1 ноября 2026 года Bloomberg написал, что DeepSeek выложила в открытый доступ прототип агента для программирования Super-agent и целится им в Claude Code от Anthropic. Код лежит на GitHub в репозитории dsh-superagent-prototype под лицензией MIT, в package.json версия 0.1.0. Разбор архитектуры команда DeepSeek Harness опубликовала накануне, 31 октября, постом в WeChat.
По данным Bloomberg, команду Harness в DeepSeek собрали в этом году, чтобы делать агентов, способных тягаться с сервисами для программирования от американских лабораторий. Там же агентство напоминает, что перед IPO DeepSeek привлекла около 100 млрд юаней, это примерно 15 млрд долларов.
Агент на один репозиторий GitHub
По описанию в README, dsh-superagent это агент для одного репозитория на GitHub, собранный как плагин (bundle) для DeepSeek Harness, открытой оболочки DeepSeek для агентов. Он слушает GitHub и, если включить, рабочий мессенджер Feishu (он же Lark). Когда к агенту обращается человек из разрешённого списка, агент заводит задачу (в терминах проекта Ticket), берёт под неё отдельную сессию и отдельную папку и отвечает там же, где его попросили. Обычно ответ это пулл-реквест.
На практике это выглядит так: с аккаунта из списка пишете в issue комментарий @логин-агента что сделать, и, по словам SETUP.md, примерно через минуту задача появляется в панели. Агент работает под своим отдельным аккаунтом GitHub, ветки по умолчанию получают префикс agent/, а автослияние SETUP.md советует не включать: пулл-реквесты агента пусть сливают люди. Веб-панель показывает в первую очередь то, где нужен человек, а здоровое состояние системы места на экране не занимает.
Router и Worker вместо одной сессии
Зачем это всё, DeepSeek объясняет в посте «Super-agent 设计探索», по-английски «Exploring Super-agent Design: Towards a More Autonomous Agent System». Мысль такая: нынешние агенты привязаны к одной сессии, и при нескольких задачах человек сам переключается между окнами и держит в голове их контекст. По наблюдению DeepSeek, одновременно человек следит максимум за 3-5 активными сессиями. Получается, что потолок одной задачи задаёт модель, а потолок многих задач задаёт внимание человека.
Отсюда двухслойная схема. Постоянно живущий Router общается с людьми, держит общий контекст и раздаёт работу, сам задачи не решает. По опыту DeepSeek, для него часто хватает модели полегче. Worker это изолированные сессии с полным набором инструментов, каждая занята одной задачей, им ставят самую сильную модель. С людьми Worker напрямую не говорит, а докладывает Router. В прототипе роль Router играет главная сессия с пресетом dsh-superagent-router, а у каждой задачи своя сессия с пресетом dsh-superagent-worker.
Во внутреннем экземпляре DeepSeek, по словам команды, одна задача переходит из чата в ревью пулл-реквеста на GitHub и обратно, а агент следит за общим чатом, сам находит дефект без всякого @ и присылает исправление. Это и описывает Bloomberg. Публичный прототип, как сказано в README, с внутренней версией не совпадает, и часть идей из поста в нём пока не реализована.
Главная идея: как можно меньше внимания людей
Принцип проекта в docs/000-philosophy.md звучит так: «Take as little human attention as possible, and give as much value as possible», то есть брать как можно меньше внимания людей и давать как можно больше пользы. Каждое сообщение, уведомление, вопрос, настройка и даже абзац документации стоят чьего-то внимания. Если пользы от них меньше, их убирают.
Отсюда поведение агента. Он берётся за работу, только если его попросили напрямую или это разрешает правило, которое команда записала сама. Он один раз подтверждает задачу и называет, что сделает, а пока работает, молчит. Пишет снова, когда готов результат, когда нужно решение или когда не получилось. Вопросы задаёт по одному и конкретно. Черновик помечает как незаконченный, провал называет провалом. Оператору советуют начинать с короткого списка разрешённых людей и не использовать агента для массовых пулл-реквестов и рассылок.
Режимы off, observe и auto
Прямая просьба человека из списка выполняется всегда. Всё остальное, например сообщение без обращения к агенту, сообщение бота, результат CI или реплика человека не из списка, проходит через режим приёма, он описан в docs/002-authorization.md. В режиме off такие сообщения вообще не рассматриваются. В observe, он стоит по умолчанию, агент их оценивает, но ничего не делает, а только записывает в журнал «взял бы». В auto положительная оценка уже запускает работу. Для самостоятельной задачи нужно хотя бы одно совпавшее правило команды.
