Configuração do DeepSeek Harness

Uma conexão. Todos os sete modelos.

Configure seu agente uma vez e troque de modelo e esforço de raciocínio na mesma sessão.

Baixar ZIP de configuração com todos os modelos ↗

InterfaceSistema operacional

Prefere pular a configuração manual? Peça à IA para fazer isso por você.

Prompt de configuração com IA

Siga https://siapi.ai/pt-br/docs/dsh?model=deepseek-flash&surface=web&platform=macos para conectar meu Agent a todos os modelos SI-API. Preserve as configurações existentes e peça minha chave de API quando necessário.

GLM 5.3 Flash
DeepSeek V4.1 Flash
Kimi K3.1 Pro
Kimi K3.1 Pro HighSpeed
GLM 5.3
MiniMax M3.1 Flash
Qwen3.8 Max

Os sete modelos estão neste download. Mantenha a mesma configuração ao trocar de modelo. Obter sua chave de API →

1. Prepare sua ferramenta e sua chave

Instale DeepSeek Harness pela página oficial. Crie ou copie sua chave SI-API em /pt-br/keys.

Guia oficial de instalação ↗

Abra Local Web → Settings → Models. Adicione um provedor personalizado compatível com OpenAI chamado SI-API, ID siapi, URL base https://siapi.ai/v1 e sua chave. Mescle o arquivo reasoning.patch.yaml fornecido nesse provedor para adicionar os sete modelos e seus controles de esforço.

2. Salve a configuração

Baixe e extraia o ZIP. Substitua YOUR_SIAPI_API_KEY pela sua chave e salve cada arquivo no caminho indicado abaixo. Mescle os campos com o arquivo existente, preservando outros provedores, permissões e preferências. Não substitua toda a configuração existente.

Local da configuração: Local Web → Settings → Models

provider-reference.json

Salvar em: Local Web → Settings → Models

Use esta referência para criar o provedor siapi e inserir sua chave no campo local de credenciais. Mescle reasoning.patch.yaml abaixo para adicionar os sete modelos e seus controles de esforço de uma vez.

Ver ou copiar configuração

provider-reference.json

Baixar

{
  "providerId": "siapi",
  "displayName": "SI-API",
  "api": "openai-completions",
  "baseURL": "https://siapi.ai/v1",
  "apiKeyEnv": "SIAPI_API_KEY",
  "models": [
    {
      "id": "glm-5.3-flash",
      "name": "GLM 5.3 Flash"
    },
    {
      "id": "deepseek-flash",
      "name": "DeepSeek V4.1 Flash"
    },
    {
      "id": "kimi-k3.1-pro",
      "name": "Kimi K3.1 Pro"
    },
    {
      "id": "kimi-k3.1-pro-highspeed",
      "name": "Kimi K3.1 Pro HighSpeed"
    },
    {
      "id": "glm-5.3",
      "name": "GLM 5.3"
    },
    {
      "id": "minimax-m3.1",
      "name": "MiniMax M3.1 Flash"
    },
    {
      "id": "qwen3.8-max",
      "name": "Qwen3.8 Max"
    }
  ]
}

reasoning.patch.yaml

Salvar em: cordis.patch.yml do perfil ativo

Mescle as entradas dos modelos no provedor siapi existente do llm-pi-ai. Preserve os campos de conexão e credenciais; não duplique o plugin. Mantenha o identificador existente (perfis antigos usam name: '@deepseek-ai/dsh-llm-pi-ai'). Este patch declara opções de esforço; selecione um Effort aceito no seletor antes da primeira requisição.

Ver ou copiar configuração

reasoning.patch.yaml

Baixar

- id: llm-pi-ai
  config:
    providers:
      siapi:
        compat:
          supportsDeveloperRole: false
        models:
          - id: glm-5.3-flash
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: deepseek-flash
            reasoningEfforts:
              off: none
              low: low
              high: high
              max: max
          - id: kimi-k3.1-pro
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: kimi-k3.1-pro-highspeed
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: glm-5.3
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: minimax-m3.1
            reasoningEfforts: false
          - id: qwen3.8-max
            reasoningEfforts:
              off: none
              low: low
              medium: medium
              xhigh: xhigh

3. Inicie seu agente

Inicie uma nova sessão e envie uma mensagem. O modelo inicial é deepseek-flash.

Inicie seu agente

dsh web

4. Alterne entre todos os modelos

Após a configuração, escolha qualquer modelo abaixo dentro do agente. A mesma chave e configuração funcionam com os sete modelos; não é necessário baixar ou conectar novamente.

Todos os 7 modelos nesta configuração de agente
Modelo / ID na API	Comando / caminho no seletor	Configurações de raciocínio
GLM 5.3 Flash `glm-5.3-flash`	`Seletor de modelos → SI-API → GLM 5.3 Flash (glm-5.3-flash)`	Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max.
DeepSeek V4.1 Flash `deepseek-flash`	`Seletor de modelos → SI-API → DeepSeek V4.1 Flash (deepseek-flash)`	Off, Low, High e Max. Medium / XHigh correspondem a High; Ultra corresponde a Max.
Kimi K3.1 Pro `kimi-k3.1-pro`	`Seletor de modelos → SI-API → Kimi K3.1 Pro (kimi-k3.1-pro)`	Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max.
Kimi K3.1 Pro HighSpeed `kimi-k3.1-pro-highspeed`	`Seletor de modelos → SI-API → Kimi K3.1 Pro HighSpeed (kimi-k3.1-pro-highspeed)`	Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max.
GLM 5.3 `glm-5.3`	`Seletor de modelos → SI-API → GLM 5.3 (glm-5.3)`	Low, High e Max. O raciocínio fica sempre ativado; escolha Low para menos raciocínio. O padrão do modelo é Max.
MiniMax M3.1 Flash `minimax-m3.1`	`Seletor de modelos → SI-API → MiniMax M3.1 Flash (minimax-m3.1)`	Use o padrão do modelo. Esta rota não oferece controles personalizados de raciocínio.
Qwen3.8 Max `qwen3.8-max`	`Seletor de modelos → SI-API → Qwen3.8 Max (qwen3.8-max)`	Off, Low, Medium e XHigh. High / Max correspondem a XHigh, sem níveis adicionais.

