DeepSeek Super-Agent: Ano Ito, Paano Ito Gumagana, at Ano ang Nawawala Pa24 min read

Buksan ang tatlong coding agent nang sabay-sabay at mararamdaman mo ang problema. Ang isa ay naghihintay para sa isang desisyon, ang isa ay natapos dalawampung minuto ang nakalipas, at nakalimutan mo na kung alin ang may pag-aayos ng auth.DeepSeekAng koponan ng Harness ay naglagay ng isang numero dito: sa karanasan nito, maaari lamang sundin ng isang tao ang tatlo hanggang limang aktibong sesyon ng ahente sa isang pagkakataon. Pagkalipas ng puntong iyon, ang modelo ay hindi na ang bottleneck. ikaw ay.

Noong Oktubre 31, 2026, nag-publish ang team ng isang artikulo sa disenyo para sa tinatawag nitong Super-agent at open-sourced na isang prototype na pinangalanangdsh-superagent. Isa itong proactive coding agent para sa isaGitHubimbakan. Isang mahabang buhay na session ng router ang nakikipag-usap sa mga tao at namimigay ng trabaho, at bawat tinatanggap na kahilingan ay nakakakuha ng sarili nitong session ng manggagawa na nagtatapos sa isang pull request o isang tanong. Ang repository ay pumasa sa 12,000 bituin sa loob ng halos dalawang araw. Ang README nito ay prangka na ito ay code ng pananaliksik at hindi isang opisyalDeepSeekprodukto.

Ang gabay na ito ay para sa mga inhinyero at pinuno ng koponan na gustong malaman kung ano ang ginagawa ng prototype, kung paano gumagana ang disenyo ng router at manggagawa, kung ano ang ginagawa at hindi pinatutunayan ng mga benchmark na numero, at kung ano ang susuriin bago ito ituro sa isang tunay na imbakan.

Isang tala bago ang mga detalye. Ang sagot ng isang manggagawa sa “ayusin ang bug na ito” ay isang pull request, atGitHubay isang magandang tahanan para doon. Ang natitirang bahagi ng kung ano ang ginagawa ng mga ahente sa paligid ng code ay mas mahirap ilagay: ang root-cause write-up, ang buod ng pagsubok, ang paghahambing na talahanayan na hiniling ng isang reviewer.AgentGrid.ioay isang nakabahaging workspace kung saan ang mga tao at mga ahente ng AI ay gumagawa, nag-e-edit at nagbabahagi ng mga dokumento, app at file, na may isang live na bersyon, attribution, at history. Bumalik kami sa kung saan ito magkasya malapit sa dulo.

Ano angDeepSeek Super-Agent?

Dalawang bagay ang lumitaw nang magkasama. Ang una ay isang mahabang artikulo sa disenyo, “Paggalugad ng Super-agent na Disenyo: Tungo sa Higit na Autonomous Agent System”. Isinulat ito ng pangkat ng Harness sa wikang Chinese at nag-post ng isang bersyon ng Ingles na isinalin ng makina sa X noong Nobyembre 1. Ito ay nakita nang higit sa 2.2 milyong beses. Ang pangalawa ay ang code:deepseek-ai/dsh-superagent-prototype, na inilabas sa ilalim ng lisensya ng MIT.

Paggalugad ng Super-agent na Disenyo: Tungo sa Higit na Autonomous Agent System

https://t.co/gwwIHtyCRQ

– DeepSeek Harness (@DeepSeekHarness)Nobyembre 1, 2026

Hindi ito bagong modelo. Ang dsh-superagent ay isang bundle para saDeepSeek Harness, ang open-source agent harness ng DeepSeek, na inilalarawan ng kumpanya bilang nasa pampublikong preview sa buong mundo. Ang bundle ay nanonood ng isang GitHub repository at, kung i-on mo ito, Feishu ang mga chat. Kapag ang isang tao sa isang pinahihintulutang listahan ay humingi ng trabaho sa ahente, magbubukas ito ng item sa trabaho, magpapatakbo nito sa sarili nitong session at direktoryo, at sumasagot sa orihinal na pag-uusap. Ipinapakita lamang ng isang web panel kung ano ang kailangan ng isang tao.

