10 月 31 日,deepseek-ai 在 GitHub 以 MIT 协议开源 dsh-superagent-prototype:一个作为 DeepSeek Harness 插件包运行、常驻单个 GitHub 仓库(可选接入飞书)的主动式编码 Agent。授权成员提出请求后,它会建工作项、在独立会话和目录里干活,再回到原对话交付,例如提一个 PR。README 明确写着这是研究原型,不是 DeepSeek 官方产品。同时发布的《Exploring Super-agent Design》提出 Router-Worker 双层架构,媒体转述的团队自测显示 p95 完成时间 15.7 分钟,对比单会话方案 29.5 分钟。
核心要点速览
- ✓开源:deepseek-ai/dsh-superagent-prototype 于 10 月 31 日公开,MIT 协议、TypeScript 实现,写稿时约 1,800 star
- ✓定位:每次部署只服务 1 个 GitHub 仓库,可选接入飞书;只在被授权成员点名或团队写好的规则允许时才动手
- ✓交付:默认只允许为工单开的、增删合计少于 200 行且已获批准的 PR 自动合并,且不以 Agent 自己的账号开启自动合并
- ✓团队自测(据媒体转述文章,厂商口径):约 300 条消息、20 个请求的模拟中,p50 / p95 完成时间 12.4 / 15.7 分钟,单会话加 Subagent 方案为 20.4 / 29.5 分钟
- ✓风险:Worker 会话以运维者的系统用户身份免审批执行命令,README 要求用前先审阅和改造
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
现在的编码 Agent 大多是「一个会话一个任务」:开发者要同时盯 3 到 5 个会话,来回切换、反复交代上下文,真正的瓶颈从模型能力变成了人的注意力。DeepSeek Harness 团队这次给出的答案是一个常驻的「Super-agent」,它的原则写在仓库首页:尽量少占用人的注意力,尽量多给价值。
架构亮点与底层机制
据团队文章,Super-agent 由常驻 Router 层负责人机交互、全局上下文和派活,Router 本身不干具体活;多个上下文隔离的 Worker 会话并行执行任务,通过订阅直接接收后续 PR 评论。外部事件先用程序规则过滤,再交给模型判断。文章还提出投机执行、异步 ReAct 循环、计算与状态和执行环境分离,以及监控卡死和跑偏的 Watchdog。README 说明开源原型与内部版本不同,文章里部分设计尚未实现。
权威 Benchmark 与实测跑分对比
没有公开第三方跑分。据媒体转述的文章数据(团队自测、厂商口径),在约 300 条消息、20 个请求的模拟中,Super-agent 的 p50 / p95 完成时间为 12.4 / 15.7 分钟,单会话加 Subagent 工具为 20.4 / 29.5 分钟;去掉直接交付机制后,缓存读取 token 从 2,323 万升到 3,177 万。
开发者实战落地与开箱指南
需要 Node.js 22.19+、pnpm、git、tmux、GitHub CLI 和 DeepSeek Harness,官方建议让自己的编码 Agent 读 SETUP.md 一问一答完成配置。Worker 以运维者身份免审批执行命令,建议放在隔离机器上,先用很短的授权名单,并在分支保护里强制要求审批。
即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察