DeepSeek Harness รันในเครื่อง แต่คิดที่ไหน

สมมติคุณกำลังหา AI ที่ทำงานแทนได้จริง ไม่ใช่แค่ตอบแชต อยากให้มันเปิดไฟล์ในโฟลเดอร์งาน สรุปเอกสาร หรือแก้โค้ดได้เอง แล้วก็มาเจอ DeepSeek Harness โอเพนซอร์ส มาจากแล็บที่ทำโมเดลเอง ติดตั้งด้วยคำสั่งเดียว พิมพ์ npx @deepseek-ai/dsh web แล้วหน้าเว็บก็เปิดขึ้นที่ 127.0.0.1:3080 ซึ่งก็คือเครื่องของคุณเอง

ทุกอย่างดูเหมือนอยู่ในบ้าน แล้วคำถามก็ตามมาเอง ถ้าโยนไฟล์ที่มีข้อมูลลูกค้าเข้าไป ข้อมูลนั้นอยู่ในเครื่องจริงไหม

Productize ตอบคำถามนี้ด้วยการรัน DeepSeek Harness รุ่น 0.2.2-rc.1 ในคอนเทนเนอร์ (เครื่องจำลองเล็กๆ ที่แยกขาดจากเครื่องจริง ใช้เสร็จแล้วลบทิ้งได้) แล้วดักดูว่าโปรแกรมต่อเน็ตไปที่ไหนบ้าง ควบคู่กับการอ่านโค้ดของโปรเจกต์ เราประเมินตัวนี้เพื่อใช้กับงาน agent ของเราเอง

ที่เราเห็นจากการรันเองมีแค่ผลในช่วงที่ 4 ใต้หัวข้อ "สิ่งที่เห็นจากการรัน" กับค่าตั้งต้นที่โปรแกรมพิมพ์ออกมาในส่วน "เริ่มตรงนี้" ท้ายบทความ นอกนั้น ทั้งของดี ของที่ยังขาด และค่าที่ต้องแก้ เราอ่านจากโค้ดและเอกสาร ยังไม่ได้ลองเอง น้ำหนักจึงน้อยกว่าสิ่งที่เห็นกับตา

ช่วงที่ 1DeepSeek Harness คืออะไร ต่างจากแอปแชตยังไง

DeepSeek Harness คือโปรแกรมที่ให้โมเดล AI ลงมือทำงานในเครื่องเราได้เอง ส่วนแอปแชตทำได้แค่ตอบในกล่องข้อความ ในแอปแชต เราก๊อปเนื้อหาไปวาง แล้วก๊อปคำตอบกลับมาเอง ใน dsh ตัว agent อ่านและแก้ไฟล์ในโฟลเดอร์งาน รันคำสั่ง แบ่งงานย่อยให้ agent ตัวอื่น และวางแผนเองได้ ก่อนทำสิ่งที่ต้องขออนุญาต หน้าเว็บจะถามเราก่อน

เทียบให้เห็นภาพ แอปแชตเหมือนที่ปรึกษาที่คุยกันทางโทรศัพท์ ส่วน harness เหมือนการยื่นกุญแจห้องทำงานให้ผู้ช่วย งานเดินได้มากขึ้นเยอะ และเรื่องที่ต้องคิดก็มากขึ้นตาม ว่ากุญแจดอกนี้เปิดห้องไหนได้บ้าง

เรื่องเงิน ตัวโปรแกรมฟรี แต่โมเดลที่มันเรียกใช้ไม่ฟรี ค่าตั้งต้นคือโมเดล deepseek-flash ผ่าน API ของ DeepSeek ที่คิดเงินตามจำนวนโทเคน หน่วยย่อยของข้อความ ราวหนึ่งคำหรือเศษของคำ แล้วหักจากยอดที่เติมเงินไว้ ตามหน้าราคาของ DeepSeek ที่เราเปิดดูวันที่ 9 พฤศจิกายน 2026 ช่วงที่คนใช้เยอะ ข้อความที่ส่งเข้าไปคิดล้านโทเคนละ 0.30 ดอลลาร์ ข้อความที่โมเดลตอบคิดล้านโทเคนละ 1.20 ดอลลาร์ ช่วงอื่นคิดครึ่งเดียว DeepSeek ปรับราคาได้ ก่อนเติมเงินให้เปิดหน้านั้นดูอีกครั้ง