15,7 минуты против 29,5: что значат цифры
Цифры взяты из раздела 7.1 поста DeepSeek. Четыре схемы гоняли на потоке сообщений из группового чата и GitHub CI. В каждом прогоне около 300 сообщений, из них примерно 20 настоящих просьб сделать работу, остальное болтовня, уточнения, просьбы остановиться и сообщения CI. Программирование заменили инструментом, который просто тратит время. Так что мерили, как система распределяет и координирует работу, а качество кода не мерили вовсе. Каждую схему запускали 5 раз, интервалы между сообщениями и длительность работы сжали в 4 раза, время ответов модели оставили настоящим. Сама DeepSeek называет результаты предварительными: нагрузка синтетическая, среда упрощённая.
У Super-agent время от просьбы до ответа с результатом составило 12,4 минуты по медиане (p50) и 15,7 минуты для 95% задач (p95). Одиночная сессия с инструментом для субагентов и нейтральным промптом дала 20,4 и 29,5 минуты. В этой схеме модель ни в одном из пяти прогонов не позвала субагента, делала всё сама в главной сессии, и её постоянно сбивали новые сообщения. С промптом «отдавай работу субагентам» вышло 13,8 и 29,0 минуты: в четырёх прогонах модель делегировала, а в одном решила, что работа мелкая, и сделала её сама, отсюда длинный хвост.
Скорость оплачена токенами. За прогон Super-agent прочитал из кэша 23,23 млн токенов, одиночная сессия с нейтральным промптом 6,05 млн, с промптом на делегирование 10,82 млн. Если убрать прямую доставку, когда новые комментарии в треде сразу уходят подписанному Worker, время почти не меняется (12,6 и 15,5 минуты), но решений у Router становится примерно на 30% больше, а токенов 31,77 млн, на 37% больше. Отдельно DeepSeek проверила, как Router переносит наплыв: при росте потока с 1 до 40 событий в минуту средний пакет вырос с 1,0 до 2,8, запрос стал длиннее с 2,5 до 3,9 секунды, а на одно решение уходило уже 1,6 секунды вместо 6,4.
В эксперименте четыре схемы DeepSeek, Claude Code и другие готовые агенты в сравнении не участвуют. Сравнительную табличку с Copilot, Claude Code Action и Codex по описаниям из документации собрал MarkTechPost.
Как запустить и что учесть
Статус у проекта: исследовательский прототип, не официальный продукт DeepSeek. В README сказано, что большую часть инженерной работы сделали агенты для кода, ошибки возможны, а перед использованием код надо проверить. Запускается он у вас на машине, как отдельный профиль DeepSeek Harness с именем superagent, панель слушает 127.0.0.1, по умолчанию порт 3082. Модель любая: dsh-superagent берёт модель профиля по умолчанию, если в настройках Eval или Execution не указана другая.
Требования по docs/006-deployment.md: Node.js 22.19+ или 24+, pnpm, git 2.32+, Python 3.8+, tmux и GitHub CLI 2.48+. Репозиторий нужен на github.com, GitHub Enterprise Server не поддерживается. Настраивать руками не предлагают: просите своего агента для кода прочитать SETUP.md, и он задаёт вопросы по одному, показывает план и ставит всё сам. Фраза из README:
Read SETUP.md in this repository and set up dsh-superagent with me.
Отдельно про безопасность. Оба пресета работают с правами danger-full-access от имени пользователя ОС оператора. Worker может запускать программы и читать домашнюю папку оператора, обёртки для аккаунтов только подставляют учётные данные агента и процесс не изолируют. Для изоляции документация советует отдельного пользователя ОС, где лежат только ключи агента, и отдельный аккаунт GitHub, а не свой.
По сути DeepSeek выложила не готовый продукт, а рабочую демонстрацию архитектуры: Router раздаёт задачи, каждая идёт в своей сессии и папке, результат приходит пулл-реквестом, а люди видят только то, что требует их решения. Один репозиторий на github.com, локальный запуск через DeepSeek Harness, режим observe по умолчанию и цифры с синтетического потока, где качество кода не мерили. Заменой Claude Code это пока не назвать, а вот принцип «молчать, пока не нужен человек» стоит забрать себе любому, кто сажает агента в командный репозиторий.
