Das Harness-Team von DeepSeek verfügt über den Open-Source-dsh-superagent, einen proaktiven Codierungsagenten, der so konzipiert ist, dass er in einem einzigen GitHub-Repository läuft, auf eingehende Anfragen wartet und die Arbeit von einer kurzen Eingabeaufforderung bis zu einer fertigen Pull-Anfrage mit minimaler menschlicher Aufsicht weiterleitet. Der Code wurde unter einer MIT-Lizenz im Repository deepseek-ai/dsh-superagent-prototype veröffentlicht und in der Berichterstattung am Wochenende als DeepSeeks bisher direkteste Antwort auf Anthropics Claude Code im schnell wachsenden Markt für Agentencodierung bezeichnet.
Die Veröffentlichung zeichnet sich weniger durch ausgefeilte Produktaussagen als vielmehr durch ihre ungewöhnlich offene Gestaltung aus. Die README-Datei des Repositorys beginnt mit einem prominenten Haftungsausschluss: Dies ist „ein Forschungsprototyp nur als Referenz, kein offizielles DeepSeek-Produkt.“ Das Team sagt, der Code sei aus der täglichen Entwicklungsarbeit entstanden – und – ein Detail, das bei Hacker News Aufmerksamkeit erregte – dass „ein Großteil der Entwicklung“ von den Programmierern selbst durchgeführt wurde. Weitere Informationen zu dieser Geschichte finden Sie in unserer mehr KI-Geschichten.
Ein Agent, der zuhört, bevor er spricht
dsh-superagent ist als Bundle für DeepSeek Harness, die Agentenplattform des Unternehmens, verpackt und hat einen bewusst engen Umfang: Es bedient genau ein GitHub-Repository. Es verbindet sich mit GitHub und optional mit Feishu, der internen Kollaborationsumgebung von DeepSeek. Wenn eine autorisierte Person den Agenten um Arbeit bittet, öffnet sie ein Arbeitselement, erledigt die Aufgabe in ihrer eigenen Agentensitzung und ihrem Arbeitsverzeichnis und antwortet dann in der ursprünglichen Konversation – beispielsweise mit einer Pull-Anfrage, die zur Überprüfung bereitsteht.
Ein Webpanel zeigt dem Team, was noch einer menschlichen Entscheidung bedarf, die das Team als Sicherheitsventil für einen Agenten positioniert, der sonst unkontrolliert agieren könnte. Das Designziel besteht in den eigenen Worten des Teams darin, „so wenig menschliche Aufmerksamkeit wie möglich in Anspruch zu nehmen und so viel Wert wie möglich zu bieten“.
Diese Philosophie ist in der Dokumentation des Repositorys dargelegt, die das Team als Kernbestandteil der Veröffentlichung und nicht als nachträglichen Gedanken betrachtet. Ein Agent, der für ein ganzes Team agieren kann, argumentiert die README-Datei, kann auch die Aufmerksamkeit eines ganzen Teams verschwenden – dsh-superagent handelt also nur, wenn er darum gebeten wird oder wenn eine Regel, die das Team selbst geschrieben hat, dies zulässt, und spricht nur, wenn jemand handeln muss oder ein Ergebnis verwenden kann.
Aufbau durch Gespräch, Dokumentation als Lehrplan
Sogar die Installation erfolgt als Agent. Anstelle eines langen Setup-Skripts weist die README-Datei Benutzer an, ihren vorhandenen Coding-Agenten zu bitten, „SETUP.md in diesem Repository zu lesen und dsh-superagent mit mir einzurichten“. Der Setup-Agent stellt jeweils eine kurze Frage, präsentiert einmal den vollständigen Plan und installiert und konfiguriert dann alles, was er benötigt.
