DeepSeek відкрив вихідний код dsh-superagent — кодингового агента Router-Worker

Команда DeepSeek Harness щойно випустила dsh-superagent — дослідницький прототип із ліцензією MIT. DeepSeek dsh-superagent — це проактивний агент для написання коду в одному репозиторії GitHub. Він постачається як пакет для DeepSeek Harness. Він стежить за GitHub і, за бажанням, за Feishu. Він перетворює дозволені запити на паралельні робочі елементи, кожен у власній сесії агента. Реліз вийшов одночасно з публікацією про дизайн — Дослідження дизайну супер агента: до більш автономної агентної системи.

Коротко

Що це?: Пакет TypeScript, v0.1.0, випущений одним комітом за ліцензією MIT. Він використовує будь-яку модель, налаштовану в профілі Harness.
Працює на: Вашому власному комп’ютері як окремий профіль DeepSeek Harness. Потрібні Node.js 22.19+ або 24+, git 2.32+, Python 3.8+, tmux і GitHub CLI 2.48+.
Продуктивність: У симуляції DeepSeek він виконував завдання значно швидше за умов шумного потоку повідомлень, ніж агент з однією сесією.
Найкращий результат: p95 завершення завдання становив 15,7 хвилини проти 29,5 хвилини для базового варіанта з однією сесією (приблизно у 1,9 раза швидше).
Найгірший результат: Тестування проводилося лише на синтетичних повідомленнях і змодельованих інструментах. Реальну якість написання коду не вимірювали.

Що таке DeepSeek dsh-superagent?

Це агент GitHub, який чекає на запит. Коли до нього звертається дозволена особа, він відкриває робочий елемент під назвою Ticket. Кожен Ticket працює у власній сесії та директорії. Результати повертаються до початкової розмови, часто у вигляді pull request. Локальна вебпанель показує лише те, що потребує уваги людини.

На сторінці README основне правило сформульовано чітко: приділяти якомога менше уваги людини й забезпечувати якомога більшу цінність. У документі про філософію це правило застосовується до поведінки. Агент один раз підтверджує запит, мовчить під час роботи й пише знову лише з результатом, запитанням або повідомленням про помилку.

Навіщо DeepSeek створила супер агента?

Команда DeepSeek стверджує, що основні агенти розглядають 1 сесію як базову одиницю. Згідно зі звітом, як повідомляє ifeng, людина може активно стежити лише за 3–5 сесіями одночасно. Вузьким місцем для багатозадачності стає увага людини, а не можливості моделі.

Як працює архітектура Router-Worker?

Дослідницька команда описує 2 рівні. Router, який працює тривалий час, обробляє взаємодію та розподіл завдань. Ізольовані сесії Worker виконують фактичну роботу.

У прототипі цей процес має конкретний вигляд, згідно з доменна модель:

Source → Trigger: GitHub або Feishu створює події.
Eval: визначає, чи передбачає пакет Trigger створення нової роботи.
Ticket: одиниця авторизованої роботи з незмінним Mandate, у якому зазначено, чому її можна виконувати.
Subscription: подальші коментарі до pull request надходять до потрібного Worker без нового згадування.

Основна сесія працює з пресетом dsh-superagent-router і меншим набором інструментів. Кожен Worker працює з dsh-superagent-worker. Команди оболонки переходять у фоновий режим через 5 секунд, тому Worker продовжують отримувати повідомлення, згідно з документом про виконання.

Проактивна робота обмежується правилами. У документі про авторизацію визначено 3 режими прийняття: off, observe (за замовчуванням) і auto. У режимі observe агент лише записує, що він прийняв би.

Дослідницька команда також перелічує ідеї, що виходять за межі прототипу: зовнішній Watchdog, розділення сховища й обчислень та асинхронний цикл ReAct.

Як він працює?

DeepSeek проводила тестування зі змодельованими потоками групового чату та GitHub CI. Кожен запуск містив близько 300 повідомлень, з яких приблизно 20 були реальними робочими запитами. Кожну схему запускали 5 разів, згідно з описом звіту від ifeng.

Супер агент: p50 — 12,4 хвилини, p95 — 15,7 хвилини.
Одна сесія із субагентами, нейтральний запит: p95 — 29,5 хвилини. Значення p50 не наведено.
Чому: за нейтрального запиту базовий варіант викликав субагента 0 разів у 5 запусках.
Навантаження Router: коли кількість надходжень зростала приблизно з 1 до 40 на хвилину, розмір пакета збільшувався з 1,0 до 2,8. Затримка на запит зростала з 2,5 до 3,9 секунди.

Під час абляційного тесту було вилучено пряму передачу подій. Кількість рішень Router зросла приблизно на 30%, а кількість токенів читання кешу — приблизно на 37%, з 23,23 млн до 31,77 млн. Усі наведені цифри є самозвітами й походять із вторинних повідомлень про звіт.

Як dsh-superagent порівнюється з іншими агентами для написання коду в GitHub?

Функція	DeepSeek dsh-superagent	Хмарний агент GitHub Copilot	Claude Code Action	OpenAI Codex
Тригер	Згадування дозволеною особою; письмові правила	Призначення issue, чат, API, Slack та інше	Згадування `@claude`, призначення issue, запит робочого процесу	`@Codex` у Slack; хмарні завдання
Незапитувана (проактивна) робота	Так, регулюється правилами; за замовчуванням `observe`	Так, через автоматизацію	Так, через події робочого процесу	Не розголошується
Паралельні ізольовані сесії	Так, 1 на кожен Ticket	Не розголошується	Не розголошується	Не розголошується
Де працює	На вашому комп’ютері (профіль Harness)	У GitHub, у фоновому режимі	На вашому виконавці GitHub Actions	У хмарі Codex
Джерело чату	Feishu (необов’язково)	Slack, Teams	Не розголошується	Slack
Ліцензія	MIT	Не розголошується	MIT	Агент CLI з відкритим кодом
Доступність	Дослідницький прототип	Усі платні плани Copilot	Ваш API-ключ або хмарний провайдер	ChatGPT Plus і вище

Ключові висновки

DeepSeek випустила dsh-superagent — прототип проактивного агента для написання коду з ліцензією MIT.
Router розподіляє роботу, а ізольовані сесії Worker виконують кожен Ticket.
Змодельований час виконання завдання p95: 15,7 хвилини проти 29,5 хвилини для однієї сесії.
Проактивна робота залишається в режимі observe, доки команда його не ввімкне.
Він працює з повним доступом користувача операційної системи, тому перед використанням його слід ізолювати.

Перегляньте репозиторій GitHub, інструкцію з налаштування та документацію з дизайну. Також підписуйтеся на нас у Twitter і не забудьте приєднатися до нашого субреддіту про машинне навчання з понад 150 тисячами учасників та підписатися на нашу розсилку. Стривайте! Ви є в Telegram? тепер ви також можете приєднатися до нас у Telegram.

Потрібно співпрацювати з нами для просування вашого репозиторію GitHub, сторінки Hugging Face, релізу продукту, вебінару тощо? Зв’яжіться з нами

Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.