Harness engineering: năm trụ cột và tự dựng DeepSeek Harness trên máy

1. Từ sức ngựa đến động cơ hơi nước

Video mở đầu bằng một câu chuyện lịch sử do Ansh Mehra, người đứng sau kênh The Cutting Edge School, kể khi đứng giữa một công viên. Cách đây 256 năm, vào thập niên 1770, mọi ngành công nghiệp lớn đều dựa vào ngựa, vì ngựa khỏe và rất nhanh. Những cảnh minh họa cho thấy các chuồng máy với bánh xe gỗ khổng lồ, nơi từng đàn ngựa đi vòng tròn để kéo trục máy, và người nông dân đánh xe ngựa trên đường đất.

Nhưng có một kỹ sư người Scotland nhận ra rằng ngoài ngựa, còn một sức mạnh khác của tự nhiên có thể giúp ông và mọi ngành công nghiệp trên thế giới làm xong việc: hơi nước. Đó là James Watt. Khi ông giới thiệu động cơ hơi nước, các chủ mỏ và chủ nhà máy đều rất do dự. Lý do là việc giải thích sức mạnh của cỗ máy bằng thể tích xi lanh, áp suất nồi hơi hay lượng than tiêu thụ chẳng có ý nghĩa gì với một người nông dân hay một chủ xưởng. Trên màn hình lúc này là một bản vẽ kỹ thuật về thể tích xi lanh, đúng loại thông số mà người mua không hiểu.

Vì vậy, các chủ mỏ chỉ hỏi Watt đúng một câu: một cỗ máy này thay được bao nhiêu con ngựa? Và chính câu hỏi đó làm cho từ "horsepower" (mã lực) trở nên cực kỳ phổ biến; trên màn hình, chữ Horsepower hiện lên trên bánh răng máy móc rồi trên một chiếc siêu xe. Điều này hợp lý, vì một người nông dân, một người vận hành nhà máy hay một thợ mỏ hiểu ngay giá trị kinh tế của việc mua một động cơ 12 mã lực thay vì phải cho ăn và chăm sóc 20 con ngựa. Trong đầu họ, phép so sánh trở nên dễ dàng.

2. Ngựa cần dây cương, AI cần harness

Rồi Ansh chuyển sang ý chính. Bạn không thể điều khiển một con ngựa nếu không có harness, tức bộ dây cương và yên cương. Harness về cơ bản là toàn bộ hệ thống gồm vòng cổ (collar) và khóa (buckle), thứ cho phép bạn điều khiển con ngựa.

Cũng giống như bạn cần harness cho một con ngựa thật khỏe, bạn cần harness cho AI. Nếu không có một harness tốt, AI của bạn sẽ luôn tốn thời gian, tốn tiền, và đi theo những hướng bạn không thực sự muốn. Toàn bộ môn học về việc làm ra và kiểm thử một harness được gọi là harness engineering.

Theo Ansh, học kỹ năng mới này, thứ mà anh cho là chưa được dạy đúng cách ở đâu cả, có thể giúp bạn lọt vào nhóm 0,1%. Như mọi lần, kênh sẽ dạy bạn cách dùng trí thông minh thật của mình để xây một harness cho trí tuệ nhân tạo. Anh nói "không dài dòng nữa, bắt đầu thôi" và nhường lời. Người trình bày chính của video, ngồi trước laptop trong một căn phòng tường trắng, mở đầu bằng câu "cảm ơn Ansh" rồi đi vào nội dung.

3. Harness engineering là gì

Người trình bày hứa sẽ nói mọi điều bạn cần biết về harness engineering, và vì sao nó là bước quan trọng nhất khi bạn xây sản phẩm AI. Phần lớn mọi người nghĩ rằng chọn đúng model AI là tính năng chính của một sản phẩm AI. Anh khẳng định không phải vậy: thứ chính là harness.

Định nghĩa đơn giản anh đưa ra: harness engineering là thiết kế môi trường (environment), tools, context, rules, cùng với state và các feedback loop bao quanh model AI. Nó cũng giúp bạn định nghĩa trọn vẹn môi trường mà model AI của bạn sẽ "sống" trong đó.

Để hiểu rõ hơn, anh đề nghị nhìn harness qua một ví dụ rất gần gũi: cơ thể con người.