Ang pangalan ay mas madali kaysa ito tunog. Ipinaliwanag ni Cui Tianyi, mula sa departamento ng produkto ng DeepSeek at isa sa mga huling tagasuri ng artikulo, sa isang post sa Zhihu na ang ibig sabihin ng “super” ay tulad ng sa superscript versus subscript. Ang isang Super-agent ay nagdaragdag ng isang layer sa itaas ng ahente na gumagawa ng trabaho, ang kabaligtaran ng isang sub-agent, na nagdaragdag ng isa sa ibaba nito. Hindi ito pag-aangkin ng superyor na katalinuhan.

Ang README ay bubukas na may babalang sulit na basahin nang buo: “Research prototype para sa sanggunian lamang, hindi isang opisyal na DeepSeek na produkto.” Idinagdag nito na ang karamihan sa engineering ay ginawa ng mga ahente ng coding, na ang code ay maaaring naglalaman ng mga bug, at ang ilang mga disenyo sa artikulo ay mga direksyon para sa hinaharap na trabaho at hindi ipinatupad.

Isa pang pagbaba ng DeepSeek: dsh-superagent

Isang balangkas ng ahente na gumagana sa pamamagitan ng mga isyu sa GitHub ng isang repo at mga PR na may maraming ahente na magkakatulad, na idinisenyo upang kumuha ng kaunting atensyon ng tao hangga’t maaari habang naghahatid ng mas maraming halaga hangga’t maaari.

pic.twitter.com/XR73mIvA0V

– Leandro von Werra (@lvwerra)Oktubre 31, 2026

Bakit sinasabi ng DeepSeek na ang bottleneck ay atensyon ng tao?

Nagsisimula ang artikulo sa isang simpleng obserbasyon. Sa nakalipas na taon, ang mga ahente ng coding ay nakakuha ng sapat na mahusay na ang isang gawain ay limitado ng modelo. Ngunit sa sandaling magpatakbo ka ng ilang gawain nang sabay-sabay, lilipat sa iyo ang limitasyon. Ang bawat session ay nakahiwalay, kaya lumipat ka sa pagitan ng mga ito sa pamamagitan ng kamay at subaybayan kung ano ang alam ng bawat isa. Ang pag-bolting ng CLI, MCP o isang chat connector sa isang lokal na session ay nagbibigay-daan dito na marinig ang tungkol sa mga bagong kaganapan, ngunit ito ay humaharang pa rin sa mahabang command, pinaghahalo ang mga konteksto mula sa iba’t ibang gawain, at humihinto kapag nakatulog ang iyong laptop.

Ang sagot ng DeepSeek ay ihinto ang pagtrato sa session bilang unit na iyong pinamamahalaan. Naglilista ito ng apat na katangian na dapat taglayin ng isang Super-agent:

• tuloy-tuloy.Kausapin mo ito kung saan ka na nagtatrabaho, gaya ng chat o mga komento ng GitHub, at kumikilos ito na parang isang ahente. Kung humingi ka ng plan A sa chat at lumipat sa plan B sa isang komento ng pull request, sumusunod ito.
• Produktibo.Ito ay nagpapatakbo ng ilang kumplikadong mga gawain nang magkatulad at kumukuha ng susunod na pagtuturo bago matapos ang huling isa.
• Proactive.Nanonood ito ng mga kaganapan, kumikilos ayon sa kung ano ang nararapat pangasiwaan at mananatiling tahimik kung hindi man.
• Nagpupursige.Nananatili itong online at bumabawi mula sa mga pagkabigo nang hindi mo ito nire-restart.

Nagtatalo ang mga may-akda na walang solong ReAct loop ang makakapaghatid sa lahat ng apat, kaya ang mga katangian ay kailangang magmula sa arkitektura sa paligid ng modelo. Iyan ang tunay na paksa ng artikulo, at ang visual na nagpapaliwanag sa ibaba, na ibinahagi ni Hesam, ay isang mabilis na paraan upang makita ang buong disenyo sa isang pahina.

narito ang isang visual na nagpapaliwanag ng artikulo ng DeepSeek tungkol sa Super-Agent:https://t.co/bByKYDoq6h pic.twitter.com/BhzbBh3NrP

– ℏεsam (@Hesamation)Nobyembre 1, 2026

Paano gumagana ang disenyo ng router at manggagawa?

