Zespół DeepSeek Harness dysponuje dsh-superagentem o otwartym kodzie źródłowym, proaktywnym agentem kodowania zbudowanym do działania w jednym repozytorium GitHub, nasłuchiwania przychodzących żądań i przenoszenia pracy od krótkiego monitu do gotowego żądania ściągnięcia przy minimalnym nadzorze człowieka. Kod został opublikowany w repozytorium deepseek-ai/dsh-superagent-prototype na licencji MIT, a doniesienia prasowe z weekendu określiły go jako najbardziej bezpośrednią odpowiedź DeepSeek w dotychczasowej historii na kod Claude Code firmy Anthropic na szybko rozwijającym się rynku kodowania agentycznego.
Publikacja ta wyróżnia się nie tyle dopracowanymi twierdzeniami o produkcie, ile niezwykle szczerą oprawą. Plik README repozytorium otwiera się wyraźnym zastrzeżeniem: jest to „prototyp badawczy wyłącznie w celach informacyjnych, a nie oficjalny produkt DeepSeek”. Zespół twierdzi, że kod wyrósł w wyniku codziennej pracy programistycznej, a szczegół, który zwrócił uwagę Hacker News, wskazuje, że „większość prac inżynieryjnych” została wykonana przez samych agentów programujących. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Agent, który słucha, zanim zacznie mówić
dsh-superagent jest pakowany jako pakiet dla DeepSeek Harness, platformy agentów firmy, i ma celowo wąski zakres: obsługuje dokładnie jedno repozytorium GitHub. Łączy się z GitHubem i opcjonalnie Feishu, wewnętrznym środowiskiem współpracy DeepSeek. Kiedy upoważniona osoba prosi agenta o pracę, otwiera element pracy, kończy zadanie we własnej sesji agenta i katalogu roboczym, a następnie odpowiada w oryginalnej rozmowie — na przykład z prośbą o ściągnięcie gotową do przejrzenia.
Panel internetowy pokazuje zespołowi, co nadal wymaga ludzkiej decyzji, a którą zespół traktuje jako zawór bezpieczeństwa dla agenta, który w przeciwnym razie mógłby działać bez kontroli. Celem projektu, jak twierdzi zespół, jest „zajmowanie jak najmniejszej uwagi człowieka i zapewnienie jak największej wartości”.
Filozofia ta jest opisana w dokumentacji repozytorium, którą zespół traktuje jako podstawową część wydania, a nie jako refleksję. Agent, który może działać w imieniu całego zespołu, twierdzi README, może również marnować uwagę całego zespołu — zatem dsh-superagent działa tylko wtedy, gdy zostanie o to poproszony lub gdy pozwala na to reguła napisana przez sam zespół, i zabiera głos tylko wtedy, gdy ktoś musi działać lub może wykorzystać wynik.
Konfiguracja poprzez rozmowę, dokumentacja jako program nauczania
Nawet instalacja jest agentyczna. Zamiast długiego skryptu instalacyjnego, plik README instruuje użytkowników, aby poprosili istniejącego agenta kodującego o „przeczytanie pliku SETUP.md w tym repozytorium i skonfigurowanie ze mną dsh-superagent”. Agent instalacyjny zadaje jedno krótkie pytanie na raz, raz przedstawia pełny plan, a następnie instaluje i konfiguruje wszystko, czego potrzebuje.
Dokumentacja jest zorganizowana w formie dziewięciu ponumerowanych dokumentów — obejmujących filozofię, model domeny, autoryzację, wykonanie, podpowiedzi, panel recenzji, wdrożenie, architekturę i książkę kucharską dotyczącą dodawania nowych źródeł pracy. Każdy dokument opiera się wyłącznie na poprzednich, co stanowi wyraźną próbę uczynienia modelu autoryzacji i wykonywania systemu zrozumiałym dla operatorów, zanim udostępnią autonomicznego agenta na prawdziwej bazie kodu.
Programowanie odbywa się zgodnie ze standardowymi narzędziami: pojedyncze polecenie sprawdzania pnpm uruchamia kontrolę typu, testy i kompilację.
Prototyp, nie produkt — i tak twierdzi zespół
Zespół stara się oddzielić prototyp od planu badawczego. Opublikowany kod został przystosowany do wydania i nie jest identyczny z wewnętrzną wersją DeepSeek ani z implementacją opisaną w artykule zespołu „Exploring Super-agent Design: Towards a More Autonomous Agent System”. Niektóre projekty omówione w tym artykule, jak zauważa README, stanowią kierunki przyszłego rozwoju i w ogóle nie zostały zaimplementowane w tym prototypie.
Ta szczerość sama w sobie jest sygnałem. Tam, gdzie konkurencyjne laboratoria sprzedają produkty agentów za pomocą wykresów porównawczych, zespół DeepSeek Harness publikuje działające szkielety — przepływy autoryzacji, pętle wykonania, panele recenzyjne — i zaprasza innych do ich studiowania, krytyki i dostosowywania. Licencja MIT usuwa wszelkie bariery prawne utrudniające konkurentowi podnoszenie projektów hurtowych.
Wyścig agentycznego kodowania
Bloomberg poinformował o wydaniu pod nagłówkiem, że DeepSeek porzucił ulepszony agent kodujący, aby konkurować z firmą Anthropic, której Claude Code stał się punktem odniesienia w tworzeniu oprogramowania wspomaganego sztuczną inteligencją. Sformułowanie nie docenia zastrzeżeń prototypu, ale oddaje strategiczny obraz: kodowanie agentowe to obszar, w którym główne laboratoria rywalizują obecnie o wymianę poglądów programistów, a otwarte, możliwe do sprawdzenia alternatywy są rzadkością.
Wydanie to stanowi także kontynuację intensywnego okresu prac nad programem open source firmy DeepSeek. W ostatnich tygodniach firma udostępniła DeepInfer, silnik wnioskowania stojący za jej usługami produkcyjnymi, na otwartym kodzie źródłowym, i dostarczyła aktualizacje V4.1-Flash ukierunkowane bezpośrednio na kodowanie agentyczne – wszystko na podstawie liberalnych licencji, a wszystkie modele pozostają niedostępne dla federalnych agencji cywilnych Stanów Zjednoczonych ze względu na obawy związane z bezpieczeństwem łańcucha dostaw.
Reakcja na Hacker News była skromna, ale skupiała się na najbardziej uderzającym twierdzeniu: agencie kodującym, którego prace inżynieryjne w dużej mierze wykonali agenci kodujący. Jeśli pętla opisana przez DeepSeek – agenci piszą agentów, ludzie przeglądają tylko to, co oznaczy panel – sprawdza się poza środowiskiem badawczym, zapowiada zupełnie inny podział pracy w inżynierii oprogramowania niż ten, którym zarządza obecnie większość zespołów.
Na razie właściwa jest koncepcja opracowana przez zespół: to kod badawczy, może zawierać błędy i każdy, kto go wdroży, powinien go najpierw sprawdzić i dostosować. Jednak jako publiczny, działający plan budowy i zarządzania zawsze aktywnym, oszczędzającym uwagę agentem kodującym, dsh-superagent jest jednym z ciekawszych artefaktów opublikowanych w tym kwartale przez jakiekolwiek laboratorium.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
