DeepSeek Super-Agent: co to jest, jak działa i czego wciąż brakuje21 min read

Otwórz trzy agenty kodujące na raz i możesz poczuć problem. Jeden czeka na decyzję, drugi zakończył się dwadzieścia minut temu, a ty już zapomniałeś, który ma poprawkę autoryzacyjną. Zespół Harness firmy DeepSeek podał liczby: z jego doświadczenia wynika, że ​​dana osoba może uczestniczyć tylko w trzech do pięciu sesjach aktywnego agenta jednocześnie. Po przekroczeniu tego punktu model nie jest już wąskim gardłem. Jesteś.

31 października 2026 r. zespół opublikował artykuł dotyczący projektu tak zwanego superagenta i udostępnił prototyp o nazwie dsh-superagent na zasadach open source. Jest to proaktywny agent kodujący dla jednego repozytorium GitHub. Jedna długotrwała sesja routera rozmawia z ludźmi i zleca pracę, a każde zaakceptowane żądanie otrzymuje własną sesję roboczą, która kończy się żądaniem ściągnięcia lub pytaniem. Repozytorium minęło 12 000 gwiazd w ciągu około dwóch dni. W README jest bez ogródek napisane, że jest to kod badawczy, a nie oficjalny produkt DeepSeek.

Ten przewodnik jest przeznaczony dla inżynierów i kierowników zespołów, którzy chcą wiedzieć, co robi prototyp, jak działa projekt routera i procesu roboczego, co potwierdzają wyniki testów porównawczych, a czego nie potwierdzają oraz co należy sprawdzić przed skierowaniem go do prawdziwego repozytorium.

Jedna uwaga przed szczegółami. Odpowiedzią pracownika na „napraw ten błąd” jest żądanie ściągnięcia, a GitHub jest do tego dobrym miejscem. Resztę tego, co agenci tworzą wokół kodu, trudniej jest umiejscowić: opis pierwotnej przyczyny, podsumowanie testu, tabela porównawcza, o którą prosił recenzent.AgentGrid.ioto współdzielona przestrzeń robocza, w której ludzie i agenci AI tworzą, edytują i udostępniają dokumenty, aplikacje i pliki z jedną aktywną wersją, przypisaniem i historią. Pod koniec wracamy do miejsca, w którym pasuje.

Co to jest DeepSeek Super-Agent?

Dwie rzeczy pojawiły się razem. Pierwszy to długi artykuł projektowy, „Odkrywanie projektu superagenta: w stronę bardziej autonomicznego systemu agentów”. Zespół Harness napisał go po chińsku i 1 listopada opublikował przetłumaczoną maszynowo wersję angielską na platformie X. Odtworzono go ponad 2,2 miliona razy. Drugi to kod:Prototyp deepseek-ai/dsh-superagent, wydany na licencji MIT.

Odkrywanie projektu superagenta: w kierunku bardziej autonomicznego systemu agentów

https://t.co/gwwIHtyCRQ

– Uprząż DeepSeek (@DeepSeekHarness)1 listopada 2026 r

Nie jest to nowy model. dsh-superagent to pakiet dlaDeepSeek Uprząż, uprząż agenta open source DeepSeek, którą firma opisuje jako dostępną na całym świecie publiczną wersję zapoznawczą. Pakiet obserwuje jedno repozytorium GitHub i, jeśli je włączysz, czaty Feishu. Gdy ktoś z listy dozwolonych poprosi agenta o pracę, ten otwiera element pracy, uruchamia go we własnej sesji i katalogu i odpowiada w oryginalnej konwersacji. Panel internetowy pokazuje tylko to, czego potrzebuje dana osoba.

Nazwa jest łatwiejsza niż się wydaje. Cui Tianyi z działu produktów DeepSeek i jeden z końcowych recenzentów artykułu wyjaśnił w poście w Zhihu, że „super” oznacza indeks górny i dolny. Superagent dodaje warstwę nad agentem, który wykonuje pracę, w przeciwieństwie do podagenta, który dodaje warstwę poniżej. Nie jest to twierdzenie o wyższej inteligencji.

Plik README otwiera się ostrzeżeniem, które warto przeczytać w całości: „Badanie prototypu wyłącznie w celach informacyjnych, a nie oficjalnego produktu DeepSeek”. Dodaje, że znaczną część prac inżynieryjnych wykonali agenci kodujący, że kod może zawierać błędy i że niektóre projekty opisane w artykule stanowią wskazówki dotyczące przyszłej pracy i nie zostały zaimplementowane.