Mag-isip ng isang mahusay na manager ng engineering na hindi kailanman nagsusulat ng code habang nakatayo. Angrouteray isang mahabang-buhay na session na tumatanggap ng bawat mensahe mula sa bawat channel. Hindi ito nagpapatakbo ng mga gawain. Nagpapasya ito kung ano ang hinihingi ng mensahe, nagbibigay ng bagong trabaho sa isang manggagawa, at isinusulat ang bawat tugon sa mga taong sangkot. Sinasabi ng artikulo na maaari itong tumakbo nang walang shell tool, at ang mas magaan, mas mabilis na modelo ay karaniwang sapat para dito.

Amanggagawaay isang hiwalay na session na may nakahiwalay na konteksto at isang buong hanay ng mga tool, na nakatuon sa isang gawain. Ang mga manggagawa ay hindi kailanman direktang nakikipag-usap sa mga tao. Nag-uulat sila ng status sa router, na nagpapanatili ng mga tugon sa isang boses. Sa prototype, ang bawat tiket ay nakakakuha ng sarili nitong session at sarili nitong direktoryo, karaniwang isang git worktree, at ang bilang ng manggagawa ay nililimitahan. Ang default ay tatlo sa isang pagkakataon, adjustable mula 1 hanggang 16, na may isang dagdag na slot na pinananatiling libre upang ang mensahe ng isang tao ay palaging makakarating.

Ginagawa ito ng dalawang detalye kaysa sa isang pila ng gawain.

Nilaktawan ng mga follow-up ang router.Kapag ang isang manggagawa ay nagmamay-ari ng pull request o isang chat thread, nag-subscribe ito sa thread na iyon. Ang mga komento sa ibang pagkakataon ay dumiretso dito, nang walang dagdag na tawag sa modelo sa router. Kung ang isang komento ay lumabas na tungkol sa ibang bagay, ibabalik ito ng manggagawa.

Magkaka-batch ang mga pagsabog.Ang mga trigger na dumarating sa panahon ng isang modelo ay pumipila at sabay-sabay na ini-inject sa susunod na tawag. Sinukat ng mga may-akda ang epekto, at tinitingnan namin ang mga numero sa ibaba.

Isa pang punto ng contrast. Tinutukoy ito ng artikulong ito mula sa isang Koponan ng Ahente. Sa isang pangkat ng ahente, hinahati ng isang lead ang isang kumplikadong gawain sa mga hakbang at inuugnay ang mga tungkuling gumagana dito, na isang mabigat na pagkarga ng pangangatwiran. Ang Super-agent router ay nagpapadala lamang ng mga independiyenteng gawain at sinusubaybayan kung paano nauugnay ang mga ito sa isang mataas na antas. Hindi nito nabubulok ang gawain mismo.

Ano ang ginagawa kapag walang nagtanong?

Dito nagiging praktikal ang pilosopiya ng proyekto. Ang unang dokumento sa repository ay nagsasaad ng prinsipyo sa isang linya: kumuha ng kaunting atensyon ng tao hangga’t maaari, at magbigay ng mas maraming halaga hangga’t maaari. Ang bawat mensahe na ipinapadala ng ahente ay nagkakahalaga ng atensyon ng isang kasamahan, kaya nagsasalita lamang ito kapag ang isang tao ay dapat kumilos o maaaring gumamit ng isang resulta, at ito ay kumikilos lamang kapag tinanong o kapag pinahihintulutan ito ng isang panuntunang isinulat ng koponan.

Ang gate na nagpapatupad nito ay plain code, hindi isang modelo. Sinusuri nito kung sino ang humihiling laban sa pinahihintulutang listahan ng koponan at itinatala kung gaano kalakas ang kahilingan:

Yung observe mode ang pinaka gusto kong part. Magsisimula ang ahente sa pamamagitan ng pagre-record ng kung ano ang gagawin nito, para mabasa ng team ang mga record na iyon sa tab na Eval at palawakin ang mga pahintulot nito kapag tama lang ang tingin nila. Ang mga mensahe, komento at sinipi na dokumento ay itinuturing bilang mga input sa isang desisyon. Hindi nila mababago kung ano ang pinapayagang gawin ng ahente.