Die Dokumentation ist in neun nummerierte Dokumente unterteilt – sie umfasst Philosophie, Domänenmodell, Autorisierung, Ausführung, Eingabeaufforderungen, das Überprüfungsgremium, Bereitstellung, Architektur und ein Kochbuch zum Hinzufügen neuer Arbeitsquellen. Jedes Dokument baut nur auf den vorherigen auf, ein expliziter Versuch, das Autorisierungs- und Ausführungsmodell des Systems für Bediener lesbar zu machen, bevor sie einen autonomen Agenten auf eine echte Codebasis loslassen.
Die Entwicklung folgt Standardtools: Ein einziger pnpm-Check-Befehl führt die Typprüfung, die Tests und den Build aus.
Prototyp, kein Produkt – und das sagt das Team
Das Team achtet sorgfältig darauf, den Prototyp von seiner Forschungs-Roadmap zu trennen. Der veröffentlichte Code wurde für die Veröffentlichung angepasst und ist weder mit der internen Version von DeepSeek noch mit der im Papier des Teams „Exploring Super-agent Design: Towards a More Autonomous Agent System“ beschriebenen Implementierung identisch. Einige in diesem Dokument besprochene Entwürfe, den README-Notizen, stellen Anweisungen für die zukünftige Entwicklung dar und sind in diesem Prototyp überhaupt nicht implementiert.
Diese Ehrlichkeit ist an sich schon ein Signal. Wo konkurrierende Labore Agentenprodukte mit Benchmark-Charts vermarkten, veröffentlicht das Harness-Team von DeepSeek funktionierende Gerüste – Autorisierungsabläufe, Ausführungsschleifen, Überprüfungsgremien – und lädt andere ein, diese zu studieren, zu kritisieren und anzupassen. Die MIT-Lizenz beseitigt alle rechtlichen Hürden, die einem Wettbewerber im Wege stehen, das Design flächendeckend aufzuheben.
Das Agenten-Coding-Rennen
Bloomberg berichtete über die Veröffentlichung unter der Schlagzeile, dass DeepSeek einen verbesserten Codierungsagenten eingestellt habe, um mit Anthropic mithalten zu können, dessen Claude Code zum Bezugspunkt für KI-gestützte Softwareentwicklung geworden sei. Die Formulierung unterschätzt die Vorbehalte des Prototyps, fängt aber das strategische Bild ein: Bei der Agentencodierung konkurrieren die großen Labore jetzt um die Meinung der Entwickler, und offene, überprüfbare Alternativen sind selten.
Die Veröffentlichung setzt auch eine arbeitsreiche Phase für das Open-Source-Programm von DeepSeek fort. In den letzten Wochen hat das Unternehmen DeepInfer, die Inferenz-Engine hinter seinen Produktionsdiensten, als Open-Source-Lösung bereitgestellt und V4.1-Flash-Updates ausgeliefert, die direkt auf die Agentencodierung abzielen – alles unter freizügigen Lizenzen, und das alles, während seine Modelle aufgrund von Sicherheitsbedenken in der Lieferkette weiterhin von zivilen US-Bundesbehörden verboten bleiben.
Die Reaktion auf Hacker News war bescheiden, konzentrierte sich jedoch auf die auffälligste Behauptung: ein Coding-Agent, dessen eigene Entwicklung größtenteils von Coding-Agenten durchgeführt wurde. Wenn die von DeepSeek beschriebene Schleife – Agenten schreiben Agenten, Menschen überprüfen nur das, was ein Gremium markiert – auch außerhalb eines Forschungsumfelds Bestand hat, deutet dies auf eine ganz andere Arbeitsteilung in der Softwareentwicklung hin als die, die die meisten Teams heute betreiben.
Im Moment ist es das Richtige, an dem eigenen Rahmen des Teams festzuhalten: Es handelt sich um Forschungscode, er kann Fehler enthalten, und jeder, der ihn bereitstellt, sollte ihn zuerst überprüfen und anpassen. Aber als öffentlicher, funktionierender Entwurf dafür, wie ein immer aktiver, aufmerksamkeitserhaltender Codierungsagent erstellt und gesteuert werden kann, ist dsh-superagent eines der interessanteren Artefakte, die jedes Labor in diesem Quartal veröffentlicht hat.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