4. Ví dụ cơ thể người: model chỉ là bộ não

Hãy nghĩ về cơ thể của chính bạn một chút. Bạn có một bộ não, nơi mọi suy nghĩ diễn ra. Nhưng hãy tưởng tượng anh lấy bộ não của bạn ra và đặt nó một mình trong một căn phòng. Hình minh họa lúc này là một bộ não màu xanh nằm trên chiếc bàn tròn dưới ánh đèn, trong một căn phòng trống. Bộ não đó vẫn có thể suy nghĩ, lập luận, ra quyết định. Nhưng nó không thực sự làm được gì nhiều ngoài thế giới thật.

Nó cần trí nhớ để nhớ những gì đã học và những gì đã xảy ra trước đó. Nó cần đôi tay để tương tác với thế giới thật. Nó cần hệ thần kinh để điều phối mọi thứ đang diễn ra.

Giờ hãy nghĩ về một model AI. Model về bản chất chính là bộ não. Nó có thể lập luận, hiểu thông tin, đưa ra quyết định. Nhưng một mình model thì chưa phải là một sản phẩm AI.

• Nó cần context, để biết điều gì là liên quan.
• Nó cần tools, để thực sự làm được việc.
• Nó cần orchestration, để điều phối nhiều bước.
• Nó cần control, để không tự ý làm bất cứ điều gì nó muốn.
• Và nó cần feedback, để chúng ta hiểu được điều nó làm có thực sự hiệu quả hay không.

Đó chính là harness engineering. Theo người trình bày, nếu bạn hiểu harness engineering qua ví dụ cơ thể người thì bạn sẽ hiểu nó tốt hơn nhiều.

5. Prompt engineering, context engineering và harness engineering

Tiếp theo, người trình bày phân biệt ba khái niệm: prompt engineering, context engineering, và thuật ngữ mới là harness engineering.

Prompt engineering: bạn định nghĩa cho model AI biết nó cần làm gì. Đây là một hệ thống một chiều hoặc hai chiều, trong đó bạn đưa ra mệnh lệnh và model trả lời lại.

Context engineering: cho phép model AI nhìn thấy những gì đang diễn ra xung quanh, có thêm context về tài liệu của bạn và cách mọi thứ thực sự vận hành. Dựa vào context đó, model trả lời bạn theo cách tốt hơn nhiều.

Harness engineering: ở đây, bạn chính là người xây toàn bộ môi trường quanh model AI, để nó vừa có context vừa có các tools thực sự cần thiết để hoàn thành công việc của bạn.

6. Vì sao agent chạy lâu cần harness

Nếu bạn định xây sản phẩm AI hay AI agent thật sự, người trình bày nhấn mạnh rằng rất quan trọng phải dựng chúng trên nền tảng của harness engineering. Lý do: nếu bạn cho một thứ chạy đủ lâu, agent kiểu gì cũng sẽ hỏng (break). Nhiệm vụ của bạn là xây môi trường quanh nó sao cho nó không hỏng.

Môi trường đó có thể có guardrails, có lớp security, có các feedback loop hay iteration loop để agent tự thử lại (retry). Trên màn hình, ba gạch đầu dòng lần lượt hiện ra: Guardrails, Security, Feedback loops. Theo cách đó, bạn không phải prompt nó hết lần này đến lần khác, không phải đưa context lặp đi lặp lại. Bạn chỉ đang xây những hệ thống tốt hơn cho cách nó vận hành.

7. Bạn đã dùng harness từ lâu: Claude chat, Cowork và Claude Code

Điều thú vị nhất, theo người trình bày, là bạn đã dùng harness engineering từ lâu rồi. Anh lấy ví dụ Claude. Claude có ba giao diện: một là chat, hai là Cowork, ba là Code. Tất cả các giao diện, tất cả các môi trường này đều dùng cùng một model. Thứ duy nhất thay đổi là môi trường.

Chat: bạn chỉ cần hỏi Claude, và nó trả lời lại, có thể sau khi tự làm web research và các việc tương tự. Trên màn hình là giao diện chat của Claude với một yêu cầu viết báo cáo phân tích thị trường, các công tắc Research và Web search đang bật. Đây là một trong những giao diện, một trong những môi trường mà model đang làm việc.

Cowork: môi trường thứ hai, hay harness thứ hai. Ở đây bạn có thể kết nối skill và các công cụ làm việc của mình để Claude làm việc thay bạn. Nó truy cập được các ứng dụng công việc đó để thực hiện từng tác vụ thay mặt bạn, và đến cuối thì chờ bạn phê duyệt rồi mới chốt việc.

Claude Code: môi trường thứ ba. Trong Claude Code, model vẫn như cũ, nhưng khả năng tương tác với hệ thống của bạn, với command prompt, với các tool nội bộ và môi trường lập trình thì thay đổi hoàn toàn. Màn hình cho thấy terminal Claude Code nhận yêu cầu "Can we create a simple test api with typescript?" và tự dựng một Express API, rồi các cảnh sửa tsconfig.json, định nghĩa một agent code-quality-reviewer với danh sách tools, và một bản rà soát lỗi kết thúc bằng câu hỏi có muốn sửa các lỗi nghiêm trọng không. Anh gọi nó là phiên bản nâng cấp của Claude chat, chỉ khác là nằm trong một harness tốt hơn, một môi trường tốt hơn.

Nếu bạn dùng ChatGPT hằng ngày thì cũng là ví dụ tương tự: chế độ làm việc của ChatGPT là một môi trường, và Codex là một môi trường khác hẳn. Đó là những môi trường khác nhau nơi cùng một model sống, nhưng nó hành xử tốt hơn nhiều, và tất cả là nhờ harness.

8. Năm trụ cột của harness: context và action

Theo người trình bày, mọi harness đều có thể chia thành năm trụ cột (pillar). Hình minh họa là năm cột đá lần lượt dựng lên, mỗi cột mang một tên: Context, Action, Orchestration, Control, Feedback.

Trụ cột 1, Context: có thể là context engineering, memory, RAG, retrieval, knowledge, và cả instructions. Nếu so với cơ thể người, đây là đôi mắt và trí nhớ. Hình minh họa là một người viết vào sổ các mục Projects, People, Places, Preferences, Past decisions bên cạnh chồng sách ghi Meetings, Research, Customers, Notes.

Trụ cột 2, Action: bao gồm tools, MCP (Model Context Protocol), API, quyền truy cập browser, thực thi code, và các file khác nhau mà model có thể truy cập. Theo phép so sánh với cơ thể người, đây là đôi tay và tứ chi, những bộ phận thực sự làm việc cho bạn.

9. Orchestration, control và feedback

Trụ cột 3, Orchestration: gồm planning, loops, state, task decomposition (chia nhỏ tác vụ), checkpoints, sub-agent và cả workflow. Với cơ thể người, đây là hệ thần kinh, thứ điều phối tín hiệu và hành động trên khắp cơ thể. Hình minh họa là một cơ thể người với hệ thần kinh phát sáng từ não chạy dọc sống lưng.

Trụ cột 4, Control: gồm guardrails, permissions, validations và approvals. Với cơ thể người, đây là hệ miễn dịch và các phản xạ, thứ ngăn chúng ta khỏi những hành động có hại và phản ứng khi có gì đó không ổn. Hình minh họa là một bàn tay rụt lại khỏi một vật đang nóng, và một hộp thoại "Allow this action?" với hai nút Approve và Deny bên cạnh danh sách kiểm tra (đầu vào hợp lệ, nằm trong chính sách, an toàn để tiếp tục).

Trụ cột 5, Feedback: gồm evals, tracing, logs, monitoring, errors, signals và cả latency. Với cơ thể người, đây là các dấu hiệu sinh tồn (vital signs) cho biết mọi thứ đang ổn hay không. Nó liên tục báo cho cơ thể biết điều gì đang hoạt động, điều gì không, và điều gì cần chú ý.

Vì vậy, mỗi khi bạn xây một AI agent hay harness quanh nó, bạn cần làm việc trên cả năm trụ cột này.