ช่องทางใช้งานมีหลายแบบ ทั้งหมดเป็นโปรแกรมเดียวกันที่ตั้งค่าต่างกัน ชุดการตั้งค่าแต่ละแบบ dsh เรียกว่า profile ตัวอย่างคำสั่งด้านล่างพิมพ์ในหน้าต่าง command line (Terminal) และต้องติดตั้ง Node.js ไว้ก่อน

• หน้าเว็บ เปิดด้วย npx @deepseek-ai/dsh web
• command line สั่งงานครั้งเดียวด้วย dsh --profile headless "งาน" ได้คำตอบแล้วปิดตัว
• แอปเดสก์ท็อป ตัวเดียวกับหน้าเว็บ ห่อด้วย Electron
• Python SDK (pip install deepseek-harness-sdk) สำหรับเรียกจากโปรแกรมของเราเอง

ชื่อมี DeepSeek แต่ไม่ได้ผูกกับโมเดลของ DeepSeek อย่างเดียว ตั้งให้ใช้คีย์ API ของ DeepSeek บัญชี DeepSeek หรือโมเดลสำเร็จรูปอย่าง Anthropic, OpenAI, Kimi และ GLM ก็ได้ หรือชี้ไปที่เซิร์ฟเวอร์โมเดลที่ตั้งเองก็ได้ ขอแค่คุยด้วยรูปแบบเดียวกับ OpenAI หรือ Anthropic แต่ถ้าไม่ตั้งอะไร ค่าตั้งต้นคือโมเดล deepseek-flash ของ DeepSeek เอง

สถานะของโปรเจกต์บอกไว้ตรงๆ ตั้งแต่หน้าแรก สัญญาอนุญาตเป็น MIT ตัวโปรแกรมอยู่ในช่วง developer preview และ README เขียนตัวใหญ่ไว้ว่า "THERE WILL BE COMPATIBILITY-BREAKING CHANGES" คือรุ่นใหม่อาจใช้กับของเดิมไม่ได้

ช่วงที่ 2ของดีที่ควรหยิบไปใช้

1. ระบบขออนุญาตที่ตอบ "ไม่" เมื่อเงียบ

นี่คือส่วนที่เราชอบที่สุด เวลา agent จะทำสิ่งที่ต้องขออนุญาต ระบบจะส่งคำถามไปหาคนตอบ ถ้าไม่มีใครรอรับคำถามนั้น หรือโปรแกรมที่รับคำถามพังกลางทาง คำตอบที่ได้คือ "ทำไม่ได้" ไม่ใช่ "ทำไปเลย" คำตอบแปลกๆ ที่ไม่อยู่ในรายการคำตอบที่กำหนดไว้ก็ถูกนับเป็นไม่อนุญาตเหมือนกัน อนุญาตแล้วใช้ได้ครั้งเดียว และถ้าตั้งนโยบายการขออนุญาตเป็น never ทุกคำขอจะถูกปฏิเสธทันทีก่อนส่งไปถามใคร

ความเห็นของเราคือ ระบบขออนุญาตที่ปล่อยผ่านเวลาไม่มีใครตอบ อันตรายกว่าไม่มีระบบเลยเสียอีก เพราะคนใช้จะเข้าใจว่ามีคนเฝ้าอยู่ dsh เลือกทางที่ถูกตรงนี้

2. ทุกอย่างเป็นปลั๊กอิน

หน้าเว็บ command line และ SDK ไม่ได้เป็นโปรแกรมแยกกัน แต่เป็นชุดปลั๊กอินคนละชุดที่วางซ้อนกัน อยากเพิ่มหรือถอดความสามารถไหนก็ทำได้ทีละชิ้น ติดตั้งปลั๊กอินเพิ่มด้วย dsh plugin --profile <ชื่อ> add <แพ็กเกจ> ส่วนตลาดปลั๊กอินยังเป็นของทดลอง และเอกสารบอกเองว่าตัวโปรแกรมตรวจแค่รูปแบบไฟล์ ไม่ได้ตรวจว่าปลั๊กอินปลอดภัยไหม ปลั๊กอินที่ลงจากที่อื่นจึงต้องอ่านเองก่อนทุกครั้ง

