AI Price MemoryAI Price Memory
申请收录

按品牌查看报价

OpenAIClaudeGeminiGrokX
返回技能与实验室
经验博文

「没人@它，它自己把活干了」：DeepSeek 开源 Super-agent 原型，对着 Claude Code 去的

常驻仓库、并行干活、自己发现 bug：先当架构参考研究，别急着往生产上接

原作者: AI Price Memory
108 次浏览
0 次复制
适用模型: DeepSeek-V4.1-Flash / Claude Opus 5.5

10 月 31 日晚，DeepSeek 的 Harness 团队在 GitHub 上公开了一个研究原型，名字叫 dsh-superagent-prototype，MIT 协议，随手就能下载。同一天还放出了一篇配套的设计文章，讲他们想做的 Super-agent 长什么样。消息出来不到一天，仓库 star 数按多家媒体转述已经冲到了几千，开发者群里传得很快。

先说结论。这次放出来的东西，定位很清楚：一个常驻在单个 GitHub 仓库里的主动式编码智能体，能听 GitHub 和飞书的消息，能同时并行处理好几件事，最后把结果以 Pull Request 的形式交回原讨论。值得研究，也值得拿来练手；但它自己在 README 第一行就写明了，这只是研究原型，不是 DeepSeek 的正式产品，更没到能往生产上接的地步。我个人的看法是，把它当成一份可以跑起来的架构参考，比当成一个开箱即用的工具要贴切得多。

Super-agent 架构示意

放出来的是什么

dsh-superagent-prototype 跑在 DeepSeek Harness 上面。Harness 是 DeepSeek 在 2026 年 8 月 13 日开源的可自托管智能体框架，同样 MIT 协议，用 Node.js 安装，本地起一个界面，地址在 127.0.0.1:3080，里面由适配器、工具、会话、沙箱、存储这些可组合的插件拼起来，跑在一个叫 Cordis 的运行时上。

原型本身的范围收得很窄。一次部署只服务一个 GitHub 仓库，可以选接飞书。获准的团队成员在讨论里提出请求，系统建一个工单，在独立的会话和目录里干活，干完回到原讨论交付，交付物常常就是一份 Pull Request。群里有人随口报了个 bug，没 @ 它，只要团队事先写好了允许它主动干活的规则，它也可以先在后台尝试复现、找修法，确认有简单方案再交结果。DeepSeek 给这个思路起的名字很直白：尽量少占人的注意力，尽量多给价值。

媒体转述的热度数字可以感受一下氛围，但别当成质量凭证：按多家报道，原型上线约 12.6 小时拿到 2046 个 star 和 172 个 fork，到 11 月 1 日早上 7 点 20 分左右，star 数已经到了 4117 上下。这些是报道数字，不是实时计数。

Router 和 Worker 分工干活

整套设计可以拆成两层，理解起来不费劲。上层有个 Router，负责收消息、判断任务之间的关系、把活分下去；下层是一群 Worker，各自领一份工单，在自己的会话和目录里执行。修 bug 的归修 bug 的，审代码的归审代码的，几件事并行推进，细节不会全搅在一个会话里。

任务和讨论之间还有一条订阅关系维系着。Worker 交了 PR，开发者在下面留一句“这部分换一种写法”，这条意见会沿着订阅关系送回负责这个任务的 Worker，让它接着改，不用人重新开会话、再讲一遍前因后果。超出任务范围的新要求，交回协调层处理。

另外几个机制，解决的是“长期干活”会碰到的麻烦。耗时命令跑超过 5 秒就转入后台，会话在此期间还能收新消息，新要求在当前推理步骤结束之后就能处理，不用等后台任务跑完。积压的消息可以合并处理，需要时再调取旧记录，省得每次都把全部历史塞给模型。架构文章里还提到一个独立的 Watchdog，相当于额外的监督者，定期检查别的 Agent 有没有卡住、有没有反复试同一种无效办法、有没有偏离目标，再介入恢复。

DeepSeek 在设计文章里给了一组自己的模拟数字：约 300 条消息、20 个请求的模拟里，Super-agent 的 p50 完成时间 12.4 分钟，p95 是 15.7 分钟；单会话加 Subagent 的对照方案是 20.4 分钟和 29.5 分钟。还有一组 Router 批量处理的数据：触发频率从每分钟约 1 次涨到约 40 次时，平均批量从 1.0 涨到 2.8，每次请求的延迟只从 2.5 秒涨到 3.9 秒，单次决策的推理时间从 6.4 秒降到 1.6 秒。这些数字都出自 DeepSeek 自己的模拟实验，文章自己也标注为初步结果，没有独立验证，读的时候得留个心眼。

DeepSeek Super-agent 相关报道配图

先别往生产仓库上接

热闹归热闹，安全这部分的提醒，几家跟进报道写得相当一致，我觉得值得原样转给你。

原型里的 Worker 会在没有人工批准的情况下直接以操作系统的用户身份跑命令。Harness 目前还是未经安全审计的预览软件。最近刚修掉一个沙箱逃逸漏洞，编号 CVE-2026-82533，修复版本是 0.1.2-alpha.1，跑旧版本就等于留着这个口子。还有一条很实际的提醒：本地控制端口只绑 localhost，别把它暴露到公网上。

所以比较稳妥的试法是：找一个一次性的仓库，里面不放密钥、客户数据和生产凭证；用最新版 Harness，以最小权限跑；先开一个 Worker、接几个范围很小的 issue，等评审跟得上节奏再加并行度；每一份 PR 都当成陌生人写的来审，跑过测试再合。把“它能省多少评审时间”记下来，这个数字才是你真正付出的成本。

和付费编码助手放一张桌上比

对比项dsh-superagent 原型GitHub Copilot / Claude Code 这类付费助手
许可与费用MIT 协议，代码免费，自托管订阅制，按套餐收费
控制权全部在自己手里，能读能改能自己搭以厂商给出的设置为限
上手难度要自己装环境、配沙箱、管权限装好登录就能用
支持与安全默认值没有厂商支持，没有审计过的安全默认配置有支持渠道和相对成熟的默认配置
并行干活Router-Worker 天生为并行设计按套餐和产品形态各不相同
适合谁想研究多智能体协作、愿意自己搭安全措施的团队想当天就用起来、要稳定表现的团队

这张表其实讲的是同一笔账的两种付法。付费助手用订阅换省心，原型用免费换控制权，代价是安全工程和运维都得自己来。已经在用付费助手的人，不妨把原型当成并排跑的研究对照组：拿次要工作试，比较 PR 质量和评审耗时，再决定往哪边加码。

想试，先这样搭

按项目文档，环境要求列得很具体：Node.js 22.19 以上的 22.x 或 24 以上版本，pnpm、Git 2.32 以上、Python 3.8 以上、tmux、GitHub CLI 2.48 以上。部署示例固定使用 @deepseek-ai/dsh@0.2.1-rc.3。先把仓库拉下来，再按 README 里的步骤接 Harness：

终端命令
git clone https://github.com/deepseek-ai/dsh-superagent-prototype.git
cd dsh-superagent-prototype
npx @deepseek-ai/dsh web

装之前先确认一件事：你拉到的 Harness 版本已经包含 CVE-2026-82533 的修复。版本号对不上，就先别往下走。

放回 DeepSeek 最近的动作里看

单看这一个原型，容易把它想成一次孤立的开源。把它放回 DeepSeek 最近几个月的时间线里，轮廓会清楚一些。8 月 V4 Pro 正式版强调 Agent 能力，9 月 V4.1 Flash 加入原生视觉理解，10 月 17 日的更新又强调缩短任务运行时间和输出长度，还针对多个 Agent 平台做了优化。模型在往“干活更快、开销更小”的方向走，Super-agent 则是把模型之外的那部分补上：怎么接进团队的工作流，怎么在没人盯着的时候持续干活。

同一周末，媒体还报道了 DeepSeek 新一轮融资的消息，规模说法在 1000 亿人民币上下。融资本身不改变这个原型的技术成色，但它解释了另一件事：为什么一家模型公司会在这个时候花力气做 Agent 框架。模型、算力、工程团队、Agent 基础设施，这些投入现在是同一盘棋。

说到底，Super-agent 让我感兴趣的地方不在它承诺了什么，而在它把什么摆到了台面上。过去编码助手大多是你问一句、它答一句；这套设计想反过来，让 AI 常驻在工作流里，自己发现活、自己排优先级、自己把结果交回来。能不能稳定干活、成本收不收得住、到底省没省人的时间，这些问题只有真实场景能回答。原型已经开源，答案可以由动手试的人自己写。

DeepSeek 相关报道配图

来源：

  • DeepSeek Harness 团队 GitHub 仓库 deepseek-ai/dsh-superagent-prototype：https://github.com/deepseek-ai/dsh-superagent-prototype
  • 虎嗅《DeepSeek开源Agent架构，想让人少给AI打工》：https://www.huxiu.com/article/4902105.html
  • TradingView 转引 Stocktwits《Weeks Ahead Of Expected Anthropic IPO, DeepSeek Launches Autonomous Coding Agent To Take On Claude Code》：https://www.tradingview.com/news/stocktwits:5324e9f96094b:0-weeks-ahead-of-expected-anthropic-ipo-deepseek-launches-autonomous-coding-agent-to-take-on-claude-code/
  • ChinaModelAPI《DeepSeek Open-Sources dsh-superagent》：https://chinamodelapi.com/news/deepseek-superagent-open-source
  • Coheser《DeepSeek Super-Agent Open Source: Free, With Caveats》：https://coheser.com/blog/deepseek-superagent-open-source-coding-agent
  • AICoder《DeepSeek Harness 团队开源 dsh-superagent》：https://aicoder.com/zh/news/news-20261031-deepseek-dsh-superagent-prototype-proactive-coding-agent-router-worker-mit