Kling 4.0 YAYINDA — İnanılmaz gerçekçi video | Dene →
Agent setup

DeepSeek Harness agentını WaveSpeed LLM API’ye bağlayın

DeepSeek Harness için önerilen ~/.dsh/cordis.patch.yml setupını kopyalayın, requestleri /v1/chat/completions adresine yönlendirin ve yerel agent çağrılarını WaveSpeed Logs içinde doğrulayın.

DeepSeek'in ajan çatısı; WaveSpeed'i sağlayıcı rotası olarak ekleyin.

Konfigürasyon dosyası

~/.dsh/cordis.patch.yml

Protokol

OpenAI uyumlu chat completions

Endpoint

/v1/chat/completions

Manuel kurulum

1

WaveSpeed access key oluşturun

2

Gerekli key’i yerelde export edin

3

Konfigürasyonu yapıştır~/.dsh/cordis.patch.yml

4

dsh --profile headless çalıştırın ve Logs’u kontrol edin

OpenAI uyumlu chat completions

Kullanım Dashboard ve Logs içinde görünür

Agent kodunu yeniden yazmadan model değiştirin

Tek komutla kurulum

DeepSeek Harness aracını yapılandırır, çalıştığını doğrular ve önceki ayarlarınızı yedekler. Geri yüklemek için --undo ekleyin.

  1. 1

    WaveSpeed CLI'yi kurun

    npm install -g @wavespeed/cli
  2. 2

    Oturum açın

    wavespeed login
  3. 3

    DeepSeek Harness aracını yapılandırın

    wavespeed setup dsh

Node.js yok mu? Diğer kurulum seçeneklerine bakın

Manuel kurulum

~/.dsh/cordis.patch.yml düzenle
# File: ~/.dsh/cordis.patch.yml
- id: llm-pi-ai
  config:
    providers:
      wavespeed:
        apiKeyEnv: WAVESPEED_API_KEY
        api: openai-completions
        baseURL: https://llm.wavespeed.ai/v1
        models:
          - id: deepseek/deepseek-v4.1-flash-1017
- id: agent-default-model
  config:
    provider: wavespeed
    model: deepseek/deepseek-v4.1-flash-1017

Değişken adını değiştirmeyin

WAVESPEED_API_KEY, agentın okuduğu environment variable adıdır. Config dosyasında bu adı koruyun, gerçek API key’i shell ortamına koyun.

1

Bu terminal için geçici

Bu terminal penceresini kapatana kadar çalışır.

export WAVESPEED_API_KEY="wsk_live_..."
2

Yeniden başlatmadan sonra koru

Key’i shell profile içine yazar, böylece yeni terminaller okuyabilir.

echo 'export WAVESPEED_API_KEY="wsk_live_..."' >> ~/.zshrc
source ~/.zshrc

Agent entegrasyon rehberi

DeepSeek Harness ile WaveSpeed LLM API kullanın

Bu rehber DeepSeek Harness agentını ~/.dsh/cordis.patch.yml, OpenAI uyumlu chat completions, /v1/chat/completions, base URL https://llm.wavespeed.ai/v1 ve varsayılan model deepseek/deepseek-v4.1-flash-1017 ile WaveSpeed AI’ya nasıl bağlayacağınızı gösterir. Yukarıdaki konfigürasyonu kopyalayın, API key’i export edin, agentı çalıştırın ve requestleri Logs içinde doğrulayın.

1

WaveSpeed access key oluşturun

2

Gerekli key’i yerelde export edin

3

Konfigürasyonu yapıştır

~/.dsh/cordis.patch.yml
4

dsh --profile headless çalıştırın ve Logs’u kontrol edin

Bu DeepSeek Harness setupı neyi yapılandırır

Protokol

OpenAI uyumlu chat completions

Endpoint

/v1/chat/completions

Model

deepseek/deepseek-v4.1-flash-1017

Yukarıdaki kopyalamaya hazır konfigürasyon, önerilen setup için düzenlemeniz gereken tek DeepSeek Harness dosyasıdır: ~/.dsh/cordis.patch.yml. API key’i repository’ye commit etmemek için shell ortamınızda tutun.

Sorun giderme

API key algılanmıyor

WAVESPEED_API_KEY değerini DeepSeek Harness çalıştırdığınız aynı shell içinde export edin. Shell profile kullanıyorsanız agentı başlatmadan önce terminali yeniden yükleyin.

Requestler protokol veya endpoint hatasıyla başarısız oluyor

DeepSeek Harness agentının OpenAI uyumlu chat completions ve endpoint /v1/chat/completions kullandığını kontrol edin. Protokol uyuşmazlığı 404 veya payload hatalarının en yaygın nedenidir.

Seçilen model çalışmıyor

Model id’nin WaveSpeed Models içinde bulunduğunu doğrulayın, ardından tam id’yi ~/.dsh/cordis.patch.yml içine yapıştırın. Bu sayfada gösterilen varsayılan modelle başlayabilirsiniz.

Logs içinde request görünmüyor

DeepSeek Harness agentının WaveSpeed base URL ve mevcut API key’inizi kullandığından emin olun. Ardından yerel agenttan yeni bir prompt gönderin ve Logs’u yenileyin.

Bu DeepSeek Harness rehberi aramada görünebilir mi?

Evet. Bu sayfa DeepSeek Harness custom provider, OpenAI uyumlu endpoint, base URL ve yerel agent konfigürasyon workflowları arayan kullanıcılar için indekslenebilir bir setup rehberi olarak oluşturuldu.