3. ตั้งเวลาให้ทำงานซ้ำ

สั่งให้ agent ทำงานตามเวลาได้ ผ่านหน้า Automation tasks หรือพิมพ์บอกมันตรงๆ ตั้งเป็นครั้งเดียวหรือทำซ้ำแบบ "ทุกวันทำการ 9 โมง" ก็ได้ (ใช้มาตรฐานปฏิทิน RFC 5545) งานที่ตั้งไว้ไม่หายเมื่อรีสตาร์ตโปรแกรม ถ้าพลาดรอบไประหว่างปิดเครื่อง พอเปิดกลับมาก็จะส่งรอบล่าสุดที่พลาดไปให้ 1 รอบ แต่ต้องรู้ไว้ว่า ปิดโปรแกรมเมื่อไหร่ การตั้งเวลาก็หยุดเมื่อนั้น

4. สัญญาอนุญาต MIT

ใช้ในงานเชิงพาณิชย์ได้ แก้ไขได้ ขอแค่เก็บประกาศลิขสิทธิ์ไว้ จุดที่ควรเปิดดูเพิ่มคือไฟล์ THIRD_PARTY_NOTICES.md เพราะชิ้นส่วนบางตัวที่แจกมาด้วยมีเงื่อนไขของตัวเอง เช่น ส่วนของ Claude SDK กับ LibreOffice ถ้าจะแจกจ่ายต่อในสินค้าของเรา ต้องไล่ดูทีละชิ้น

5. ซื่อตรงเรื่องความเสี่ยง

ไฟล์ SAFETY.md เขียนไว้ชัดว่ายังไม่ผ่านการตรวจความปลอดภัย (security audit) อย่าใช้เป็นระบบ production และ sandbox กับการขออนุญาตแค่ลดความเสี่ยง ไม่ได้กันได้ทั้งหมด ฝั่งการทดสอบก็มีชุดที่รัน sandbox บนระบบปฏิบัติการจริงในระบบทดสอบอัตโนมัติ (CI) ไม่ได้ใช้แค่ของจำลอง อ่านแล้วเราเชื่อใจโปรเจกต์นี้มากขึ้น

ช่วงที่ 3สิ่งที่ยังไม่มี และความพร้อมของมัน

ตอนไล่ดูรายชื่อแพ็กเกจในโปรเจกต์ เราหาส่วนที่ทำหน้าที่จำ แล้วก็ไม่เจอ ประวัติแต่ละบทสนทนาถูกเก็บไว้และค้นย้อนหลังได้ แต่ยังไม่มีส่วนที่จำเรื่องของคุณข้ามงานไปเรื่อยๆ เอกสารมีตัวอย่างต่อกับเซิร์ฟเวอร์ความจำภายนอกผ่าน MCP (มาตรฐานกลางสำหรับต่อเครื่องมือเข้ากับ AI) แต่ก็บอกเองว่าเป็นแค่ตัวอย่างการเชื่อมต่อ ไม่ได้รับรองว่าใช้ได้ดี

ช่องทางคุยก็เหมือนกัน คุยกับ dsh ได้ผ่านหน้าเว็บ command line แอปเดสก์ท็อป และ SDK แต่ไม่มี LINE, Discord หรือ WhatsApp ถ้าอยากให้ลูกค้าทักผ่าน LINE แล้ว agent ตอบ คุณต้องเขียนตัวเชื่อมเอง

ไฟล์ BENCHMARK.md ก็น่าสังเกต ทั้งไฟล์ยาวแค่ 231 ไบต์ เป็นวิธีรัน benchmark เอง ไม่มีคะแนน ไม่มีความเร็ว ไม่มีอัตราผ่านเลยสักตัว ตอนนี้จึงยังไม่มีตัวเลขไหนบอกได้ว่า dsh เก่งแค่ไหน ถ้าอยากรู้ว่ามันทำงานของคุณได้ดีไหม ต้องวัดกับงานจริงของคุณเอง