Kolejny spadek DeepSeek: dsh-superagent

Struktura agenta, która obsługuje problemy i PR z repo GitHub z wieloma agentami równolegle, zaprojektowana tak, aby zajmować jak najmniej uwagi człowieka, a jednocześnie zapewniać jak najwięcej wartości.

pic.twitter.com/XR73mIvA0V

– Leandro von Werra (@lvwerra)31 października 2026 r

Dlaczego DeepSeek twierdzi, że wąskim gardłem jest uwaga człowieka?

Artykuł zaczyna się od prostej obserwacji. W ciągu ostatniego roku agenci kodujący rozwinęli się na tyle, że model ogranicza jedno zadanie. Ale kiedy wykonasz kilka zadań na raz, limit przechodzi na Ciebie. Każda sesja jest odizolowana, więc możesz przełączać się między nimi ręcznie i śledzić, co każda z nich wie. Przykręcenie CLI, MCP lub łącznika czatu do jednej sesji lokalnej pozwala mu otrzymywać informacje o nowych zdarzeniach, ale nadal blokuje długie polecenia, miesza konteksty z różnych zadań i zatrzymuje się, gdy laptop śpi.

Odpowiedzią DeepSeek jest zaprzestanie traktowania sesji jako jednostki, którą zarządzasz. Wymienia cztery cechy, które powinien posiadać superagent:

• Ciągłe.Rozmawiasz z nim tam, gdzie już pracujesz, na przykład na czacie lub w komentarzach GitHub, a on zachowuje się jak jeden agent. Jeśli poprosisz o plan A na czacie i przełączysz się na plan B w komentarzu do żądania ściągnięcia, nastąpi to.
• Produktywny.Wykonuje równolegle kilka złożonych zadań i wykonuje następną instrukcję przed zakończeniem poprzedniej.
• Proaktywny.Obserwuje wydarzenia, reaguje na to, czym warto się zająć, a w przeciwnym razie milczy.
• Trwałe.Pozostaje online i odzyskuje siły po awariach bez konieczności ponownego uruchamiania.

Autorzy twierdzą, że żadna pojedyncza pętla ReAct nie jest w stanie zapewnić wszystkich czterech, więc jakość musi wynikać z architektury wokół modelu. To jest prawdziwy temat artykułu, a poniższe wizualne wyjaśnienie, udostępnione przez Hesama, to szybki sposób, aby zobaczyć cały projekt na jednej stronie.

oto wizualne wyjaśnienie artykułu DeepSeek na temat Super-Agenta:https://t.co/bByKYDoq6h pic.twitter.com/BhzbBh3NrP

– ℏεsam (@Hesamation)1 listopada 2026 r

Jak działa projekt routera i procesu roboczego?

Pomyśl o dobrym menedżerze ds. inżynierii, który nigdy nie pisze kodu podczas pracy w trybie stand-up. Therouterato jedna długotrwała sesja, podczas której odbierane są wszystkie wiadomości z każdego kanału. Nie wykonuje zadań. Decyduje, o co prosi wiadomość, przekazuje pracownikowi nową pracę i zapisuje każdą odpowiedź zaangażowanym osobom. W artykule napisano, że może w ogóle działać bez narzędzia Shell i że zwykle wystarcza do tego lżejszy, szybszy model.

Apracownikto osobna sesja z wyizolowanym kontekstem i pełnym zestawem narzędzi, dedykowana jednemu zadaniu. Pracownicy nigdy nie rozmawiają z ludźmi bezpośrednio. Zgłaszają status do routera, który odpowiada jednym głosem. W prototypie każdy bilet ma własną sesję i własny katalog, zazwyczaj drzewo robocze git, a liczba procesów roboczych jest ograniczona. Wartość domyślna to trzy na raz, z możliwością regulacji w zakresie od 1 do 16, z jednym dodatkowym miejscem wolnym, dzięki czemu wiadomość danej osoby może zawsze dotrzeć.

Dwa szczegóły sprawiają, że jest to coś więcej niż kolejka zadań.

