DeepSeek Lancar Prototaip Super-agent untuk Mengendalikan Tugas Pengekodan Secara Serentak

Ejen pengekodan yang dibina untuk mengendalikan beberapa tugas serentak

Pasukan Harness DeepSeek menerbitkan reka bentuk Super-agent pada 31 Oktober 2026, bersama prototaip penyelidikan berlesen MIT yang menukar permintaan untuk repositori GitHub kepada sesi pengekodan berasingan. Matlamatnya adalah untuk membolehkan beberapa tugas berjalan serentak, sementara pembangun menghabiskan lebih sedikit masa bertukar-tukar antara perbualan dan menyemak kemajuan.

Eksperimen awal pasukan itu menggunakan kira-kira 300 mesej simulasi yang mengandungi sekitar 20 permintaan kerja. Super-agent menyelesaikan separuh daripada tugas dalam 12.4 minit dan 95% daripadanya dalam 15.7 minit. Sistem perbandingan yang menggunakan satu sesi utama dengan akses kepada ejen pembantu mengambil masa 29.5 minit untuk mencapai penanda aras 95% dengan arahan neutral.

Repositori prototaip awam DeepSeek, yang dinamakan dsh-superagent-prototype, menawarkan keluaran praktikal dengan skop lebih terhad: ejen pengekodan proaktif untuk satu repositori GitHub, yang dibungkus sebagai himpunan untuk DeepSeek Harness. Ia memantau GitHub dan, secara pilihan, Feishu; membuka item kerja apabila individu yang diberi kuasa meminta sesuatu tugas; dan membalas dalam perbualan asal, yang mungkin disertakan dengan permintaan tarik untuk mencadangkan perubahan kod.

Fail README turut memberikan amaran tegas. Kod yang diterbitkan berbeza daripada sistem dalaman dan beberapa bahagian esei reka bentuk. Sesetengah ciri yang dicadangkan masih dalam perancangan, dan DeepSeek menyifatkan keluaran itu sebagai kod penyelidikan, bukan produk siap.

Pasukan DeepSeek Harness, yang menyelenggara prototaip itu, menyatakan statusnya dalam README:

Prototaip penyelidikan untuk rujukan sahaja, bukan produk rasmi DeepSeek.

Bagi pembangun, keluaran ini menyediakan kod untuk diteliti dan disesuaikan. Eksperimen utamanya mengkaji cara ejen menyusun kerja, mengingati perbualan berkaitan dan menentukan bila seseorang perlu campur tangan.

Mengapa DeepSeek mahu menyembunyikan pengurusan sesi

Reka bentuk DeepSeek bermula dengan pemerhatian daripada kerja mereka sendiri: seseorang biasanya hanya mampu mengikuti tiga hingga lima sesi ejen yang aktif pada satu-satu masa. Setiap sesi mempunyai sejarah perbualannya sendiri, jadi pembangun perlu mengingati tugas yang dikendalikan dalam setiap sesi dan arahan yang telah diterima oleh setiap ejen.

Harness ialah perisian yang mengelilingi model AI untuk mengurus alat, fail, perbualan dan pelaksanaan. Model membuat penaakulan tentang tugas; harness menentukan cara tugas itu disampaikan kepadanya dan cara tindakannya dijalankan. Super-agent memindahkan lebih banyak tanggungjawab untuk menyelaraskan beberapa tugas kepada perisian sokongan tersebut.

Pasukan itu menetapkan empat matlamat: kesinambungan merentas perbualan, pelaksanaan selari yang cekap, tindak balas proaktif terhadap peristiwa dan operasi berterusan dengan pemulihan daripada kegagalan. Satu contoh melibatkan pembangun yang memilih pelan dalam sembang, kemudian mengubahnya dalam komen GitHub. Sistem sepatutnya menghubungkan perbualan itu dan melaraskan tugas yang sama.

