat untuk tugas ringan dan model yang lebih kuat untuk pekerjaan berat. |
| Provider pihak ketiga | Bila organisasi Anda sudah punya langganan lain (Anthropic, OpenAI, Kimi, GLM). | Ditambahkan lewat “Add model provider”. |
| Gateway sendiri | Perlu 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. |
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.
Kualitas hasil sangat ditentukan oleh cara Anda meminta. Empat pola berikut hampir selalu meningkatkan hasil: sebutkan tujuan, batasan, bentuk keluaran, dan cara verifikasi.
| Kurang efektif | Lebih 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.” |
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.
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.
| Pengaturan | Arti | Risiko |
|---|---|---|
read-only + ask | Hanya membaca; tindakan di luar batas meminta persetujuan. | Paling rendah. Cocok untuk eksplorasi. |
workspace-write + ask | Menulis bebas di folder kerja; tindakan sensitif tetap ditanya. | Sedang. Pilihan terbaik untuk mayoritas pekerjaan. |
danger-full-access + never | Akses penuh ke sistem berkas tanpa pertanyaan. | Tinggi. Gunakan hanya bila Anda memahami konsekuensinya. |
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.
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).
---
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).
Folder .dsh/skills atau .agents/skills di dalam proyek, folder skills pengguna di $DSH_HOME, serta skill bawaan aplikasi.
Agen memuat skill saat relevan, dan Anda juga bisa memanggilnya sebagai perintah bila skill itu ditandai dapat dipanggil pengguna.
Ada dua jalan memperluas DeepSeek Harness: plugin (untuk pengembang, menulis TypeScript) dan MCP (untuk pengguna, cukup mengonfigurasi server yang sudah ada). Konfigurasi ditulis berlapis: paket bawaan, lalu profil Anda, lalu penambalan tambahan.
# ~/.dsh/profiles/web/cordis.patch.yml
- insert:
- id: mcp-crm
name: "@deepseek-ai/dsh-mcp-client"
config:
serverName: crm
transport: stdio
command: "npx"
args: ["-y", "@perusahaan/mcp-crm"]
env:
CRM_TOKEN: "${CRM_TOKEN}"
# Tool akan muncul sebagai mcp__crm__cari_pelangganGanti nama server dan perintah sesuai tool Anda. Tool akan tampil sebagai mcp__<server>__<tool>.
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.
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: 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.
| Situasi | Pilihan |
|---|---|
| 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. |
Buka sesi baru, minta ringkasan perubahan sejak kemarin, lalu tetapkan tiga prioritas hari itu. Sesi baru menjaga konteks tetap bersih.
Baca perintah yang diminta persetujuan, terutama yang mengubah berkas di luar proyek atau menghapus sesuatu.
Akhiri tugas besar dengan permintaan memeriksa hasil sendiri: menjalankan tes, membuka ulang dokumen, atau membandingkan angka.
Setiap kali Anda mengulang penjelasan yang sama, jadikan skill. Dalam sebulan, tim Anda akan punya pustaka prosedur yang bisa dipakai agen.
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.
| Gejala | Kemungkinan penyebab | Yang 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. |
Konsultasi gratis dengan Andi untuk memilih cara pakai, menyiapkan alur kerja, atau mengevaluasi keamanan sebelum dipakai di tim Anda.