Ipinapakita ng artikulo sa disenyo kung ano ang hitsura ng aktibong gawain sa pagsasanay. Sa panloob na pangkat ng user ng DeepSeek Harness, nag-configure ang team ng patakarang “silently reproduce and fix.” Kapag may nag-ulat ng isyu o tinalakay ang isang iminungkahing pagbabago, sinusubukan ng ahente na kopyahin ito at maghanap ng pag-aayos sa background, at naghahatid lamang ito ng resulta pagkatapos nitong makumpirma ang problema at makahanap ng simpleng pag-aayos. Kung hindi, ito ay mananatiling tahimik. Nagbibigay din ang artikulo ng mapurol na panuntunan para sa mga channel ng chat na sinasabi ng mga may-akda na na-verify nila: limitahan ang bawat tugon sa 100 salita. Sa GitHub, sa kabilang banda, ang mga kahilingan sa paghila ay dapat na siksik, na may background ng problema, ang paglalarawan ng pagbabago at ang mga resulta ng pag-verify.

Bilang default, ang bawat GitHub na mensahe ay nagsisimula ang mga post ng ahente sa linyang “Ito ay sa pamamagitan ng isang awtomatikong ahente, hindi isang tao.” Maaaring i-edit iyon ng mga koponan, kasama ang iba pang mga senyas.

Nananatili ba ang mga benchmark na numero?

Ang artikulo ay may kasamang isang maliit na eksperimento, at ang mga may-akda ay maingat na tawagin itong nagpapahiwatig lamang. Apat na disenyo ang tumakbo nang magkatabi sa isang stream ng mga mensahe ng group-chat at CI: humigit-kumulang 300 mga mensahe sa bawat pagtakbo, humigit-kumulang 20 sa mga ito ay mga kahilingan sa totoong trabaho, limang tumatakbo bawat isa. Ang gawaing pag-coding ay ginaya ng isang tool na kumukonsumo lang ng oras, kaya sinusukat ng pagsubok ang pag-iiskedyul at koordinasyon, hindi ang kalidad ng code ng sinuman.

Basahin ang talahanayan ng dalawang beses, dahil ang headline ay hindi ang buong kuwento. Ang disenyo ng router ay nagbawas ng oras ng pagkumpleto ng p95 sa humigit-kumulang kalahati ng sa isang session, ngunit gumamit ito ng humigit-kumulang dalawa hanggang apat na beses ang mga token na binasa ng cache. At ang pinaka-kagiliw-giliw na row ay ang pangalawa: ang pag-alis ng pass-through na shortcut ay hindi naging dahilan upang matapos ang mga gawain nang mas mabilis o mas mabagal, ginawa lang nito ang router na gumawa ng humigit-kumulang 30 porsiyento ng higit pang mga desisyon at magsunog ng 37 porsiyentong higit pang mga token.

Ang aking nabasa ay ang tunay na paghahanap ay nasa mga hilera ng single-session. Sa isang neutral na prompt, ang modelo ay hindi kailanman tumawag ng subagent sa alinman sa limang run. Ginawa nito ang trabaho mismo, ang mga bagong mensahe ay patuloy na nakakagambala dito, at ang pinakamabagal na mga gawain ay tumagal ng 29.5 minuto. Sa pamamagitan ng isang prompt na sinabihan itong magtalaga, nagtalaga ito sa apat sa limang pagtakbo, at sa natitirang pagtakbo ay hinusgahan ng modelo ang gawain na “maliit” at ginawa ito mismo. Ang isang session ay depende sa mood ng modelo. Ang isang router na hindi pinapayagang magpatakbo ng code ay hindi makakagawa ng pagkakamaling iyon.

Ang isang hiwalay na stress test sa router lamang ay nagtaas ng rate ng pagdating ng mga kaganapang karapat-dapat sa desisyon mula sa humigit-kumulang 1 hanggang 40 bawat minuto. Ang average na batch ay lumago mula 1.0 hanggang 2.8 na kaganapan, ang oras sa bawat kahilingan ay tumaas lamang mula 2.5 hanggang 3.9 segundo, at ang amortized na oras bawat desisyon ay bumaba mula 6.4 hanggang 1.6 segundo. Ang mas maraming kaganapan ay natambak, mas mura ang nakukuha ng bawat isa, hanggang sa isang limitasyon na sinasabi ng mga may-akda ay depende sa haba ng konteksto at kung gaano karaming mga kaganapan ang isang modelo ay maaaring hawakan nang tumpak sa isang pagliko.