10. Framework mã nguồn mở DeepSeek Harness

Đã hiểu từng khái niệm và năm trụ cột cơ bản của harness engineering, giờ là lúc xây một harness framework thật quanh model AI. Để làm việc này, video dùng framework harness mã nguồn mở do DeepSeek phát hành. Vì Claude Code và Codex đã có sẵn (tính đến ngày video đăng, 22/09/2026), người trình bày muốn bạn tự xây agentic harness framework của riêng mình từ đầu, và DeepSeek giúp làm việc đó.

Anh mở trang giới thiệu "DeepSeek Harness developer preview" với dòng tiêu đề "Everything is a plugin", rồi mở repo mã nguồn mở trên GitHub. Repo chứa toàn bộ code. Đây là một agent harness framework mã nguồn mở, tùy biến được, mà bạn có thể dùng trực tiếp. Theo anh, bạn dùng được bất kỳ model nào với nó, và ý tưởng trung tâm là mọi thứ đều là plugin: bạn có thể thay tools, thay front end, thay components, thay cả lớp security bằng framework này. Anh nói đây là framework dễ cài nhất (nhận định của anh trong video đăng ngày 22/09/2026, khi framework còn ở giai đoạn developer preview).

11. Cài đặt bằng Claude Code hoặc Codex

Cách bắt đầu: vào URL của trang, tìm tới repo GitHub. Khi đã ở trong repo, bạn chỉ cần cuộn xuống là thấy mọi lệnh để cài đặt.

Người trình bày trấn an rằng nếu bạn không rành kỹ thuật cũng không sao. Bạn có thể lên đầu trang, chọn menu thả xuống (nút Code) và copy đường dẫn. Sau đó mở Claude Code hoặc Codex, dán vào và bảo nó "set this up". Trên màn hình, anh dán đúng hai dòng sau vào ứng dụng Claude trong một phiên tên "Deepseek harness setup", và Claude bắt đầu "Cloning deepseek-harness repo into current directory".

https://github.com/deepseek-ai/deepseek-harness.git
set this up

12. Ba ý chính của framework: plugin, trace và các mode

Trong lúc Claude cài đặt, anh quay lại trang DeepSeek để giải thích framework thực sự làm gì. Trang nói rằng harness là thứ giữ cho agent hoạt động trong môi trường thực tế, đúng như những gì video vừa học. Framework xoay quanh ba ý:

• Mọi thứ đều là plugin. Mỗi phần trong framework là một plugin; bạn có thể thay, cập nhật, thậm chí xóa nó.
• Mỗi lần chạy đều trace được (every run is traceable). Nghĩa là bạn có thể theo dõi model AI hay agent đang chạy dưới harness này.
• Nhiều chế độ chạy (multiple running modes). Bạn có thể chọn giữa chế độ chuẩn (standard) để code và chế độ creator. Với creator mode, anh hứa sẽ cho thấy cách thay đổi chính giao diện của harness.

Trang còn có một video demo về cách tùy biến DeepSeek Harness của riêng bạn (mục "Customize your DeepSeek Harness", case 1 là tùy biến giao diện người dùng). Người trình bày nói bạn có thể tải framework trực tiếp từ đó, và link sẽ được để trong phần mô tả video.

13. Mở web UI trên máy và tạo workspace

Quay lại Claude, việc cài đặt đã xong. Anh chỉ phải ra thêm một lệnh "start the server" sau khi cài đặt hoàn tất, và Claude trả về một URL chạy trên máy cục bộ. Trên màn hình, Claude ghi rằng web UI của DeepSeek Harness đang chạy ở http://127.0.0.1:3080, chạy nền như một task. Như vậy anh đã tạo, hay đúng hơn là clone, một hệ agentic framework chạy theo harness engineering ngay trên máy của mình.

start the server

Anh copy URL đó và mở trong một tab mới. Đầu tiên hiện ra một thông báo kiểm thử nội bộ (Internal Testing Notice). Anh bấm Continue, và giao diện báo cần thêm API key để bắt đầu, gợi ý cấu hình provider chính thức của DeepSeek. Anh chọn "configure later", và giao diện chính hiện ra.

Anh nhận xét giao diện không phải Claude Code hay Codex, nhưng khá giống. Bên trái là danh sách workspace. Chưa có session nào. Nếu prompt bất cứ điều gì, nó nhắc anh hãy chọn một thư mục. Anh bấm tạo thư mục mới, đặt tên "Demo 1" và bấm Create. Từ đó, agent sẽ chỉ làm việc bên trong thư mục này.