เรื่องความพร้อม คำตอบสั้นๆ คือยังเป็นรุ่นทดลองสำหรับนักพัฒนา รุ่นถัดไปอาจเปลี่ยนจนของเดิมใช้ไม่ได้ ตัว SDK เองก็เช็กว่าเวอร์ชันของ SDK กับตัวโปรแกรมต้องตรงกันเป๊ะ ใครจะเอาไปฝังในงานของตัวเอง ให้ระบุเลขเวอร์ชันของทั้งสองฝั่งให้ตรงกันไว้ อย่าปล่อยให้อัปเดตเองตามรุ่นล่าสุด

ช่วงที่ 4ถ้าไม่แก้อะไร ข้อมูลไปไหน

ถ้าไม่แก้ค่าอะไรเลย คำสั่งที่เราพิมพ์จะถูกส่งไปให้โมเดลบนคลาวด์ของ DeepSeek คิด ไม่ได้คิดในเครื่องเรา ตัวโปรแกรมรันในเครื่องก็จริง แต่ส่วนที่คิดอยู่ที่อื่น และที่ส่งไปไม่ได้มีแค่สิ่งที่เราพิมพ์ ไฟล์ไหนที่ agent เปิดอ่าน เนื้อหาก็ไปถึงโมเดลด้วยในคำขอครั้งถัดไป เพราะผลจากเครื่องมือต้องย้อนกลับไปให้โมเดลคิดต่อ

เราดูยังไง

1. เปิดคอนเทนเนอร์ใหม่ (node:22-bookworm) ติดตั้ง @deepseek-ai/dsh@0.2.2-rc.1 จาก npm ตัวเดียวกับที่คนทั่วไปติดตั้ง
2. เปิด tcpdump ให้จดทุกครั้งที่เครื่องถามหาชื่อเว็บ (DNS) และทุกครั้งที่เริ่มต่อไปหาเครื่องอื่น
3. ทดสอบตัวดักก่อน ด้วยการเรียก example.com ซึ่งตัวดักก็จับได้ ขั้นนี้สำคัญ เพราะตัวดักที่เสียจะรายงานว่า "ไม่มีอะไรออกไป" หน้าตาเหมือนกับตอนที่ไม่มีอะไรออกไปจริงๆ
4. สั่ง dsh --profile headless "Reply with the single word OK." โดยไม่แก้ค่าตั้งต้นสักตัว

สิ่งที่เห็นจากการรัน

รอบแรกเราไม่ใส่คีย์ API (รหัสที่ใช้ยืนยันตัวตนกับผู้ให้บริการโมเดล) เลย dsh หยุดทันทีพร้อมข้อความ MISSING_CREDENTIAL: llm-deepseek: no API key for provider route "deepseek-official" และตัวดักไม่เห็นการต่อออกสักครั้ง ข้อนี้ดี มันไม่แอบเรียกอะไรก่อนที่เราจะตั้งค่า

รอบสองเราใส่คีย์ปลอมที่ขึ้นต้นเหมือนคีย์จริง ตัวดักเห็นเครื่องถามหา api.deepseek.com ทันที โปรแกรมขอรายการโมเดลจาก api.deepseek.com/models แล้วโดนปฏิเสธ (HTTP 401) เพราะคีย์ปลอม จากนั้นก็ส่งคำสั่งของเราตามไปอยู่ดี คำตอบที่กลับมาบอกว่าคีย์ใช้ไม่ได้ พร้อมเลขอ้างอิงของคำขอ ถึงตรงนี้ก็ชัดแล้วว่าคำสั่งเดินทางไปถึงเซิร์ฟเวอร์ของ DeepSeek จริง