Keluaran ini menyusuli eksperimen DeepSeek pada 3 Oktober dengan keserasian sambungan Claude Code dalam Harness v0.2.1-alpha.1. Kemas kini itu menguji penghubung untuk sambungan; Super-agent pula meneroka cara harness itu sendiri boleh menyelaraskan kerja yang sedang berjalan. Yujia Qiao dikreditkan kerana melaksanakan sistem dan menulis esei reka bentuk, manakala 15 individu lain disenaraikan sebagai peserta semakan dan perbincangan.

Satu Router menyelaras, beberapa Worker melaksanakan tugas

Super-agent membahagikan tanggungjawab antara Router yang sentiasa aktif dengan beberapa Worker berasingan. Router menerima interaksi manusia, mengekalkan maklumat yang dikongsi antara tugas dan menetapkan kerja. Ia tidak melakukan pengekodan sendiri supaya peranan penyelarasan kekal tersedia semasa sesi lain sibuk.

Worker mengendalikan tugas masing-masing. Setiap satu mempunyai konteks perbualan dan alat pelaksanaan sendiri, membolehkan penyiasatan pepijat, respons terhadap semakan kod dan perubahan ciri berjalan serentak. Worker melaporkan hasil kepada Router, yang berkomunikasi dengan manusia supaya beberapa sesi tidak membalas secara berasingan.

DeepSeek mencadangkan bahawa model yang lebih ringan selalunya boleh mengendalikan penghalaan, sementara model yang lebih berkuasa melaksanakan kerja yang menentukan mutu kod. Worker juga boleh mencipta ejen pembantu untuk tugasan yang rumit. Router mengurus hubungan antara tugas dan bukannya merancang setiap langkah dalam tugas tersebut.

Prototaip itu memberikan setiap item kerja sesi dan direktori tersendiri, dengan pelancaran berjalan serentak sehingga had yang ditetapkan. Oleh itu, pengendali boleh mengawal jumlah kerja yang dimulakan serentak. Sejarah perbualan yang berasingan mengurangkan kemungkinan butiran daripada satu tugas menenggelamkan tugas lain, manakala Router mengekalkan gambaran keseluruhan yang dikongsi.

Bagaimana mesej menjadi tugas tanpa gangguan berterusan

Mesej sembang, komen semakan kod dan keputusan ujian automatik menjadi peristiwa yang boleh mencetuskan tindakan. Reka bentuk yang lebih luas itu turut mempertimbangkan e-mel dan peringatan kalendar. Integrasi berterusan, atau CI, merujuk kepada semakan automatik yang membina atau menguji kod selepas perubahan, lalu menghasilkan keputusan yang boleh ditindaklanjuti oleh ejen.

DeepSeek menapis peristiwa ini dalam dua peringkat. Mula-mula, peraturan program biasa menyemak perkara seperti sumber, kumpulan dan pengguna yang diberi kuasa. Kemudian, model menilai calon yang tinggal menggunakan konteks dan dasar bertulis. Langkah ini menjimatkan panggilan model untuk mesej rutin yang tidak memerlukan tindakan.

Peristiwa berkaitan dikumpulkan dalam satu Thread, seperti komen di bawah satu permintaan tarik atau satu topik sembang. Setelah Worker menerima tugasan itu, ia melanggan Thread tersebut. Komen dan keputusan ujian seterusnya boleh terus dihantar kepadanya tanpa meminta Router menetapkannya sekali lagi.

Langganan boleh bertindih. Beberapa Worker yang mengendalikan permintaan tarik yang sama boleh menerima kemas kini serupa, sekali gus membolehkan mereka mengesan perubahan yang menjejaskan kerja masing-masing. Worker juga boleh mengikuti beberapa Thread berkaitan, atau memulangkan sesuatu peristiwa kepada Router jika perkara itu di luar skop tugasan.

