DeepSeek Super-Agent: Što je to, kako radi i što još nedostaje20 min read

Otvorite tri agenta za kodiranje odjednom i osjetit ćete problem. Jedan čeka odluku, jedan je završio prije dvadeset minuta, a već ste zaboravili koji ima auth fix. Tim Harnessa DeepSeek-a stavio je brojku na to: prema njegovom iskustvu, osoba može pratiti samo tri do pet sesija aktivnog agenta istovremeno. Nakon te točke model više nije usko grlo. ti si

Dana 31. listopada 2026. tim je objavio članak o dizajnu za ono što naziva Super-agentom i otvorio prototip pod nazivom dsh-superagent. To je proaktivni agent za kodiranje za jedan GitHub repozitorij. Jedna dugotrajna sesija usmjerivača razgovara s ljudima i dijeli posao, a svaki prihvaćeni zahtjev dobiva svoju radnu sesiju koja završava zahtjevom za povlačenjem ili pitanjem. Repozitorij je prošao 12.000 zvjezdica u otprilike dva dana. Njegov README otvoreno kaže da je ovo istraživački kod, a ne službeni DeepSeek proizvod.

Ovaj vodič je za inženjere i voditelje timova koji žele znati što prototip radi, kako funkcionira dizajn usmjerivača i radnika, što referentni brojevi rade, a što ne dokazuju i što treba provjeriti prije nego što ga usmjere na pravi repozitorij.

Jedna napomena prije detalja. Radnički odgovor na “popravi ovu grešku” je zahtjev za povlačenjem, a GitHub je dobro mjesto za to. Ostatak onoga što agenti proizvode oko koda teže je smjestiti: zapis temeljnog uzroka, sažetak testa, usporednu tablicu koju je tražio recenzent.AgentGrid.ioje zajednički radni prostor u kojem ljudi i AI agenti stvaraju, uređuju i dijele dokumente, aplikacije i datoteke, s jednom live verzijom, atribucijom i poviješću. Vraćamo se tamo gdje stane pred kraj.

Što je DeepSeek Super-Agent?

Dvije stvari su se pojavile zajedno. Prvi je dugačak članak o dizajnu, “Istraživanje dizajna superagenata: prema autonomnijem agentskom sustavu”. Tim Harnessa napisao ju je na kineskom i objavio strojno prevedenu englesku verziju na X 1. studenoga. Viđena je više od 2,2 milijuna puta. Drugi je kod:deepseek-ai/dsh-superagent-prototip, objavljen pod licencom MIT-a.

Istraživanje dizajna superagenata: prema autonomnijem agentskom sustavu

https://t.co/gwwIHtyCRQ

– DeepSeek pojas (@DeepSeekHarness)1. studenoga 2026

Nije novi model. dsh-superagent je paket zaDeepSeek Uprtač, DeepSeek-ov open-source agentski pojas, koji tvrtka opisuje kao javni pregled širom svijeta. Paket prati jedno GitHub spremište i, ako ga uključite, Feishu razgovara. Kada netko na dopuštenom popisu zatraži od agenta posao, on otvara radnu stavku, pokreće je u svojoj sesiji i direktoriju i odgovara u izvornom razgovoru. Web panel prikazuje samo ono što je potrebno osobi.

Naziv je lakši nego što zvuči. Cui Tianyi, iz odjela proizvoda DeepSeek i jedan od konačnih recenzenata članka, objasnio je u Zhihu postu da se “super” misli kao u nadnaslovu nasuprot podnaslovu. Super-agent dodaje sloj iznad agenta koji obavlja posao, suprotno od podagenta, koji dodaje jedan ispod sebe. To nije tvrdnja o superiornoj inteligenciji.

README se otvara s upozorenjem koje vrijedi pročitati u cijelosti: “Prototip istraživanja samo za referencu, a ne službeni DeepSeek proizvod.” Dodaje se da su veći dio inženjeringa napravili agenti za kodiranje, da kod može sadržavati greške i da su neki dizajni u članku upute za budući rad i nisu implementirani.

Još jedan DeepSeek pad: dsh-superagent

Agentski okvir koji radi kroz repo GitHub probleme i PR-ove s mnogo agenata paralelno, osmišljen kako bi zauzeo što je moguće manje ljudske pažnje, a isporučio što je moguće više vrijednosti.

pic.twitter.com/XR73mIvA0V

– Leandro von Werra (@lvwerra)31. listopada 2026

Zašto DeepSeek kaže da je usko grlo ljudska pozornost?

Članak polazi od jednostavnog opažanja. Tijekom prošle godine agenti za kodiranje postali su dovoljno dobri da je jedan zadatak ograničen modelom. Ali kada pokrenete nekoliko zadataka odjednom, granica se pomiče prema vama. Svaka je sesija izolirana, tako da se ručno prebacujete između njih i pratite što svaka zna. Spajanje CLI-a, MCP ili chat konektora na jednu lokalnu sesiju omogućuje mu da čuje o novim događajima, ali i dalje blokira duge naredbe, miješa kontekste iz različitih zadataka i zaustavlja se kada prijenosno računalo spava.

DeepSeek-ov odgovor je da prestanete tretirati sesiju kao jedinicu kojom upravljate. Navodi četiri osobine koje Super-agent treba imati:

• Kontinuirano.Razgovarate s njim tamo gdje već radite, kao što je chat ili GitHub komentari, a on se ponaša kao jedan agent. Ako zatražite plan A u chatu i prebacite se na plan B u komentaru zahtjeva za povlačenjem, on slijedi.
• Produktivan.Pokreće nekoliko složenih zadataka paralelno i preuzima sljedeću uputu prije nego završi posljednja.
• Proaktivan.Promatra događaje, djeluje na ono što je vrijedno rukovanja i šuti inače.
• Uporan.Ostaje na mreži i oporavlja se od kvarova bez ponovnog pokretanja.

Autori tvrde da niti jedna ReAct petlja ne može isporučiti sva četiri, tako da kvalitete moraju proizaći iz arhitekture oko modela. To je prava tema članka, a vizualno objašnjenje u nastavku, koje je podijelio Hesam, brz je način da vidite cijeli dizajn na jednoj stranici.

evo vizualnog objašnjenja članka DeepSeek o Super-Agentu:https://t.co/bByKYDoq6h pic.twitter.com/BhzbBh3NrP

– ℏεsam (@Hesamation)1. studenoga 2026

Kako funkcionira dizajn usmjerivača i radnika?

Zamislite dobrog voditelja inženjeringa koji nikada ne piše kod tijekom standup-a. Theruterje jedna dugotrajna sesija koja prima svaku poruku sa svakog kanala. Ne pokreće zadatke. Odlučuje što poruka traži, predaje novi posao radniku i piše svaki odgovor uključenim osobama. U članku se kaže da uopće može raditi bez alata školjke i da je za to obično dovoljan lakši, brži model.

Aradnikje zasebna sesija s izoliranim kontekstom i punim skupom alata, posvećena jednom zadatku. Radnici nikad ne razgovaraju izravno s ljudima. Oni izvješćuju o statusu usmjerivaču, koji čuva odgovore u jednom glasu. U prototipu, svaka ulaznica dobiva vlastitu sesiju i vlastiti direktorij, obično git worktree, a broj radnika je ograničen. Zadana postavka je tri, podesiva od 1 do 16, s jednim dodatnim utorom koji ostaje slobodan tako da poruka osobe uvijek može proći.

Dva detalja čine ovo više od reda čekanja zadataka.

Praćenje preskače usmjerivač.Nakon što radnik posjeduje zahtjev za povlačenjem ili nit za chat, pretplaćuje se na tu nit. Kasniji komentari idu izravno na to, bez dodatnog poziva modela na ruteru. Ako se ispostavi da se komentar odnosi na nešto drugo, radnik ga vraća.

Rafali se skupljaju.Okidači koji stignu tijekom jednog modela postavljaju se u red čekanja i zajedno se ubacuju u sljedeći poziv. Autori su izmjerili učinak, a mi gledamo brojke u nastavku.

Još jedna točka kontrasta. Članak razlikuje ovo od tima agenata. U agentskom timu, voditelj rastavlja jedan složeni zadatak u korake i koordinira uloge koje rade na njemu, što predstavlja veliki teret rasuđivanja. Super-agent router šalje samo nezavisne zadatke i prati njihov odnos na visokoj razini. Ne razgrađuje samo djelo.

Što radi kad nitko ne pita?

Ovdje filozofija projekta postaje praktična. Prvi dokument u repozitoriju navodi načelo u jednom retku: uzeti što je moguće manje ljudske pažnje, a dati što je moguće više vrijednosti. Svaka poruka koju agent pošalje košta pozornost kolege, tako da govori samo kada osoba mora djelovati ili može koristiti rezultat, i djeluje samo kada se od nje zatraži ili kada to dopušta pravilo koje je tim napisao.

Vrata koja ovo nameću su običan kod, a ne model. Provjerava tko traži u odnosu na popis dopuštenih timova i bilježi koliko je zahtjev jak:

Taj način promatranja je dio koji mi se najviše sviđa. Agent započinje snimanjem onoga što bi učinio, tako da tim može pročitati te zapise na kartici Eval i proširiti svoja dopuštenja samo kada izgledaju ispravno. Poruke, komentari i citirani dokumenti tretiraju se kao inputi za odluku. Oni ne mogu promijeniti ono što agent smije raditi.

Članak o dizajnu pokazuje kako proaktivan rad izgleda u praksi. U internoj korisničkoj grupi DeepSeek Harness, tim je konfigurirao pravilo “tiho reproduciraj i popravi”. Kada netko prijavi problem ili raspravlja o predloženoj promjeni, agent to pokušava reproducirati i pronaći popravak u pozadini, a daje rezultat tek nakon što je potvrdio problem i pronašao jednostavan popravak. Inače ostaje tiho. Članak također daje grubo pravilo za chat kanale za koje autori kažu da su ga potvrdili: svaki odgovor ograničite na 100 riječi. Za razliku od toga, na GitHub zahtjevi za povlačenjem bi trebali biti gusti, s pozadinom problema, opisom promjene i rezultatima verifikacije.

Prema zadanim postavkama svaka GitHub poruka koju agent objavi počinje s retkom “Ovo je napravio automatizirani agent, a ne čovjek”. Timovi to mogu uređivati, zajedno s ostalim uputama.

Održavaju li referentne brojke?

Članak uključuje mali eksperiment, a autori ga pažljivo nazivaju samo indikativnim. Četiri dizajna radila su jedan pored drugoga u toku grupnog čavrljanja i CI poruka: oko 300 poruka po izvođenju, oko 20 od njih pravih radnih zahtjeva, po pet izvođenja. Kodiranje je simulirano pomoću alata koji jednostavno troši vrijeme, tako da test mjeri raspored i koordinaciju, a ne kvalitetu bilo čijeg koda.

Dvaput pročitajte tablicu, jer naslov nije cijela priča. Dizajn usmjerivača skratio je vrijeme završetka p95 na otprilike polovicu vremena jedne sesije, ali je koristio otprilike dva do četiri puta više tokena za čitanje predmemorije. A najzanimljiviji red je drugi: uklanjanjem prolaznog prečaca zadaci se nisu završavali brže ili sporije, samo je natjerao usmjerivač da donosi oko 30 posto više odluka i spaljuje 37 posto više tokena.

Moje čitanje je da se pravi nalaz nalazi u redovima za jednu sesiju. S neutralnim odzivom, model nikada nije pozvao subagenta ni u jednom od pet pokretanja. Posao je obavio sam, nove poruke su ga prekidale, a najsporiji zadaci trajali su 29,5 minuta. Uz upit koji mu je rekao da delegira, delegirao je u četiri od pet pokretanja, au preostalom radu model je ocijenio da je posao “mali” i obavio ga je sam. Pojedinačna sesija ovisi o raspoloženju modela. Usmjerivač kojem nije dopušteno pokretanje koda ne može napraviti tu pogrešku.

Odvojeni stres test na samom usmjerivaču povećao je stopu dolaska događaja vrijednih odluke s oko 1 na oko 40 u minuti. Prosječna serija porasla je s 1,0 na 2,8 događaja, vrijeme po zahtjevu poraslo je samo s 2,5 na 3,9 sekundi, a amortizirano vrijeme po odluci palo je sa 6,4 na 1,6 sekundi. Što se više događaja nakupi, svaki postaje jeftiniji, do granice za koju autori kažu da ovisi o duljini konteksta i koliko događaja model može točno obraditi u jednom potezu.

DeepSeek je upravo otvorio svoj prototip Super-agenta. Jedna sesija usmjerivača razgovara s ljudima i predaje posao, a izolirani radnici pokreću zadatke paralelno izvan GitHub događaja. U njihovom vlastitom testu, vrijeme završetka p95 palo je s 29,5 na 15,7 minuta u usporedbi s jednom sesijom u kojoj su se koristili subagenti.

Kit ponovno otvoren.pic.twitter.com/mS4sRbHmyx

– Bucmast (@kimmonismus)1. studenoga 2026

Ovo su samoprijavljeni rezultati sintetičkog rada. Oni pokazuju da je ideja o rasporedu dobra. Oni ne pokazuju da prototip brže popravlja vaše pogreške.

Što ljudi bliski projektu kažu o njegovim ograničenjima?

Ubrzo nakon izlaska, Cui Tianyi, iz odjela proizvoda DeepSeek i jedan od posljednjih recenzenata članka o dizajnu, napisao je kako on vidi dizajn. Njegovo uokvirivanje je korisno jer je skromno. On imenuje središnji kompromis kao kontinuitet između zadataka nasuprot propusnosti zadatka.

