Het Harness-team van DeepSeek beschikt over de open source dsh-superagent, een proactieve codeeragent die is gebouwd om in één enkele GitHub-repository te leven, naar inkomende verzoeken te luisteren en werk van een korte prompt naar een voltooide pull-request over te dragen met minimaal menselijk toezicht. De code werd gepubliceerd in de deepseek-ai/dsh-superagent-prototype repository onder een MIT-licentie, en in de berichtgeving van het weekend werd het omschreven als DeepSeeks meest directe antwoord tot nu toe op de Claude Code van Anthropic in de snelgroeiende markt voor agentische codering.
De release valt minder op door gepolijste productclaims dan door de ongewoon openhartige formulering ervan. De README van de repository begint met een prominente disclaimer: dit is een "onderzoeksprototype alleen ter referentie, geen officieel DeepSeek-product." Het team zegt dat de code voortkwam uit hun dagelijkse ontwikkelingswerk – en, in een detail dat de aandacht trok op Hacker News, dat “een groot deel van de engineering” door codeeragenten zelf werd gedaan. Voor meer context over dit verhaal, zie ons AI-trends.
Een agent die luistert voordat hij spreekt
dsh-superagent is verpakt als een bundel voor DeepSeek Harness, het agentplatform van het bedrijf, en heeft een bewust beperkte scope: het bedient precies één GitHub-repository. Het maakt verbinding met GitHub en, optioneel, Feishu, de interne samenwerkingsomgeving van DeepSeek. Wanneer een geautoriseerde persoon de agent om werk vraagt, opent deze een werkitem, voltooit de taak in zijn eigen agentsessie en werkdirectory en antwoordt vervolgens terug in het oorspronkelijke gesprek, bijvoorbeeld met een pull-verzoek dat gereed is voor beoordeling.
Een webpaneel laat het team zien wat nog steeds een menselijke beslissing nodig heeft, die het team positioneert als veiligheidsklep voor een agent die anders ongecontroleerd zou kunnen handelen. Het ontwerpdoel, in de eigen woorden van het team, is om "zo min mogelijk menselijke aandacht te trekken en zoveel mogelijk waarde te geven."
Die filosofie wordt uiteengezet in de documentatie van de repository, die het team beschouwt als een kernonderdeel van de release en niet als een bijzaak. Een agent die voor een heel team kan optreden, zo stelt de README, kan ook de aandacht van een heel team verspillen - dus dsh-superagent handelt alleen wanneer daarom wordt gevraagd, of wanneer een regel die het team zelf heeft geschreven dit toestaat, en spreekt alleen wanneer iemand moet handelen of een resultaat kan gebruiken.
Opzet door gesprek, documentatie als leerplan
Zelfs de installatie is agentisch. In plaats van een lang installatiescript instrueert de README gebruikers om hun bestaande codeeragent te vragen "SETUP.md in deze repository te lezen en samen met mij dsh-superagent in te stellen." De installatieagent stelt één korte vraag tegelijk, presenteert één keer het volledige plan en installeert en configureert vervolgens alles wat hij nodig heeft.
De documentatie is georganiseerd in negen genummerde documenten: de filosofie, het domeinmodel, de autorisatie, de uitvoering, aanwijzingen, het beoordelingspanel, de implementatie, de architectuur en een kookboek voor het toevoegen van nieuwe werkbronnen. Elk document bouwt uitsluitend voort op de voorgaande, een expliciete poging om het autorisatie- en uitvoeringsmodel van het systeem leesbaar te maken voor operators voordat ze een autonome agent op een echte codebase loslaten.
De ontwikkeling volgt standaardtools: een enkele pnpm-checkopdracht voert de typecheck, de tests en de build uit.
Prototype, geen product – en het team zegt het
Het team zorgt ervoor dat het prototype gescheiden wordt van de onderzoeksroutekaart. De gepubliceerde code is aangepast voor release en is niet identiek aan de interne versie van DeepSeek, noch aan de implementatie die wordt beschreven in de paper van het team, "Exploring Super-agent Design: Towards a More Autonomous Agent System." Sommige ontwerpen die in dat artikel worden besproken, zo merkt de README op, zijn richtingen voor toekomstige ontwikkeling en zijn helemaal niet in dit prototype geïmplementeerd.
Die eerlijkheid is op zichzelf al een signaal. Waar rivaliserende laboratoria agentproducten met benchmarkgrafieken op de markt brengen, publiceert het Harness-team van DeepSeek werkende steigers – autorisatiestromen, uitvoeringsloops, beoordelingspanels – en nodigt anderen uit om deze te bestuderen, te bekritiseren en aan te passen. De MIT-licentie neemt elke juridische barrière weg die een concurrent in de weg staat om de ontwerpgroothandel op te heffen.
De agentencoderingsrace
Bloomberg rapporteerde over de release onder de kop dat DeepSeek een verbeterde coderingsagent had laten vallen met als doel te wedijveren met Anthropic, wiens Claude Code het referentiepunt is geworden voor AI-ondersteunde softwareontwikkeling. De framing ondermijnt de voorbehouden van het prototype, maar geeft het strategische beeld weer: agentische codering is waar de grote laboratoria nu strijden om de mindshare van ontwikkelaars, en open, inspecteerbare alternatieven zijn zeldzaam.
De release zet ook een druk traject voort voor het open-sourceprogramma van DeepSeek. De afgelopen weken heeft het bedrijf DeepInfer, de inferentiemotor achter zijn productiediensten, open source gemaakt en V4.1-Flash-updates verzonden die volledig gericht zijn op agentische codering – allemaal onder toegestane licenties, en dat allemaal terwijl de modellen uitgesloten blijven van Amerikaanse federale civiele instanties vanwege zorgen over de veiligheid van de toeleveringsketen.
De reacties op Hacker News waren bescheiden in volume, maar concentreerden zich op de meest opvallende claim: een codeeragent wiens eigen engineering grotendeels werd uitgevoerd door codeeragenten. Als de lus die DeepSeek beschrijft – agenten die agenten schrijven, mensen die alleen beoordelen wat een panel markeert – stand houdt buiten een onderzoeksomgeving, duidt dit op een heel andere arbeidsverdeling in software-engineering dan die welke de meeste teams tegenwoordig hanteren.
Voorlopig is de eigen framing van het team het juiste om vast te houden: dit is onderzoekscode, deze kan bugs bevatten, en iedereen die deze implementeert, moet deze eerst beoordelen en aanpassen. Maar als openbare, werkende blauwdruk voor hoe een altijd actieve, aandachtbesparende codeeragent kan worden gebouwd en beheerd, is dsh-superagent een van de interessantere artefacten die elk laboratorium dit kwartaal heeft gepubliceerd.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