Bertindak awal, tetapi hanya bersuara apabila berguna

DeepSeek berkata Super-agent dalaman sudah beroperasi secara berterusan untuk menghasilkan semula dan membaiki masalah, menjawab semakan kod serta membantu membangunkan Harness itu sendiri. Satu peraturan bertulis membolehkannya menyiasat pepijat yang disebut dalam sembang kumpulan walaupun tiada sesiapa menandakan ejen itu secara langsung.

Peraturan itu mengutamakan penyiasatan secara senyap. Ejen cuba menghasilkan semula masalah yang dilaporkan dan mencari pembaikan mudah, kemudian mengemukakan hasil yang berguna. Dalam satu contoh, pembangun sedang membincangkan masalah yang menyebabkan tilde dipaparkan sebagai pemformatan teks dipotong, sedangkan ejen itu sudah membuka permintaan tarik yang mencadangkan pembaikan.

Pasukan Harness menerangkan prinsip operasi itu dalam README:

gunakan sesedikit mungkin perhatian manusia dan berikan sebanyak mungkin nilai.

Prototaip itu bertindak apabila individu yang diberi kuasa meminta sesuatu atau apabila peraturan bertulis pasukan membenarkannya. Panel webnya menyenaraikan item kerja yang memerlukan perhatian manusia. Antara muka itu menumpukan perhatian pada keputusan dan hasil yang boleh digunakan, bukannya setiap panggilan alat atau pemikiran perantaraan.

Mengekalkan konteks lama dan arahan baharu

Reka bentuk DeepSeek menganggap tetingkap konteks model, iaitu jumlah maklumat terhad yang boleh dipertimbangkannya pada satu-satu masa, seperti cache. Bahan yang kerap diperlukan kekal mudah dicapai; sejarah yang lebih panjang atau kurang berkaitan berada di luar tetingkap sehingga diminta.

Esei itu menamakan operasi ini Inline dan Spill. Inline meletakkan butiran berguna terus dalam konteks semasa, seperti mesej sembang berdekatan, pengecam atau pratonton ringkas. Spill menyimpan kandungan yang lebih panjang di tempat lain berserta rujukan yang boleh diikuti model untuk membaca lebih lanjut.

Chain of Recall menghubungkan rujukan tersebut. Peristiwa, Thread dan sesi Worker diberikan pengecam unik, yang membolehkan ejen beralih daripada mesej semasa kepada perbincangannya, kemudian kepada Worker berkaitan dan satu lagi semakan kod. Matlamatnya ialah mendapatkan semula tugas lama merentas saluran tanpa memuatkan keseluruhan sejarahnya berulang kali.

DeepSeek turut menangani masalah gangguan yang lebih segera: arahan yang panjang boleh menghalang ejen konvensional daripada memberi respons. Mekanisme tak segeraknya memulakan kerja di latar belakang dan menghantar hasilnya semula sebagai peristiwa baharu. Pengguna boleh terus memberikan arahan, termasuk meminta ejen menukar haluan atau berhenti.

Pasukan itu berkata mekanisme ini dilaksanakan dalam DeepSeek Harness tetapi tidak diaktifkan secara lalai. Peraturan komunikasi juga berbeza mengikut saluran: reka bentuk itu mengehadkan satu balasan pesanan segera kepada 100 perkataan, manakala permintaan tarik dan dokumen menerima penerangan perubahan serta pengesahan yang lebih berstruktur.

Penyelarasan awan dengan kerja pada komputer tempatan

DeepSeek memisahkan pengiraan yang menjalankan ejen, sejarah sesi yang disimpan dan mesin tempat arahan dilaksanakan. Gelung ejen yang dicadangkan berjalan dalam kontena awan, keadaan sesi disimpan dalam pangkalan data, dan perkhidmatan tempatan yang ringan melaksanakan arahan serta memulangkan hasilnya.

