DeepSeek открыл исходный код dsh-superagent — кодирующего агента Router-Worker

Команда DeepSeek Harness только что выпустила dsh-superagent — исследовательский прототип под лицензией MIT. DeepSeek dsh-superagent — проактивный агент для программирования в одном репозитории GitHub. Он поставляется как пакет для DeepSeek Harness. Он отслеживает GitHub и, опционально, Feishu. Он превращает разрешённые запросы в параллельные рабочие задачи, каждая из которых выполняется в собственной сессии агента. Релиз вышел одновременно с публикацией о дизайне системы — Исследование дизайна супер-агента: к более автономной системе агентов.

Кратко

• Что это?: Пакет TypeScript версии 0.1.0, выпущенный в виде 1 коммита под лицензией MIT. Он использует любую модель, заданную в профиле Harness.
• Работает на: Вашем собственном компьютере, в качестве выделенного профиля DeepSeek Harness. Требуются Node.js 22.19+ или 24+, git 2.32+, Python 3.8+, tmux и GitHub CLI 2.48+.
• Производительность: В симуляции DeepSeek он выполнял задачи значительно быстрее в условиях потока сообщений с большим количеством шума, чем агент в одной сессии.
• Лучший результат: p95 времени выполнения задачи составил 15,7 минуты против 29,5 минуты для базового варианта с одной сессией (примерно в 1,9 раза быстрее).
• Худший результат: Тестирование проводилось только на синтетических сообщениях и симулированных инструментах. Реальное качество программирования не измерялось.

Что такое DeepSeek dsh-superagent?

Это агент GitHub, который ждёт запроса. Когда к нему обращается разрешённый пользователь, он создаёт рабочую задачу, называемую тикетом. Каждый тикет выполняется в собственной сессии и каталоге. Результаты возвращаются в исходный разговор, часто в виде запроса на слияние. Локальная веб-панель отображает только то, что требует участия человека.

На странице README основное правило сформулировано предельно ясно: требовать от человека как можно меньше внимания и приносить как можно больше пользы. Документ с описанием философии применяет этот принцип к поведению системы. Агент один раз подтверждает запрос, сохраняет молчание во время работы и пишет снова только при наличии результата, вопроса или сбоя.

Зачем DeepSeek создала супер-агента?

Команда DeepSeek утверждает, что распространённые агенты считают 1 сессию базовой единицей работы. Согласно отчёту, как сообщает ifeng, человек может активно отслеживать одновременно лишь от 3 до 5 сессий. Ограничивающим фактором при многозадачности становится внимание человека, а не возможности модели.

Как работает архитектура Router-Worker?

Исследовательская команда описывает 2 уровня. Долгоживущий Router отвечает за взаимодействие и распределение задач. Изолированные сессии Worker выполняют фактическую работу.

В прототипе этот процесс реализован следующим образом, согласно доменной модели:

• Источник → Триггер: GitHub или Feishu создаёт события.
• Оценка: определяет, требует ли пакет триггеров создания новой работы.
• Тикет: единица авторизованной работы с неизменяемым мандатом, в котором указано, почему выполнение разрешено.
• Подписка: последующие комментарии к запросу на слияние поступают нужному Worker без нового упоминания.

Основная сессия запускает пресет dsh-superagent-router с меньшим набором инструментов. Каждый Worker запускает dsh-superagent-worker. Команды оболочки переходят в фоновый режим через 5 секунд, поэтому Worker продолжает получать сообщения, согласно документу об исполнении.

Проактивная работа ограничена правилами. В документе об авторизации определены 3 режима принятия: off, observe (по умолчанию) и auto. В режиме observe агент только записывает, что он принял бы.

Исследовательская команда также перечисляет идеи, выходящие за рамки прототипа: внешний Watchdog, разделение хранения и вычислений, а также асинхронный цикл ReAct.

Какова его производительность?

DeepSeek проводила тестирование с использованием симулированных потоков группового чата и GitHub CI. Каждый запуск включал около 300 сообщений, из которых примерно 20 были реальными запросами на выполнение работы. Каждая схема запускалась 5 раз, согласно описанию отчёта изданием ifeng.

• Супер-агент: p50 — 12,4 минуты, p95 — 15,7 минуты.
• Одна сессия с субагентами, нейтральный промпт: p95 — 29,5 минуты. Значение p50 не приводилось.
• Почему: при нейтральном промпте базовый вариант ни разу не вызвал субагента в 5 запусках.
• Нагрузка Router: при росте числа поступающих запросов примерно с 1 до 40 в минуту размер пакета увеличивался с 1,0 до 2,8. Задержка на запрос возрастала с 2,5 до 3,9 секунды.

В абляционном исследовании была отключена прямая передача событий. Число решений Router выросло примерно на 30%, а число токенов чтения из кэша — примерно на 37%, с 23,23 млн до 31,77 млн. Все показатели предоставлены самой командой и взяты из вторичных пересказов отчёта.

Как dsh-superagent сравнивается с другими агентами для программирования в GitHub?

Функция	DeepSeek dsh-superagent	Облачный агент GitHub Copilot	Claude Code Action	OpenAI Codex
Триггер	Упоминание разрешённым пользователем; письменные правила	Назначение задачи, чат, API, Slack и другие источники	Упоминание @claude, назначение задачи, запрос в рабочем процессе	@Codex в Slack; облачные задачи
Незапрошенная (проактивная) работа	Да, ограничена правилами; по умолчанию observe	Да, через автоматизацию	Да, через события рабочего процесса	Не раскрыто
Параллельные изолированные сессии	Да, 1 на каждый тикет	Не раскрыто	Не раскрыто	Не раскрыто
Где работает	На вашем компьютере (профиль Harness)	В GitHub, в фоновом режиме	На вашем исполнителе GitHub Actions	В облаке Codex
Источник чата	Feishu (опционально)	Slack, Teams	Не раскрыто	Slack
Лицензия	MIT	Не раскрыто	MIT	Агент CLI с открытым исходным кодом
Доступность	Исследовательский прототип	Все платные тарифы Copilot	Ваш API-ключ или облачный провайдер	ChatGPT Plus и выше

Основные выводы

• DeepSeek выпустила прототип проактивного агента для программирования dsh-superagent под лицензией MIT.
• Router распределяет работу, а изолированные сессии Worker выполняют каждый тикет.
• Симулированное время выполнения задачи при p95: 15,7 минуты против 29,5 минуты для одной сессии.
• Проактивная работа остаётся в режиме observe, пока команда не включит её.
• Агент работает с полным доступом к операционной системе от имени пользователя, поэтому перед использованием его необходимо изолировать.

---

Посмотрите репозиторий на GitHub, руководство по настройке и документы о дизайне. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь вы также можете присоединиться к нам в Telegram.

Хотите сотрудничать с нами для продвижения своего репозитория GitHub, страницы Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами