Команда Harness від DeepSeek має відкритий вихідний код dsh-superagent, проактивний агент кодування, створений для роботи в одному сховищі GitHub, прослуховування вхідних запитів і виконання роботи від короткого підказки до готового запиту на отримання з мінімальним наглядом людини. Код було опубліковано в репозиторії deepseek-ai/dsh-superagent-prototype за ліцензією Массачусетського технологічного інституту, і новини протягом вихідних сформулювали його як найпрямішу відповідь DeepSeek на Claude Code від Anthropic на ринку агентного кодування, що швидко розвивається.
Реліз примітний не стільки вишуканими заявами про продукт, скільки надзвичайно відвертим оформленням. README сховища відкривається з помітним застереженням: це «дослідницький прототип лише для довідки, а не офіційний продукт DeepSeek». Команда каже, що код виріс у результаті її щоденної роботи над розробкою — і, деталь, яка привернула увагу Hacker News, що «значну частину інженерної роботи» зробили самі кодуючі агенти. For more context on this story, see our ongoing AI industry coverage.
Агент, який слухає, перш ніж говорити
dsh-superagent упаковано як пакет для DeepSeek Harness, агентської платформи компанії, і має навмисно вузьку область: він обслуговує лише одне сховище GitHub. Він підключається до GitHub і, за бажанням, до Feishu, внутрішнього середовища для співпраці DeepSeek. Коли уповноважена особа запитує агента про роботу, вона відкриває робочий елемент, виконує завдання у власному сеансі агента та робочому каталозі, а потім відповідає у вихідній розмові — наприклад, із запитом на отримання, готовим для перегляду.
Веб-панель показує команді, що все ще потребує людського рішення, яке команда позиціонує як запобіжний клапан для агента, який інакше міг би діяти безконтрольно. Мета дизайну, за словами команди, полягає в тому, щоб «приділяти якомога менше людської уваги та надавати якомога більше цінності».
Ця філософія викладена в документації репозиторію, яку команда розглядає як основну частину випуску, а не як запізнілу думку. Агент, який може діяти за цілу команду, стверджує README, також може марнувати увагу цілої команди — тому dsh-superagent діє лише тоді, коли його запитують, або коли це дозволяє правило, написане самою командою, і говорить лише тоді, коли хтось повинен діяти або може використати результат.
Налаштування за допомогою розмови, документація як навчальна програма
Навіть встановлення агентське. Замість довгого сценарію налаштування, README дає вказівку користувачам попросити свого існуючого агента кодування «прочитати SETUP.md у цьому репозиторії та налаштувати dsh-superagent разом зі мною». Агент інсталяції задає одне коротке запитання, один раз представляє повний план, а потім інсталює та налаштовує все, що йому потрібно.
Документацію організовано у вигляді дев’яти пронумерованих документів, які охоплюють філософію, модель домену, авторизацію, виконання, підказки, панель перегляду, розгортання, архітектуру та кулінарну книгу для додавання нових джерел роботи. Кожен документ базується лише на попередніх документах, це явна спроба зробити модель авторизації та виконання системи зрозумілою для операторів, перш ніж вони випустять автономного агента на реальну кодову базу.
Розробка виконується за стандартними інструментами: одна команда перевірки pnpm запускає перевірку типу, тести та збірку.
Прототип, а не продукт — і команда так каже
Команда ретельно відокремлює прототип від плану досліджень. Опублікований код був адаптований для випуску та не ідентичний ні внутрішній версії DeepSeek, ні реалізації, описаній у статті команди «Дослідження дизайну суперагентів: на шляху до більш автономної системи агентів». Деякі проекти, які обговорюються в цьому документі, як зазначено в README, є напрямками для майбутнього розвитку і взагалі не реалізовані в цьому прототипі.
Ця чесність сама по собі є сигналом. Там, де конкуруючі лабораторії продають продукти агентів із порівняльними діаграмами, команда DeepSeek Harness публікує робочі каркаси — потоки авторизації, цикли виконання, панелі перегляду — і запрошує інших вивчати, критикувати та адаптувати їх. Ліцензія Массачусетського технологічного інституту усуває всі юридичні перешкоди для оптового продажу дизайну конкурентом.
Агентська гонка кодування
Bloomberg повідомило про випуск під заголовком про те, що DeepSeek відмовився від розширеного агента кодування, щоб конкурувати з Anthropic, чий Claude Code став точкою відліку для розробки програмного забезпечення за допомогою ШІ. Фреймінг занижує застереження прототипу, але відображає стратегічну картину: агентне кодування — це місце, де великі лабораторії зараз змагаються за розум розробників, а відкриті альтернативи, які можна перевірити, зустрічаються рідко.
Випуск також продовжує насичену програму DeepSeek з відкритим кодом. Останніми тижнями компанія відкрила вихідний код DeepInfer, механізм логічного висновку, що лежить в основі її виробничих служб, і випустила оновлення V4.1-Flash, спрямовані безпосередньо на агентське кодування — і все це здійснюється за дозвільними ліцензіями, і все це в той час, як її моделі залишаються закритими для федеральних цивільних відомств США через проблеми безпеки ланцюга постачання.
Реакція на Hacker News була скромною за обсягом, але зосереджена на найяскравішій заяві: агент кодування, власна інженерія якого в основному була виконана агентами кодування. Якщо цикл, який описує DeepSeek — агенти пишуть агентів, люди переглядають лише те, що позначає панель — зберігається поза дослідницьким середовищем, він показує зовсім інший розподіл праці в розробці програмного забезпечення, ніж той, який виконує більшість команд сьогодні.
Наразі власний фреймінг команди є правильним: це дослідницький код, він може містити помилки, і кожен, хто його розгортає, повинен спочатку переглянути та адаптувати його. Але як загальнодоступний робочий проект того, як можна створити та керувати постійно активним агентом кодування, що зберігає увагу, dsh-superagent є одним із найцікавіших артефактів, які будь-яка лабораторія опублікувала цього кварталу.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