ส่วนที่เราตั้งใจดูเป็นพิเศษคือ telemetry การตั้งค่าที่โปรแกรมพิมพ์ออกมาชี้ไปที่เซิร์ฟเวอร์ dsh-otel-collector.deepseeksvc.com ก็จริง แต่ตั้งโหมดไว้ที่ FEEDBACK_ONLY ทั้งรอบปกติและรอบที่สั่งปิด telemetry ไม่มีการต่อไปที่ deepseeksvc.com เลยสักครั้ง เอกสารอธิบายว่าโหมดนี้ส่งก็ต่อเมื่อเรากดให้ feedback เช่นให้คะแนนหรือแก้ข้อความ ตรงนี้ต้องให้เครดิต DeepSeek ที่ไม่ได้ตั้งให้ส่งตลอดเวลา แต่ต้องรู้ไว้ด้วยว่า ทุกครั้งที่กด feedback สิ่งที่ส่งไปคือบทสนทนาทั้งหมดจนถึงจุดนั้น

สิ่งที่อ่านจากโค้ด ยังไม่ได้ยืนยันด้วยการรัน

ข้อที่ทำเราสะดุดที่สุดอยู่ใน sandbox ค่าตั้งต้นของหน้าเว็บและ command line คือ workspace-write แปลว่าเขียนไฟล์ได้เฉพาะในโฟลเดอร์งานกับโฟลเดอร์ชั่วคราว ฟังดูปลอดภัย แต่การอ่านไฟล์และการต่อเน็ตไม่ได้ถูกจำกัดเลย บน macOS กรอบนี้อนุญาตทุกอย่างเป็นพื้น แล้วค่อยห้ามการเขียน ไฟล์ลับที่อยู่นอกโฟลเดอร์งานจึงยังถูกอ่านได้ บน Windows และ Linux รุ่นเก่าบางรุ่น ตัวโปรแกรมเองก็รายงานว่ากันได้แค่บางส่วน

ข้อถัดมาคือโปรไฟล์ sdk-minimal ซึ่งเป็นโปรไฟล์ที่ Python SDK ใช้ในตัวอย่าง ตั้งสิทธิ์ไว้ที่ danger-full-access และไม่มีระบบขออนุญาตติดมาด้วย ถ้าเรียกจากโปรแกรมของตัวเองแล้วไม่ตั้งเพิ่ม agent จะทำอะไรในเครื่องก็ได้ ระบบขออนุญาตที่เราชมไว้ในช่วงที่ 2 จึงไม่ได้อยู่ตรงนั้น

ส่วนบันทึกการทำงาน ถ้าใช้โมเดลผ่าน API ของ DeepSeek ค่าตั้งต้นจะแนบบันทึกการทำงาน (session log) ส่วนที่ยังไม่เคยส่ง ไปกับคำขอครั้งถัดไปด้วย เอกสารบอกว่าสิ่งที่ส่งออกไปอาจมีข้อความ ผลจากเครื่องมือ (รวมถึงเนื้อหาไฟล์ที่ agent อ่าน เนื้อหาชุดนี้จึงออกไปอีกรอบ) และที่อยู่ไฟล์ในเครื่อง ปิดได้ที่ Settings → General → Upload Session Log when using the official model API ตัวดักของเราเห็นแค่ปลายทาง ไม่ได้เปิดดูเนื้อในคำขอ จึงยืนยันข้อนี้จากการรันไม่ได้ และข้อนี้มีผลเฉพาะตอนใช้โมเดลของ DeepSeek

ที่เหลือเป็นเรื่องเล็กกว่า เครื่องมือค้นเว็บใช้บริการค้นหาของ DeepSeek เป็นค่าตั้งต้น เครื่องมือดึงหน้าเว็บทำงานได้โดยไม่ถามทีละครั้ง และเข้าถึงได้แม้แต่เครื่องอื่นในเครือข่ายภายในบ้านหรือออฟฟิศ ส่วนแอปเดสก์ท็อปเปิดการเก็บสถิติการใช้งานของแอป และเช็กอัปเดตทุก 10 นาทีเป็นค่าตั้งต้น