Susunan ini menyokong Bring Your Own Machine, atau BYOM. Pembangun boleh menyambungkan komputer sedia ada yang menyimpan repositori, alat dan perubahan yang belum selesai, dan bukannya memindahkan semuanya ke persekitaran jauh yang baharu. Penyelarasan awan boleh terus tersedia apabila komputer itu terputus sambungan, sementara tugas yang memerlukannya menunggu peranti tersebut kembali.

Sesi Watchdog bebas menyemak kegagalan dan kerja yang terhenti. Tujuannya bukan sekadar mengesan mesej ralat: ia menggunakan pertimbangan model untuk menilai sama ada Worker benar-benar menunjukkan kemajuan atau tersasar daripada matlamat, kemudian mencuba pemulihan apabila perlu.

DeepSeek mempersembahkan unsur-unsur ini sebagai sebahagian daripada penerokaan seni bina yang lebih luas. README memberi amaran bahawa himpunan awam dan pelaksanaan dalaman berbeza, jadi pembangun perlu menyemak kod yang dikeluarkan sebelum bergantung pada ciri reka bentuk tertentu.

Perkara yang diukur dalam eksperimen

DeepSeek mengulangi setiap tetapan eksperimen sebanyak lima kali, dengan membandingkan Super-agent dengan versi yang tidak mempunyai penghantaran peristiwa secara langsung serta dua konfigurasi satu sesi yang dilengkapi ejen pembantu. Beban kerja menggunakan mesej sintetik dan alat yang mensimulasikan kerja pengekodan yang panjang. Jeda antara mesej dan tempoh kerja dipendekkan kepada satu perempat.

Median 12.4 minit bermakna separuh daripada tugas selesai dalam tempoh itu. Persentil ke-95 selama 15.7 minit bermakna 95% tugas selesai dalam tempoh tersebut. Berbanding persentil ke-95 selama 29.5 minit bagi sesi tunggal dengan arahan neutral, Super-agent mengurangkan ukuran itu sebanyak 13.8 minit, atau kira-kira 47%.

Tingkah laku pendelegasian membantu menjelaskan keputusan itu. Dengan arahan neutral, sesi tunggal tidak pernah memanggil ejen pembantunya dalam kelima-lima percubaan. Apabila diminta mengutamakan pendelegasian, sesi itu mendelegasikan tugas dalam empat percubaan dan mengendalikannya sendiri dalam percubaan kelima. Super-agent menjadikan pemisahan antara penyelarasan dengan pelaksanaan sebagai pilihan struktur.

Ujian itu menilai penjadualan dan penyelarasan menggunakan pelaksanaan simulasi. Mutu pengekodan sebenar, ukuran prestasi bebas dan jumlah pengguna aktif belum dilaporkan, sementara pasukan itu menyifatkan ukurannya sebagai awal. DeepSeek belum menetapkan tarikh keluaran produksi.

Penyelarasan lebih pantas menggunakan lebih banyak token tercache

Keupayaan Super-agent menjalankan tugas serentak disertai penggunaan input tercache yang lebih tinggi. Ia membaca 23.23 juta token tercache, berbanding 6.05 juta dan 10.82 juta bagi dua konfigurasi satu sesi. Token ialah unit kecil teks yang diproses model; bacaan tercache menggunakan semula input yang disimpan daripada permintaan terdahulu.

Penghapusan penghantaran peristiwa secara langsung meningkatkan bacaan tercache daripada 23.23 juta kepada 31.77 juta, iaitu kira-kira 37%, dan meningkatkan keputusan Router sekitar 30%. Oleh itu, penghantaran susulan terus kepada Worker yang ditugaskan menjimatkan kerja penyelarasan dalam reka bentuk selari tersebut.

Pemprosesan secara kelompok membantu Router mengendalikan trafik yang lebih berat. Apabila kadar ketibaan peristiwa meningkat daripada kira-kira satu kepada 40 pencetus seminit, purata saiz kelompok meningkat daripada 1.0 kepada 2.8 dan tempoh permintaan meningkat daripada 2.5 kepada 3.9 saat. Masa inferens yang dilaporkan bagi setiap keputusan Router turun daripada 6.4 kepada 1.6 saat.