Ang DeepSeek ay open-source lang sa Super-agent na prototype nito. Ang isang session ng router ay nakikipag-usap sa mga tao at nagbibigay ng trabaho, at ang mga nakahiwalay na manggagawa ay nagpapatakbo ng mga gawain nang magkatulad sa mga kaganapang GitHub. Sa kanilang sariling pagsubok, ang oras ng pagkumpleto ng p95 ay bumaba mula 29.5 hanggang 15.7 min kumpara sa isang session gamit ang mga subagents.

Ang balyena open sourced muli.pic.twitter.com/mS4sRbHmyx

– Chubby (@kimmonismus)Nobyembre 1, 2026

Ang mga ito ay sariling-ulat na mga resulta sa gawang gawa ng tao. Ipinakita nila na ang ideya sa pag-iskedyul ay mabuti. Hindi nila ipinapakita na mas mabilis na inaayos ng prototype ang iyong mga bug.

Ano ang sinasabi ng mga taong malapit sa proyekto tungkol sa mga limitasyon nito?

Di-nagtagal pagkatapos ng paglabas, isinulat ni Cui Tianyi, mula sa departamento ng produkto ng DeepSeek at isa sa mga huling tagasuri ng artikulo ng disenyo, kung paano niya nakikita ang disenyo. Ang kanyang pag-frame ay kapaki-pakinabang dahil ito ay katamtaman. Pinangalanan niya ang gitnang trade-off bilang pagpapatuloy sa mga gawain kumpara sa throughput ng gawain.

Sa mga limitasyon, direkta ang pagsusuri. Ang prototype ay nagpapatupad lamang ng bahagi ng iminungkahing disenyo. Sa kanyang pagsusuri, ang DeepSeek Harness ay walang built-in na pangmatagalang memorya sa mga session. At ang sistema ay napatunayan lamang sa isang maliit, pinagkakatiwalaang kapaligiran sa loob ng kumpanya. Ang sariling seksyon ng mga bukas na problema ng artikulo ay naglilista ng pag-scale sa router, memory sa paglipas ng mga buwan, pagtatrabaho nang walang session, mga hangganan ng konteksto sa pagitan ng mga ahente at kung paano dapat makipag-usap ang mga nakahiwalay na ahente sa isa’t isa, at seguridad.

Ano ang dapat mong suriin bago patakbuhin ito?

Ang dokumentasyon ay mas tapat kaysa sa karamihan ng mga post sa paglulunsad, at sulit na ituring ang mga babala nito bilang mga kinakailangan.

• Ang mga manggagawa ay may malawak na pag-access.Ang parehong mga preset ng pahintulot, para sa router at para sa mga manggagawa, ay tumatakbo kasamadanger-full-accessbilang gumagamit ng OS ng operator. Pinipili ng mga balot ng account kung aling mga kredensyal ng GitHub ang ginagamit ng ahente, ngunit sinasabi ng mga doc na ang mga ito ay mga default at hindi isang hangganan ng seguridad, dahil ang isang manggagawa ay maaari pa ring magpatakbo ng isang programa sa pamamagitan ng ganap na landas o basahin ang iyong direktoryo ng tahanan. Ang rekomendasyon ay isang nakalaang OS account na nagtataglay lamang ng mga kredensyal ng ahente.
• Ang hindi pinagkakatiwalaang input ay ang bukas na tanong sa seguridad.Nagbabala ang artikulo na kung ang isang maagang pag-iniksyon o panghihimasok ng server ay nakompromiso ang cloud agent loop, ang bawat konektadong device ay maaaring maabot, at ang mga kredensyal na pumapasok sa konteksto ng modelo ay maaaring tumagas.
• Ang mga tao ay nagsasama bilang default.Hindi kailanman pinapagana ng ahente ang auto-merge sa ilalim ng sarili nitong account. Ang auto-merge ay nangangailangan ng CLI ng pangalawang account na pinangalanan sa Prompt ng mga kinakailangan sa Paghahatid, at pinapayagan lamang ito ng mga default na tagubilin para sa maliliit, naaprubahang mga kahilingan sa pull na wala pang 200 binagong linya.
• Ito ay binuo sa paligid ng isang imbakan.Ang bawat setup ay nanonood ng iisang GitHub repository, at ang Feishu, isang workplace chat tool na karaniwan sa China, ay ang isa pang first-class na source.
• Kailangan mo ng DeepSeek Harness at isang provider ng modelo.Inililista ng setup ang Node.js 22.19 o mas bago, pnpm, git 2.32 o mas bago, tmux, Python 3.8 o mas bago at GitHub CLI 2.48 o mas bago. Ang pag-configure ng isang tagapagbigay ng modelo ay isang hakbang ng operator.
• Ang ingay ay isang gastos.Sinasabi ng dokumento ng pilosopiya na huwag gamitin ang ahente upang makagawa ng volume. Mass pull request at broadcast messages ang gastos ng iyong team kaysa sa ibinibigay nila.