5. Escolha o esforço de raciocínio

Escolha um modelo no agente e use o seletor de esforço ou variante. Com DeepSeek V4.1 Flash, experimente Low e High.

Os níveis de esforço disponíveis dependem do modelo; consulte a tabela acima. O MiniMax M3.1 Flash usa o padrão do modelo.

Padrões de esforço e configurações salvas

Comece com o DeepSeek V4.1 Flash. Escolha Low, envie uma tarefa curta de leitura de arquivo, depois escolha High e repita. Confira a configuração atual após cada alteração.

Effort é a quantidade de raciocínio solicitada. Kimi K3.1 Pro / HighSpeed, GLM 5.3 e GLM 5.3 Flash oferecem Low / High / Max, com raciocínio sempre ativado. Escolha Low para raciocínio mais curto; não há opção Off. O padrão desses modelos é Max, mas o cliente pode substituí-lo. DeepSeek e Qwen têm os níveis próprios listados abaixo.

O MiniMax M3.1 Flash usa o raciocínio padrão. As configurações do MiniMax M3 se aplicam a outro modelo.

A descoberta de modelos ou a inclusão manual pode fornecer nomes sem metadados de raciocínio. Se o menu Effort não aparecer, feche o aplicativo e mescle os modelos abaixo no provedor siapi existente em cordis.patch.yml do perfil ativo. Para dsh web, use $DSH_HOME/profiles/web/cordis.patch.yml; a opção Open configuration file no cabeçalho Settings pode ajudar a localizá-lo. O Desktop tem perfil próprio: localize o perfil usado por ele.

Preserve o identificador do plugin, a referência à chave, a URL e os outros provedores. Perfis atuais usam id: llm-pi-ai; perfis antigos podem usar name: '@deepseek-ai/dsh-llm-pi-ai'. Atualize as entradas por id sem duplicá-las. Reinicie, selecione DeepSeek V4.1 Flash, abra Effort no seletor e escolha Low ou High. A seleção é salva como padrão para novas sessões.

Este download é um patch de recursos, não uma configuração de conexão nem um padrão de raciocínio. Antes da primeira requisição de cada modelo, selecione explicitamente uma intensidade compatível: High para DeepSeek, Max para Kimi e GLM, XHigh para Qwen. Sem uma seleção, o raciocínio pode ficar desativado em alguns modelos. Após trocar de modelo, confira novamente a intensidade selecionada.

Mescle os recursos dos modelos no perfil ativo

- id: llm-pi-ai
  config:
    providers:
      siapi:
        compat:
          supportsDeveloperRole: false
        models:
          - id: glm-5.3-flash
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: deepseek-flash
            reasoningEfforts:
              off: none
              low: low
              high: high
              max: max
          - id: kimi-k3.1-pro
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: kimi-k3.1-pro-highspeed
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: glm-5.3
            reasoningEfforts:
              low: low
              high: high
              max: max
          - id: minimax-m3.1
            reasoningEfforts: false
          - id: qwen3.8-max
            reasoningEfforts:
              off: none
              low: low
              medium: medium
              xhigh: xhigh

Off corresponde explicitamente a none. Um valor off vazio apenas omite um parâmetro e pode manter o raciocínio padrão do servidor ativado. Preserve os mapeamentos fornecidos.

Resultado esperado: No DeepSeek V4.1 Flash, a configuração muda de Low para High e volta a Low antes da próxima mensagem. Os demais modelos seguem os controles abaixo.

Perfis do Harness e reasoningEfforts ↗

Confira o modelo e execute sua primeira tarefa

Abra um projeto com README.md. Permita que a ferramenta leia o arquivo e envie o prompt abaixo. Confirme a leitura e o retorno de um resumo. Para testar outro modelo, troque pela tabela acima e repita a tarefa.

Confira o modelo ativo da SI-API no seletor ao lado do campo de mensagem.

Envie esta tarefa na sua ferramenta

Use a ferramenta de leitura de arquivos para ler o README.md deste projeto e resumir sua finalidade em uma frase. Não modifique nenhum arquivo.

Observações sobre a ferramenta

Desktop e web local podem usar perfis diferentes. Edite o perfil ativo mostrado pelo aplicativo; a interface web normalmente usa $DSH_HOME/profiles/web/cordis.patch.yml.
Se a chave for fornecida por SIAPI_API_KEY, o processo do Harness precisa receber essa variável. Caso contrário, use o armazenamento local de credenciais. O arquivo de referência não contém credenciais.

Referência oficial de configuração ↗ · Configuração do modelo

A conexão não funciona? · Uso

Compatibilidade dos Agents — Versões dos clientes, campos de raciocínio testados e limitações conhecidas.

Baixar instruções de configuração