Như tài liệu mô tả, framework có standard mode, PTC mode, minimal mode và creator mode. Trong creator mode, bạn có thể xây và tạo các agent workflow tùy biến và plugin ngay bên trong agent harness framework của chính mình.

14. Đổi sang model của OpenAI

Anh thử gõ "hi". Giao diện báo rằng chưa cấu hình xong, cần một API key để bắt đầu. Theo người trình bày, đây chính là sức mạnh của harness: nếu không muốn dùng DeepSeek mà muốn dùng model của OpenAI trong agent harness framework của mình, bạn dùng thẳng được.

Các bước anh làm:

1. Vào platform.openai.com, mở mục API keys.
2. Bấm tạo key mới (create new key). Đặt tên key theo đúng mục đích bạn đang xây; anh đặt là "DeepSeek Harness demo".
3. Chọn project, chọn thời hạn hết hạn; anh chọn một ngày cho lần này, rồi bấm create key.
4. Anh nhắc rằng rất quan trọng phải giữ key an toàn và đặt tên đúng.
5. Copy key, quay lại dashboard của harness, vào Settings, mục Models. Trong Models có thể thêm provider; anh chọn OpenAI, dán API key và bấm Apply.

Model OpenAI đã sẵn sàng. Anh thoát Settings, mở session mới, gõ "hi" và đổi model từ DeepSeek sang GPT-4.1. Lần này đã có câu trả lời.

Như vậy bạn đã dựng được harness framework này trên máy cục bộ và dùng được một model khác. Anh nói điều này tóm gọn mọi thứ video đã học: mọi thứ đều có thể là một plugin, và khả năng tạo ra hệ thống của bạn giờ mới là điều quan trọng.

15. Settings và danh sách plugin

Anh xem qua các thiết lập. Trong Settings có Models và Plugins. Ở Plugins, anh có thể mở file cấu hình (Open configuration file) và sửa trực tiếp, vào các mục như shell, agent loop, sub-agent, web search và nhiều mục khác. Ngoài ra còn có một danh sách plugin (Plugin list), nơi anh chọn bất kỳ plugin nào, ví dụ một tool, và thay đổi nó.

Với Claude và OpenAI hay Codex, anh chỉ ra, bạn không có quyền thay đổi trực tiếp những thứ này. Đó là phần họ đã làm sẵn, và bạn đang dùng harness framework của chính họ, chỉ là cho mục đích của bạn.

16. Những gì có thể build: con cá voi nổi và game rắn săn mồi

Anh có thử thêm vài thứ ở cuối, nhưng để thấy framework plugin này làm được gì, anh quay lại trang chính thức của DeepSeek, nơi có một demo thú vị về những gì có thể xây bằng agentic harness framework này.

Ví dụ đầu tiên: bạn có thể thay đổi giao diện, chẳng hạn thêm một con cá voi nổi (floating whale) trong ứng dụng. Anh ví nó như có một con thú cưng bên trong Codex.

Ví dụ thứ hai: tạo một plugin game rắn săn mồi (Snake). Nếu bạn nói thẳng "add a playable snake game" trong creator mode, nó sẽ thực sự xây game này ngay trên màn hình của bạn và thay đổi giao diện cho bạn.

Add a playable Snake game

Và đây là hình dạng kết quả. Theo người trình bày, điều đó có nghĩa là model không còn là thứ chính trong sản phẩm hay ứng dụng AI của bạn nữa. Thứ chính là harness. Bạn càng đưa context tốt, càng làm tốt năm trụ cột, thì nó càng hoạt động tốt.

17. Kết: model không còn là thứ chính, harness mới là

Đó là cách bạn dựng agent harness framework của riêng mình trên máy cục bộ. Và đây chính là việc người trình bày muốn bạn thử ngay hôm nay: cài DeepSeek Harness framework trên máy, thay đổi giao diện, thêm vài plugin, hoặc dùng thử các lệnh của framework.

Anh tin chắc rằng harness engineering sẽ thay đổi cách các sản phẩm AI được xây. Anh mời người xem để lại suy nghĩ ở phần bình luận nếu cũng nghĩ như vậy.