Paano mo ito susubukan nang walang panganib sa iyong pangunahing imbakan?

Maraming hakbang ang pag-setup, kaya hinihiling sa iyo ng proyekto na hayaan ang isang coding agent na gawin ito kasama mo. Ayon sa README, ang ahente ay nagtatanong ng isang maikling tanong sa isang pagkakataon, ipinapakita ang buong plano nang isang beses, at pagkatapos ay i-install at i-configure ang lahat. Ang isang maingat na unang pagtakbo ay ganito ang hitsura:

1. Pumili ng isang itinapon na imbakanat isang dedikadong user ng makina o OS account. Huwag gumamit ng sarili mong login.
2. Gumawa ng hiwalay na GitHub account para sa ahente.Ang lahat ng isinulat nito ay lilitaw sa ilalim ng pangalang iyon.
3. Buksan ang repository sa iyong coding agent at i-paste ang prompt sa ibaba.Sagutin ang mga tanong nito nang paisa-isa.
4. Panatilihin ang pinapayagang listahan sa iyong sariliat iwanan ang accept mode sa observe.
5. Humiling ng maliit na bagay.Mula sa isang pinapayagang account, magkomento@<agent login> <request>sa isang isyu. Dapat lumabas ang isang tiket sa Pangkalahatang-ideya ng panel sa loob ng humigit-kumulang isang minuto.
6. Basahin ang tab na Eval sa loob ng isang linggo.Palawakin ang listahan o lumipat sa auto lamang kapag ang “tatanggap” na mga tala ay mukhang tama.

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

Ang dokumento ng pilosopiya ng proyekto ay nagbibigay sa mga operator ng apat na panuntunan na sulit na paulit-ulit: simulan ang makitid, tune para sa mas kaunting ingay, huwag gamitin ang ahente upang makagawa ng volume, at pagmamay-ari ang sinasabi nito sa iyong pangalan.

Saan dapat mapunta ang natitirang trabaho ng ahente?

Ipagpalagay na ang isang manggagawa ay gumugugol ng isang oras sa isang patumpik-tumpik na pagsubok sa pagsasama. Ang kahilingan sa paghila ay ang ayusin. Ngunit ang pagsisiyasat sa likod nito, kung aling mga pagsubok ang nabigo, kung aling mga hypotheses ang ibinukod nito, kung ano ang ipinakita ng talahanayan ng timing, ay hindi kabilang sa isang paglalarawan ng PR, at ito mismo ang gustong hamunin ng tagasuri. Kung iyon ay nakatira lamang sa isang chat reply, ang susunod na ahente o teammate ay magsisimula sa simula.

AgentGrid.ioay binuo para sa handoff na iyon. Ang mga tao at mga ahente ng AI ay nagtatrabaho sa parehong mga live na dokumento, app at file, na may isang matatag na address, kontroladong pag-access at isang kasaysayan ng bersyon. Inilalarawan ng mga dokumento ng AgentGrid.io ang pagkonekta ng isang ahente na may kakayahang command sa pamamagitan ng pagpapatakbonpx @animaapp/cli@latest login. Inaprubahan ng isang tao ang pangalan ng ahente, pangkat at kung ano ang maaaring gawin nito: magbasa, magsulat, magbahagi o mag-publish. Pagkatapos nito, ang mga pagbabago ng ahente ay lilitaw sa kasaysayan sa ilalim ng sarili nitong pangalan. Ang prototype ay walang built-in na AgentGrid.io integration, kaya ituring ito bilang isang pattern upang subukan sa mga manggagawa nito, hindi isang dokumentadong tampok.

Sa pagsasagawa, isinusulat ng manggagawa ang pagsisiyasat nito bilang Markdown file, nagkomento ang reviewer sa isang row ng talahanayan, hinihigpitan ng isa pang katulong ang buod, at nagli-link ang pull request sa isang kasalukuyang bersyon sa halip na tatlong naka-paste na kopya.

