Harness AI с OpenCheese

← Быстрый старт с APIОткрыть как Markdown

Harness AI Desktop (DeepSeek Harness) добавляет OpenCheese как пользовательский провайдер рядом со встроенным провайдером DeepSeek и обращается к нему через OpenAI Chat Completions API по адресу https://api.opencheese.dev/v1.

Harness хранит всё в одной папке: %USERPROFILE%\.dsh в Windows, ~/.dsh в Linux и macOS или там, куда указывает $DSH_HOME.

01Установите Harness AI

Скачайте сборку для своей платформы из репозитория Harness AI и завершите установку.

02Добавьте OpenCheese как пользовательский провайдер

1. Откройте Settings на боковой панели и выберите Models.
2. Нажмите Add a custom provider и заполните поля:

3. Нажмите Fetch available models, оставьте все модели выбранными и нажмите Create provider.

• Provider ID должен быть ровно opencheese: по нему Harness называет сохранённые учётные данные (OPENCHEESE_API_KEY), а при любом другом написании провайдер ссылается на учётные данные, которые никто не задаёт.
• В Base URL оставьте /v1: путь эндпоинта Harness добавляет сам.
• На странице Настройка в панели, на вкладке Harness AI, показаны те же значения, а ключ становится виден после того, как вы подтвердите его пароль.

Теперь OpenCheese отображается в списке Models со значком Custom и зелёной точкой, а его модели можно выбрать в чате.

03Добавьте уровни рассуждений (необязательно)

На странице Settings нельзя задать уровни рассуждений, поэтому список уровней остаётся пустым, пока они не объявлены в settings.yaml. Добавьте этот блок в %USERPROFILE%\.dsh\settings.yaml (~/.dsh/settings.yaml), сохранив все остальные разделы файла, затем перезапустите Harness AI. Вкладка Harness AI генерирует этот блок со всеми моделями вашего тарифа.

llm-pi-ai:
    providers:
        opencheese:
            apiKeyEnv: OPENCHEESE_API_KEY
            api: openai-completions
            baseURL: https://api.opencheese.dev/v1
            timeoutMs: 120000
            models:
                - id: MODEL_ID
                  name: Model name
                  contextWindow: 1000000
                  maxTokens: 131000
                  reasoningEfforts:
                      max: max
                      medium: medium
                      low: low

• contextWindow и maxTokens возьмите из полей context_window и max_output_tokens модели в /v1/models, а уровни — из её supported_reasoning_levels. Оба числа должны быть положительными целыми.
• Harness принимает только уровни off, minimal, low, medium, high, xhigh и max. Хватит одного другого названия или пропущенного числа, чтобы Harness отбросил весь раздел llm-pi-ai, и тогда все модели OpenCheese пропадут разом.
• У модели без уровней нет ключа reasoningEfforts: она рассуждает на своём уровне по умолчанию.
• API-ключа в этом файле нет: apiKeyEnv называет учётные данные, которые Harness сохранил на шаге 2.

Настройка без страницы Settings

Чтобы пропустить шаг 2, сохраните учётные данные сами в файл .credentials.yaml в той же папке, что и settings.yaml, в дополнение к блоку выше:

version: 1
refs:
    OPENCHEESE_API_KEY: YOUR_OPENCHEESE_API_KEY

• version: 1 обязателен.
• В Linux и macOS выполните chmod 600 ~/.dsh/.credentials.yaml: Harness не принимает файл учётных данных, который могут прочитать другие пользователи.
• Chrome, Edge и другие браузеры на основе Chromium сохраняют скачанный .credentials.yaml как credentials.yaml; верните ему исходное имя.
• В этом файле ваш ключ хранится открытым текстом. Никогда не добавляйте его в репозиторий.

Расход и стоимость

Каждый запрос отображается в панели на странице Транзакции с расходом токенов и стоимостью; запросы одного разговора объединены в одну сессию.