Dalsze działania pomijają router.Gdy pracownik jest właścicielem żądania ściągnięcia lub wątku czatu, subskrybuje ten wątek. Późniejsze komentarze odnoszą się bezpośrednio do tego, bez dodatkowego wywołania modelu na routerze. Jeśli okaże się, że komentarz dotyczy czegoś innego, pracownik go oddaje.

Wybuchy są grupowane.Wyzwalacze, które pojawiają się w trakcie jednego modelu, umieszczają się w kolejce i są wprowadzane razem do następnego połączenia. Autorzy zmierzyli efekt, a my przyjrzymy się liczbom poniżej.

Jeszcze jeden punkt kontrastu. Artykuł odróżnia to od Zespołu Agentów. W zespole agentów potencjalny klient dzieli złożone zadanie na etapy i koordynuje role, które nad nim pracują, co wymaga dużego wysiłku intelektualnego. Router Super-agent przydziela wyłącznie niezależne zadania i śledzi na wysokim poziomie powiązania między nimi. Nie rozkłada samego dzieła.

Co robi, gdy nikt nie pyta?

W tym miejscu filozofia projektu staje się praktyczna. Pierwszy dokument w repozytorium formułuje zasadę w jednym zdaniu: poświęcaj jak najmniej ludzkiej uwagi, a dawaj jak najwięcej wartości. Każda wiadomość, którą wysyła agent, kosztuje uwagę kolegi, więc wypowiada się tylko wtedy, gdy dana osoba musi działać lub może wykorzystać wynik, a działa tylko wtedy, gdy zostanie o to poproszony lub gdy pozwala na to napisana przez zespół reguła.

Bramą, która to wymusza, jest zwykły kod, a nie model. Sprawdza, kto prosi, na podstawie listy dozwolonych zespołu i rejestruje, jak silna jest prośba:

Ten tryb obserwacji to część, którą lubię najbardziej. Agent zaczyna od zarejestrowania, co by zrobił, aby zespół mógł przeczytać te zapisy na karcie Ocena i rozszerzyć swoje uprawnienia tylko wtedy, gdy wyglądają dobrze. Wiadomości, komentarze i cytowane dokumenty są traktowane jako wkład w podjęcie decyzji. Nie mogą zmienić tego, co agent może zrobić.

W artykule projektowym pokazano, jak w praktyce wygląda praca proaktywna. W wewnętrznej grupie użytkowników wiązki przewodów DeepSeek zespół skonfigurował zasadę „cichego odtwarzania i naprawiania”. Kiedy ktoś zgłasza problem lub omawia proponowaną zmianę, agent próbuje go odtworzyć i znaleźć rozwiązanie w tle, a wynik przynosi dopiero po potwierdzeniu problemu i znalezieniu prostego rozwiązania. W przeciwnym razie pozostaje cicho. W artykule podano również tępe zasady dotyczące kanałów czatu, które autorzy twierdzą, że zweryfikowali: ogranicz każdą odpowiedź do 100 słów. Natomiast w przypadku GitHub żądania ściągnięcia powinny być gęste, z tłem problemu, opisem zmiany i wynikami weryfikacji.

Domyślnie każda wiadomość GitHub publikowana przez agenta zaczyna się od wiersza „To jest wysyłane przez automatycznego agenta, a nie człowieka”. Zespoły mogą to edytować wraz z resztą monitów.

Czy wartości referencyjne się sprawdzają?

W artykule zawarto mały eksperyment, a autorzy starają się nazwać go jedynie orientacyjnym. Cztery projekty działały obok siebie w strumieniu czatów grupowych i wiadomości CI: około 300 wiadomości w każdym przebiegu, około 20 z nich to prawdziwe prośby o pracę, po pięć przebiegów każdy. Pracę nad kodowaniem symulowano za pomocą narzędzia, które po prostu pochłania czas, dlatego test mierzy planowanie i koordynację, a nie jakość czyjegokolwiek kodu.

Przeczytaj tabelę dwa razy, ponieważ nagłówek nie zawiera całej historii. Konstrukcja routera skróciła czas zakończenia p95 o około połowę czasu potrzebnego na pojedynczą sesję, ale zużywał mniej więcej od dwóch do czterech razy więcej tokenów odczytu pamięci podręcznej. Najciekawszy jest drugi wiersz: usunięcie skrótu przekazującego nie spowodowało szybszego ani wolniejszego zakończenia zadań, po prostu sprawiło, że router podejmował o około 30 procent więcej decyzji i spalał o 37 procent więcej tokenów.