Para sa isa pang pagkuha sa ilang tao na nagbabahagi ng isang ahente, tingnan ang aming gabay saMga Bot ng Koponan ng Grok Bot. At kung nagtataka ka kung ano ang tumatakbo sa ilalim ng isang naka-host na ahente, ang aming gabay saClaude Managed Agentstinitingnan ang bersyon ng Anthropic ng parehong utak at mga kamay na nahati, na binanggit ng artikulo ng DeepSeek.

Kailan mo dapat gamitin ang dsh-superagent, at kailan pa?

• Gamitin ang dsh-superagentupang matuto mula sa isang seryoso, nakadokumento na disenyo, upang magpatakbo ng isang nakapaloob na eksperimento sa isang mababang-panganib na repository, o upang humiram ng mga ideya nito: isang router na hindi kailanman nagpapatakbo ng code, mga tiket na may nakasaad na saklaw, observe mode bago ang auto mode.
• Gumamit ng isang interactive coding agentkapag gumawa ka ng isang gawain nang paisa-isa at gusto mong patnubayan ang hakbang-hakbang. Ang Super-agent ay binuo para sa kabaligtaran na sitwasyon.
• Gamitin ang AgentGrid.iokapag ang output ay isang dokumento, ulat o app na kailangang suriin, i-edit at i-publish ng ilang tao at ahente, alinmang ahente ang gumawa nito.

Mga madalas itanong

Ano ang DeepSeek Super-Agent?

Ito ay isang research prototype na pinangalanang dsh-superagent, na inilabas ng DeepSeek’s Harness team noong Oktubre 31, 2026 sa ilalim ng lisensya ng MIT. Ito ay isang proactive coding agent para sa isang GitHub repository. Ang isang mahabang buhay na session ng router ay tumatagal ng mga kahilingan at nagtatalaga sa bawat tinanggap na isa sa sarili nitong sesyon ng manggagawa, na sumasagot sa orihinal na pag-uusap, kadalasang may pull request.

Ang DeepSeek Super-Agent ba ay isang opisyal na produkto ng DeepSeek?

Hindi. Tinatawag ito ng README na isang prototype ng pananaliksik para sa sanggunian lamang at hindi isang opisyal na produkto ng DeepSeek, at sinasabing suriin at iakma ito bago ito gamitin sa iyong sariling kapaligiran. Hindi rin ito kapareho sa panloob na bersyon o sa pagpapatupad na inilalarawan ng artikulo sa disenyo.

Paano naiiba ang isang Super-agent sa isang sub-agent?

Ang isang sub-agent ay nagdaragdag ng isang layer sa ibaba ng gumaganang ahente. Nagdaragdag ang isang Super-agent ng layer sa itaas nito. Sa ganitong disenyo, ang router ay nakaupo sa itaas ng maraming manggagawa, nakikipag-usap sa mga tao at nagpapadala ng mga gawain, habang ang bawat manggagawa ay humahawak ng isang gawain nang nakahiwalay. Ang pangalan ay tungkol sa posisyon, hindi isang pag-angkin ng higit na katalinuhan.

Kailangan ba nito ng Feishu o GitHub lang?

GitHub lamang ay sapat na. Ang Feishu ay isang opsyonal na pangalawang source, at ang dokumentasyon ay nagsasabing ang Feishu setup failure ay hindi pinapagana lamang ang Feishu source.

Ligtas bang tumakbo sa isang repository ng kumpanya?

Hindi gaya ng dati. Sinasabi ng mga doc na ang mga manggagawa ay tumatakbo nang may ganap na pag-access bilang gumagamit ng OS ng operator at ang mga account sa wrapper ay hindi isang hangganan ng paghihiwalay. Inirerekomenda nila ang isang nakalaang OS account, isang nakatuong account ng ahente sa GitHub, isang maikling pinapayagang listahan at mode ng pagmamasid habang inaalam mo kung paano kumikilos ang ahente.

Mas mabilis ba ito kaysa sa isang session ng coding agent?

Sa sariling simulate na pagsubok ng mga may-akda, natapos ng disenyo ng router ang pinakamabagal na gawain sa loob ng 15.7 minuto laban sa 29.5 minuto para sa isang session na may subagent na tool, gamit ang higit pang mga token. Gumamit ang pagsubok ng simulate coding work at limang run sa bawat disenyo, kaya nagpapakita ito ng mga benepisyo sa pag-iiskedyul, hindi kalidad ng code.