Imbangan praktikalnya ialah antara mengurangkan masa menunggu manusia dengan meningkatkan pemprosesan model merentas sesi berasingan. Angka token itu tidak menunjukkan kos dalam bentuk wang; pasukan yang mempertimbangkan penggunaan perlu mengambil kira harga model, tetapan serentak dan beban kerja sebenar mereka.

Kebenaran tempatan menjadikan keselamatan perkara utama

Dokumentasi pelaksanaan prototaip menyatakan bahawa arahan Worker berjalan tanpa kelulusan menggunakan akaun sistem pengendalian operator. Arahan shell latar depan beralih kepada pelaksanaan latar belakang selepas lima saat, dan kerja latar belakang mendapat sehingga 30 minit bagi setiap giliran. Tetapan ini menjadikan kebenaran akaun operator perkara penting dalam pelaksanaan.

Mesin yang disambungkan mungkin menyimpan kelayakan akses, kod persendirian dan fail sensitif. Suntikan arahan, iaitu apabila kandungan berniat jahat cuba mengubah hala ejen melalui bahan yang dibacanya, menjadi lebih serius apabila mesej masuk atau kandungan repositori boleh mempengaruhi arahan pada mesin tersebut.

DeepSeek menyenaraikan keselamatan dan privasi, penskalaan Router, memori jangka panjang dan komunikasi antara tika ejen sebagai bidang yang belum selesai. README meminta pengguna menyemak dan menyesuaikan kod itu serta memberi amaran bahawa pepijat dan amalan kejuruteraan yang tidak konsisten mungkin masih wujud. Sebahagian besar kerja kejuruteraan itu sendiri dilakukan oleh ejen pengekodan.

Pelancaran itu mendapat perhatian dengan pantas, termasuk hantaran oleh ketua penyelidikan Hugging Face, Leandro von Werra. Kronologi berikut menunjukkan betapa cepatnya prototaip itu tersebar:

• 31 Oktober 2026, pada 09:32 UTC: repositori GitHub dicipta.
• 31 Oktober: pasukan Harness menerbitkan esei reka bentuk; menjelang 22:10 UTC, repositori itu mempunyai 2,046 bintang dan 172 fork.
• 1 November, pada 04:20 UTC: repositori itu mencapai 3,433 bintang.

Bagi pasukan kejuruteraan, keputusan terdekat ialah sama ada mahu meneliti dan menyesuaikan sistem penyelarasan eksperimen itu. Daya tarikannya ialah potensi mengendalikan lebih banyak tugas dengan gangguan yang lebih sedikit; tuntutan operasinya termasuk menyemak kod, menetapkan kebenaran dan menentukan tindakan yang memerlukan campur tangan manusia.

Perkara Utama

• DeepSeek mengeluarkan prototaip penyelidikan berlesen MIT untuk kerja pengekodan dalam satu repositori GitHub, dengan integrasi Feishu secara pilihan.
• Router mengendalikan penyelarasan, sementara Worker berasingan melaksanakan tugas secara serentak.
• Sistem dalaman boleh menyiasat pepijat yang dilaporkan mengikut peraturan bertulis tanpa ditandakan secara langsung.
• Ujian sintetik mencatatkan masa penyelesaian median 12.4 minit dan persentil ke-95 selama 15.7 minit, dengan penggunaan token tercache lebih tinggi berbanding pilihan satu sesi.
• Worker melaksanakan arahan menggunakan akaun operator tanpa kelulusan, menjadikan kebenaran dan kelayakan akses perkara utama yang perlu diberi perhatian.
• Kod awam berbeza daripada sistem dalaman dan kekal sebagai prototaip penyelidikan, bukannya produk rasmi DeepSeek.