Z mojego odczytu wynika, że prawdziwe odkrycie znajduje się w rzędach z pojedynczą sesją. W przypadku neutralnego podpowiedzi model nigdy nie wywoływał subagenta w żadnym z pięciu przebiegów. Samoczynnie wykonywał pracę, ciągle przerywały mu nowe wiadomości, a najwolniejsze zadania zajmowały 29,5 minuty. Po otrzymaniu monitu nakazującego delegowanie zadań delegowano je w czterech z pięciu serii, a w pozostałych seriach model ocenił pracę jako „małą” i wykonał ją sam. Pojedyncza sesja uzależniona jest od nastroju modelki. Router, który nie może uruchamiać kodu, nie może popełnić tego błędu.

Oddzielny test obciążeniowy samego routera zwiększył częstotliwość pojawiania się zdarzeń istotnych z punktu widzenia decyzji z około 1 do około 40 na minutę. Średnia partia wzrosła z 1,0 do 2,8 zdarzeń, czas na żądanie wzrósł jedynie z 2,5 do 3,9 sekundy, a zamortyzowany czas na decyzję spadł z 6,4 do 1,6 sekundy. Im więcej zdarzeń się kumuluje, tym tańsze jest każde z nich, aż do limitu, który według autorów zależy od długości kontekstu i liczby zdarzeń, które model może dokładnie obsłużyć w jednej turze.

DeepSeek właśnie udostępnił prototyp swojego superagenta na zasadach open source. Jedna sesja routera rozmawia z ludźmi i zleca pracę, a odizolowani pracownicy wykonują zadania równolegle względem zdarzeń GitHub. W ich własnym teście czas zakończenia p95 spadł z 29,5 do 15,7 minuty w porównaniu z pojedynczą sesją z użyciem subagentów.

Wieloryb ponownie w wersji open source.pic.twitter.com/mS4sRbHmyx

– Pulchny (@kimmonismus)1 listopada 2026 r

Są to samodzielnie zgłaszane wyniki pracy syntetycznej. Pokazują, że pomysł na planowanie jest słuszny. Nie pokazują, że prototyp szybciej naprawia błędy.

Co osoby bliskie projektowi mówią o jego ograniczeniach?

Wkrótce po premierze Cui Tianyi z działu produktów DeepSeek i jeden z końcowych recenzentów artykułu o projekcie opisał, jak widzi projekt. Jego kadrowanie jest przydatne, ponieważ jest skromne. Nazywa centralny kompromis ciągłością zadań w porównaniu z wydajnością zadań.

Jeśli chodzi o limity, recenzja jest bezpośrednia. Prototyp realizuje tylko część proponowanego projektu. Według jego recenzji, DeepSeek Harness nie miał wbudowanej pamięci długoterminowej podczas sesji. System został sprawdzony jedynie w małym, zaufanym środowisku wewnątrz firmy. W sekcji poświęconej otwartym problemom w artykule opisano skalowanie routera, pamięć na przestrzeni miesięcy, pracę bez sesji, granice kontekstu między agentami oraz sposób, w jaki izolowani agenci powinni ze sobą rozmawiać, a także bezpieczeństwo.

Co należy sprawdzić przed uruchomieniem?

Dokumentacja jest bardziej szczera niż większość postów o uruchomieniu i warto traktować zawarte w niej ostrzeżenia jako wymagania.