ช่วงที่ 5ก่อนใช้กับข้อมูลลูกค้า ตรวจค่าไหนบ้าง

ถ้าเป็นเรา ก่อนใส่ข้อมูลลูกค้าเข้าไป จะไล่ตรวจ 7 ข้อข้างล่างนี้ทีละข้อ แบ่งเป็น 2 กลุ่ม ข้อ 1 ถึง 5 แก้เองได้ ส่วนข้อ 6 กับ 7 ต้องมีคนที่ใช้ Docker เป็นมาช่วย เช่น นักพัฒนาฟรีแลนซ์ หรือคนดูแลไอทีของบริษัท สิ่งที่ขอจากเขามีประโยคเดียว คือ "ช่วยรัน dsh ในคอนเทนเนอร์ที่เห็นแค่โฟลเดอร์งานนี้ ออกเน็ตได้แค่เซิร์ฟเวอร์โมเดล แล้วใช้ข้อมูลปลอมพิสูจน์ให้ดูว่าไม่มีอะไรหลุดไปที่อื่น" กลุ่มแรกช่วยลดสิ่งที่ส่งออกไปได้ แต่ยังไม่พอสำหรับข้อมูลลูกค้า ถ้ายังไม่มีคนช่วย อย่าเพิ่งใส่ข้อมูลลูกค้า ใช้ dsh กับไฟล์ที่ไม่ลับไปก่อน ดูค่าตั้งต้นทั้งหมดได้ด้วย dsh --profile web --dump-default-config คำสั่งนี้พิมพ์การตั้งค่าออกมาเฉยๆ ไม่ได้เปิดโปรแกรมขึ้นมาทำงาน

อีกเรื่องที่ต้องพูดตรงๆ ตั้งค่าครบทั้ง 7 ข้อแล้วก็ยังไม่ได้แปลว่าทำถูกกฎหมายคุ้มครองข้อมูลส่วนบุคคล การตั้งค่าบอกได้แค่ว่าข้อมูลไปไหน ส่วนฐานทางกฎหมาย การเก็บรักษา และการส่งข้อมูลข้ามประเทศ ต้องดูแยกต่างหาก

ฝั่ง DeepSeek เราอ่านเอกสาร 2 ฉบับ ฉบับแรกคือนโยบายความเป็นส่วนตัว ที่แก้ล่าสุด 10 กุมภาพันธ์ 2026 เขียนไว้ 3 เรื่อง

• เก็บและประมวลผลข้อมูลส่วนบุคคลที่ประเทศจีน
• เก็บข้อมูลที่ป้อนเข้าไปไว้ตราบที่ยังมีบัญชี
• ข้อมูลของผู้ใช้ในแอปที่นักพัฒนาสร้างบน open platform ไม่อยู่ในนโยบายนี้

ข้อสุดท้ายทำให้เราต้องอ่านต่ออีกฉบับ คือเงื่อนไขการใช้ open platform ที่มีผลตั้งแต่ 29 เมษายน 2026 เรื่องข้อมูล เงื่อนไขนี้เขียนไว้แค่ 3 ข้อ

• ข้อมูลที่ส่งเข้า API ยังเป็นของผู้ส่ง
• ผลลัพธ์ที่ได้ DeepSeek ยกสิทธิ์ให้ผู้ส่ง
• ถ้าส่งข้อมูลส่วนบุคคลของลูกค้าเข้าไป ผู้ส่งต้องขอความยินยอมจากลูกค้าเองว่าจะส่งต่อให้ DeepSeek ประมวลผล

อีกข้อที่เขียนไว้ชัดคือข้อพิพาทใช้กฎหมายจีน ส่วนคำถาม 4 ข้อนี้ เงื่อนไขไม่ได้ตอบสักข้อ

• ข้อมูลที่ส่งผ่าน API เก็บไว้ประเทศไหน
• เก็บนานเท่าไร
• ถูกเอาไปฝึกโมเดลหรือเปล่า
• ขอไม่ให้เอาไปฝึกได้ไหม

ถ้า 4 คำถามนี้สำคัญกับงาน ต้องถาม DeepSeek ให้ได้คำตอบเป็นลายลักษณ์อักษรก่อนส่งข้อมูลลูกค้าเข้าไป