Što se tiče ograničenja, pregled je izravan. Prototip implementira samo dio predloženog dizajna. Od njegove recenzije, DeepSeek Harness nije imao ugrađenu dugoročnu memoriju kroz sesije. A sustav je potvrđen samo u malom, pouzdanom okruženju unutar tvrtke. Odjeljak s otvorenim problemima u članku navodi skaliranje usmjerivača, memoriju tijekom mjeseci, rad bez sesija, kontekstne granice između agenata i način na koji bi izolirani agenti trebali međusobno razgovarati i sigurnost.

Što biste trebali provjeriti prije pokretanja?

Dokumentacija je iskrenija od većine postova o pokretanju i vrijedi njezina upozorenja tretirati kao zahtjeve.

• Radnici imaju širok pristup.Obje unaprijed postavljene dozvole, za usmjerivač i za radnike, rade sdanger-full-accesskao korisnik OS operatera. Omotači računa odabiru koje vjerodajnice GitHub agent koristi, ali dokumenti kažu da su one zadane, a ne sigurnosna granica, jer radnik i dalje može pokretati program apsolutnom putanjom ili čitati vaš matični direktorij. Preporuka je namjenski OS račun koji sadrži samo vjerodajnice agenta.
• Nepouzdani unos otvoreno je sigurnosno pitanje.Članak upozorava da ako brzo ubrizgavanje ili upad u poslužitelj ugrozi petlju agenta u oblaku, svaki povezani uređaj može biti dosegnut, a vjerodajnice koje ulaze u kontekst modela mogu procuriti.
• Ljudi se spajaju prema zadanim postavkama.Agent nikada ne omogućuje automatsko spajanje pod svojim računom. Za automatsko spajanje potreban je CLI drugog računa naveden u upitu Zahtjevi za isporuku, a zadane upute to dopuštaju samo za male, odobrene zahtjeve za povlačenje ispod 200 promijenjenih redaka.
• Izgrađen je oko jednog spremišta.Svaka postavka prati jedno spremište GitHub, a Feishu, alat za razgovor na radnom mjestu uobičajen u Kini, drugi je prvorazredni izvor.
• Trebate pojas DeepSeek i dobavljača modela.Postavljanje navodi Node.js 22.19 ili noviji, pnpm, git 2.32 ili noviji, tmux, Python 3.8 ili noviji i GitHub CLI 2.48 ili noviji. Konfiguriranje pružatelja modela je korak operatera.
• Buka je trošak.Dokument o filozofiji kaže da se sredstvo ne koristi za proizvodnju volumena. Masovni zahtjevi za povlačenjem i emitirane poruke koštaju vaš tim više nego što daju.

Kako biste to isprobali, a da ne riskirate svoje glavno spremište?

Postavljanje ima mnogo koraka, tako da projekt od vas traži da dopustite agentu za kodiranje da to učini s vama. Prema README-u, agent postavlja jedno po jedno kratko pitanje, jednom prikazuje cijeli plan, a zatim sve instalira i konfigurira. Oprezno prvo izvođenje izgleda ovako:

1. Odaberite jednokratno spremištei namjenski račun korisnika stroja ili OS-a. Nemojte koristiti vlastitu prijavu.
2. Napravite zaseban GitHub račun za agenta.Sve što piše pojavljuje se pod tim nazivom.
3. Otvorite spremište u svom agentu za kodiranje i zalijepite upit u nastavku.Odgovorite jedno po jedno na njegova pitanja.
4. Popis dopuštenih zadržite za sebei ostavite način prihvaćanja na promatranju.
5. Zatražite nešto malo.S dopuštenog računa komentirajte@<agent login> <request>o problemu. Ulaznica bi se trebala pojaviti na pregledu ploče u roku od jedne minute.
6. Čitajte karticu Eval tjedan dana.Proširite popis ili se prebacite na automatski samo kada zapisi “prihvaćaju” izgledaju ispravno.

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

Filozofijski dokument projekta operaterima daje četiri pravila koja vrijedi ponoviti: počnite usko, podesite na manje buke, nemojte koristiti agenta za proizvodnju glasnoće i posjedujte ono što piše u vašem imenu.

Gdje bi trebao ići ostatak posla agenta?

Pretpostavimo da radnik provede sat vremena na nesigurnom testu integracije. Zahtjev za povlačenjem je rješenje. Ali istraga koja stoji iza toga, koji testovi nisu uspjeli, koje je hipoteze odbacila, što je vremenska tablica pokazala, ne spada u opis PR-a i to je upravo ono što recenzent želi osporiti. Ako to postoji samo u odgovoru na chat, sljedeći agent ili suigrač počinje od nule.