• Pracownicy mają szeroki dostęp.Obydwa wstępne ustawienia uprawnień, dla routera i pracowników, są uruchamiane zdanger-full-accessjako użytkownik systemu operacyjnego operatora. Osoby opakowujące konta wybierają, jakich poświadczeń GitHub używa agent, ale dokumentacja twierdzi, że są to wartości domyślne, a nie granica bezpieczeństwa, ponieważ pracownik może nadal uruchamiać program według ścieżki bezwzględnej lub czytać katalog domowy. Zalecane jest dedykowane konto systemu operacyjnego, które przechowuje wyłącznie poświadczenia agenta.
• Niezaufane dane wejściowe to otwarte pytanie zabezpieczające.Artykuł ostrzega, że jeśli natychmiastowe wstrzyknięcie lub włamanie na serwer naruszy pętlę agenta w chmurze, można uzyskać dostęp do każdego podłączonego urządzenia, a dane uwierzytelniające wchodzące do kontekstu modelu mogą wyciekać.
• Domyślnie ludzie łączą się.Agent nigdy nie umożliwia automatycznego łączenia w ramach własnego konta. Automatyczne scalanie wymaga interfejsu CLI drugiego konta wymienionego w monicie Wymagania dotyczące dostawy, a domyślne instrukcje zezwalają na to tylko w przypadku małych, zatwierdzonych żądań ściągnięcia poniżej 200 zmienionych wierszy.
• Jest zbudowany wokół jednego repozytorium.Każda konfiguracja monitoruje pojedyncze repozytorium GitHub, a Feishu, narzędzie do czatowania w miejscu pracy popularne w Chinach, jest drugim pierwszorzędnym źródłem.
• Potrzebujesz wiązki przewodów DeepSeek i dostawcy modelu.Listy instalacyjne Node.js 22.19 lub nowszy, pnpm, git 2.32 lub nowszy, tmux, Python 3.8 lub nowszy oraz GitHub CLI 2.48 lub nowszy. Konfigurowanie dostawcy modelu jest krokiem operatora.
• Hałas to koszt.Dokument filozoficzny mówi, aby nie używać środka do uzyskania objętości. Masowe żądania ściągnięcia i rozgłaszane wiadomości kosztują Twój zespół więcej, niż dają.

Jak byś tego spróbował, nie narażając swojego głównego repozytorium?

Konfiguracja składa się z wielu etapów, więc projekt wymaga, abyś pozwolił agentowi kodującemu zrobić to razem z Tobą. Według README agent zadaje jedno krótkie pytanie na raz, raz pokazuje pełny plan, a następnie wszystko instaluje i konfiguruje. Ostrożne pierwsze uruchomienie wygląda następująco:

1. Wybierz repozytorium jednorazowego użytkuoraz dedykowane konto użytkownika komputera lub systemu operacyjnego. Nie używaj własnego loginu.
2. Utwórz osobne konto GitHub dla agenta.Wszystko, co pisze, pojawia się pod tą nazwą.
3. Otwórz repozytorium w swoim agencie kodującym i wklej poniższy monit.Odpowiadaj na pytania pojedynczo.
4. Zachowaj listę dozwolonych dla siebiei pozostaw tryb akceptacji w trybie obserwacji.
5. Poproś o coś małego.Z dozwolonego konta skomentuj@<agent login> <request>w jakiejś sprawie. Zgłoszenie powinno pojawić się w Przeglądzie panelu w ciągu około minuty.
6. Czytaj zakładkę Eval przez tydzień.Poszerz listę lub przełącz na tryb automatyczny tylko wtedy, gdy rekordy „zaakceptowałyby” wyglądają prawidłowo.

Read SETUP.md in this repository and set up dsh-superagent with me.

Dokument filozoficzny projektu podaje operatorom cztery zasady, które warto powtarzać: zaczynaj od wąskiego zakresu, dostrój tak, aby był jak najmniejszy hałas, nie używaj środka do zwiększania głośności i kontroluj to, co mówi w Twoim imieniu.

Gdzie powinna trafić reszta pracy agenta?

Załóżmy, że pracownik spędza godzinę na niepewnym teście integracyjnym. Żądanie ściągnięcia jest rozwiązaniem. Jednak śledztwo, które za tym stoi, które testy zawiodły, jakie hipotezy wykluczono, co pokazała tabela czasowa, nie mieści się w opisie PR i właśnie to recenzent chce zakwestionować. Jeśli dotyczy to tylko odpowiedzi na czacie, następny agent lub członek zespołu zaczyna od zera.

AgentGrid.iojest zbudowany dla tego przekazania. Ludzie i agenci AI pracują nad tymi samymi aktywnymi dokumentami, aplikacjami i plikami, z jednym stabilnym adresem, kontrolowanym dostępem i historią wersji. Dokumentacja AgentGrid.io opisuje łączenie agenta obsługującego polecenia poprzez uruchomienienpx @animaapp/cli@latest login. Człowiek zatwierdza nazwę agenta, jego zespół i to, co może robić: czytać, pisać, udostępniać lub publikować. Następnie zmiany agenta pojawiają się w historii pod jego własną nazwą. Prototyp nie ma wbudowanej integracji z AgentGrid.io, więc traktuj to jako wzorzec do wypróbowania z pracownikami, a nie udokumentowaną funkcję.