ช่วงที่ 6ควรเลือก DeepSeek Harness ไหม

เลือกได้ ถ้างานของคุณคือทดลองให้ agent ทำงานกับไฟล์ที่ไม่ลับ หรืออยากได้ระบบขออนุญาตที่ออกแบบมาดีไว้ศึกษา แต่ยังไม่ควรเลือก ถ้าต้องการของที่เสถียรสำหรับ production หรือจะใช้กับข้อมูลลูกค้าโดยยังไม่มีคนมาช่วยตั้งกล่องแยกให้ แก้ค่าในโปรแกรมอย่างเดียวยังไม่พอ ลองหางานของคุณในตารางนี้ แล้วดูว่าตกฝั่งไหน

สำหรับงาน agent ของเราเอง เราเลือกหยิบแนวคิดบางส่วนไปใช้ โดยเฉพาะระบบขออนุญาตที่ปิดเมื่อเงียบ กับการตั้งเวลาที่ไม่หายเมื่อรีสตาร์ต แต่ยังไม่ย้ายทั้งระบบมา เราให้ AI อีกตัว (Codex) อ่านโค้ดรุ่นเดียวกันแยกต่างหาก โดยไม่ให้เห็นบันทึกของเรา มันอ่านอย่างเดียว ไม่ได้รัน และสรุปเหมือนเราว่ายังไม่ควรย้ายทั้งระบบมาใช้ ให้หยิบไปเฉพาะบางชิ้น อย่างระบบขออนุญาต

เริ่มตรงนี้

ก่อนลองกับงานจริง เปิด command line แล้วพิมพ์ dsh --profile web --dump-default-config หาคำว่า provider, searchProvider, session-log-deepseek, session-telemetry-otel และ sandbox-policy 5 ค่านี้บอกได้ว่าข้อมูลของคุณจะเดินทางไปไหน ก่อนที่คุณจะใส่ไฟล์แรกเข้าไป ข้างล่างคือค่าตั้งต้นที่เราเห็นตอนรัน กับค่าที่ควรเปลี่ยนก่อนใช้กับข้อมูลลูกค้า เลขในวงเล็บคือข้อในเช็กลิสต์ช่วงที่ 5

• provider: ค่าตั้งต้นคือ deepseek-official (โมเดล deepseek-flash) เปลี่ยนเป็น provider ที่ผ่านเกณฑ์ (ข้อ 1)
• searchProvider: ค่าตั้งต้นคือ deepseek-official ถ้างานไม่ต้องใช้เน็ต ปิดปลั๊กอินค้นเว็บและดึงหน้าเว็บ (ข้อ 3)
• session-log-deepseek: เอกสารเขียนว่าค่าตั้งต้นคือส่งบันทึกการทำงานให้ DeepSeek เมื่อใช้โมเดลของ DeepSeek เปลี่ยนเป็นปิด Upload Session Log ในหน้า Settings → General (ข้อ 2)
• session-telemetry-otel: ค่าตั้งต้นคือโหมด FEEDBACK_ONLY ส่งไปที่ dsh-otel-collector.deepseeksvc.com ปิดด้วยการตั้ง DSH_TELEMETRY_DISABLED=1 ก่อนเปิดโปรแกรม (ข้อ 4)
• sandbox-policy: ค่าตั้งต้นคือ workspace-write เปลี่ยนเป็น read-only (ข้อ 5)

ถ้างานของคุณมีข้อมูลลูกค้า ทำเช็กลิสต์ในช่วงที่ 5 ทีละข้อ เริ่มจากข้อ 1 เปลี่ยนโมเดล เพราะถ้ายังใช้โมเดลของ DeepSeek ทุกข้อความที่พิมพ์จะวิ่งไปที่ DeepSeek

อ่านต่อ: ก่อนปล่อย agent ลงมือ ใครขออนุญาตก่อน, AI data privacy: ความลับที่ไม่ควรหลุดออกจากเครื่อง, Agent harness: guardrail ข้อไหนหมดอายุแล้ว, เลือก Local LLM ตัวไหนดี