AgentGrid.ioje izgrađen za taj handoff. Ljudi i AI agenti rade na istim živim dokumentima, aplikacijama i datotekama, s jednom stabilnom adresom, kontroliranim pristupom i poviješću verzija. Dokumenti AgentGrid.io opisuju povezivanje agenta sposobnog za naredbe pokretanjemnpx @animaapp/cli@latest login. Čovjek odobrava agentovo ime, tim i ono što on može učiniti: čitati, pisati, dijeliti ili objavljivati. Nakon toga se promjene agenta pojavljuju u povijesti pod svojim imenom. Prototip nema ugrađenu integraciju AgentGrid.io, stoga ovo smatrajte uzorkom koji treba isprobati s njegovim radnicima, a ne dokumentiranom značajkom.

U praksi, radnik piše svoju istragu kao Markdown datoteku, recenzent komentira red tablice, drugi pomoćnik pooštrava sažetak, a zahtjev za povlačenjem povezuje se na jednu trenutnu verziju umjesto na tri zalijepljene kopije.

Za još jedan pogled na nekoliko ljudi koji dijele jednog agenta, pogledajte naš vodičGrok Bot Team Botovi. A ako se pitate što se krije ispod hostiranog agenta, naš vodič zaClaude Managed Agentsgleda na Anthropic-ovu verziju istog razdvajanja mozga i ruku, koju navodi DeepSeek-ov članak.

Kada koristiti dsh-superagent, a kada nešto drugo?

• Koristite dsh-superagentučiti iz ozbiljnog, dokumentiranog dizajna, pokrenuti ograničeni eksperiment na repozitoriju niskog rizika ili posuditi njegove ideje: usmjerivač koji nikada ne pokreće kod, ulaznice s navedenim opsegom, način promatranja prije automatskog načina rada.
• Koristite jedan interaktivni agent za kodiranjekada radite zadatak po zadatak i želite upravljati korak po korak. Super-agent je stvoren za suprotnu situaciju.
• Koristite AgentGrid.iokada je rezultat dokument, izvješće ili aplikacija koju nekoliko ljudi i agenata treba pregledati, urediti i objaviti, bez obzira na to koji agent to izradio.

Često postavljana pitanja

Što je DeepSeek Super-Agent?

Riječ je o istraživačkom prototipu nazvanom dsh-superagent, koji je 31. listopada 2026. objavio Harness tim DeepSeek pod licencom MIT-a. To je proaktivni agent za kodiranje za jedan GitHub repozitorij. Dugotrajna sesija usmjerivača prima zahtjeve i dodjeljuje svaki prihvaćeni zahtjev vlastitoj radnoj sesiji, koja odgovara u izvornom razgovoru, obično zahtjevom za povlačenjem.

Je li DeepSeek Super-Agent službeni DeepSeek proizvod?

Ne. README ga naziva istraživačkim prototipom samo za referencu, a ne službenim proizvodom DeepSeek, i kaže da ga pregledate i prilagodite prije korištenja u vlastitom okruženju. Također nije identična internoj verziji ili implementaciji koju opisuje članak dizajna.

Kako se super-agent razlikuje od pod-agenta?

Podagent dodaje sloj ispod radnog agenta. Super-agent dodaje sloj iznad njega. U ovom dizajnu, usmjerivač se nalazi iznad mnogih radnika, razgovara s ljudima i šalje zadatke, dok svaki radnik rješava jedan zadatak zasebno. Ime govori o položaju, a ne o tvrdnji o većoj inteligenciji.

Treba li Feishu ili samo GitHub?

Sam GitHub je dovoljan. Feishu je izborni drugi izvor, a dokumentacija kaže da greška u postavljanju Feishu onemogućuje samo izvor Feishu.

Je li sigurno pokrenuti na repozitoriju tvrtke?

Ne kao što jest. U dokumentima se kaže da radnici rade s potpunim pristupom kao korisnik OS operatera i da računi omotača nisu granica izolacije. Preporučuju namjenski OS račun, namjenski račun agenta na GitHub, kratki popis dopuštenih i način promatranja dok učite kako se agent ponaša.

Je li brži od jedne sesije agenta za kodiranje?

U vlastitom simuliranom testu autora, dizajn usmjerivača završio je najsporije zadatke za 15,7 minuta u odnosu na 29,5 minuta za jednu sesiju s alatom subagenta, koristeći više tokena. Test je koristio simulirani rad kodiranja i pet pokretanja po dizajnu, tako da pokazuje prednosti raspoređivanja, a ne kvalitetu koda.