W praktyce pracownik zapisuje swoje dochodzenie jako plik Markdown, recenzent komentuje wiersz tabeli, inny asystent doprecyzowuje podsumowanie, a żądanie ściągnięcia zawiera łącze do jednej aktualnej wersji zamiast trzech wklejonych kopii.

Aby zapoznać się z innym podejściem do sytuacji, w której kilka osób korzysta z jednego agenta, zapoznaj się z naszym przewodnikiemBoty zespołowe Grok Bot. A jeśli zastanawiasz się, co kryje się pod agentem hostowanym, zapoznaj się z naszym przewodnikiemClaude Managed Agentsprzygląda się wersji Anthropic tego samego podziału mózgu i rąk, którą cytuje artykuł DeepSeek.

Kiedy warto zastosować dsh-superagent, a kiedy coś innego?

• Użyj dsh-superagentuczyć się na poważnym, udokumentowanym projekcie, przeprowadzać ograniczony eksperyment w repozytorium niskiego ryzyka lub pożyczać swoje pomysły: router, który nigdy nie uruchamia kodu, bilety o określonym zakresie, tryb obserwacji przed trybem automatycznym.
• Użyj jednego interaktywnego agenta kodującegokiedy pracujesz nad jednym zadaniem na raz i chcesz sterować krok po kroku. Superagent jest stworzony do sytuacji odwrotnej.
• Użyj AgentGrid.iogdy wynikiem jest dokument, raport lub aplikacja, którą kilka osób i agentów musi przejrzeć, edytować i opublikować, niezależnie od tego, który agent go wytworzył.

Często zadawane pytania

Co to jest DeepSeek Super-Agent?

Jest to prototyp badawczy o nazwie dsh-superagent, wydany przez zespół Harness DeepSeek 31 października 2026 roku na licencji MIT. Jest to proaktywny agent kodujący dla jednego repozytorium GitHub. Długotrwała sesja routera przyjmuje żądania i przypisuje każde zaakceptowane do własnej sesji roboczej, która odpowiada w pierwotnej rozmowie, zwykle za pomocą żądania ściągnięcia.

Czy DeepSeek Super-Agent jest oficjalnym produktem DeepSeek?

Nie. W pliku README jest to prototyp badawczy wyłącznie w celach informacyjnych, a nie oficjalny produkt DeepSeek i zaleca się jego przejrzenie i dostosowanie przed użyciem we własnym środowisku. Nie jest również identyczny z wersją wewnętrzną ani z implementacją opisaną w artykule projektowym.

Czym różni się superagent od subagenta?

Podagent dodaje warstwę poniżej działającego agenta. Superagent dodaje nad nim warstwę. W tej konstrukcji router znajduje się nad wieloma pracownikami, rozmawia z ludźmi i przydziela zadania, podczas gdy każdy pracownik wykonuje jedno zadanie w izolacji. Nazwa dotyczy pozycji, a nie twierdzenia o większej inteligencji.

Czy potrzebuje Feishu czy tylko GitHub?

Wystarczy sam GitHub. Feishu jest opcjonalnym drugim źródłem, a dokumentacja mówi, że błąd konfiguracji Feishu powoduje wyłączenie tylko źródła Feishu.

Czy uruchamianie w repozytorium firmowym jest bezpieczne?

Nie tak jak jest. Dokumenty mówią, że pracownicy działają z pełnym dostępem jako użytkownik systemu operacyjnego operatora i że konta opakowania nie stanowią granicy izolacji. Zalecają dedykowane konto systemu operacyjnego, dedykowane konto agenta na GitHub, krótką listę dozwolonych i tryb obserwacji, podczas którego dowiesz się, jak zachowuje się agent.

Czy jest to szybsze niż sesja pojedynczego agenta kodującego?

W symulowanym teście autorów projekt routera zakończył najwolniejsze zadania w 15,7 minuty w porównaniu z 29,5 minutami w przypadku pojedynczej sesji z narzędziem subagenta przy użyciu większej liczby tokenów. W teście wykorzystano symulowaną pracę nad kodowaniem i pięć przebiegów na projekt, więc pokazano korzyści z planowania, a nie jakość kodu.