DeepSeek 在 10 月 31 日开源了 dsh-superagent：一个“主动式编程 Agent”，只服务一个 GitHub 仓库——监听仓库里的动静，获授权的请求进来后自己开工作项、在独立的会话和目录里干活，最后回到原对话交付结果，比如直接提一个 PR。发布两天就破了万星，截至 11 月 2 日已有 10,512 颗星、1,075 个 fork。
先把最重要的前提说清楚：README 开头就声明，这是研究原型、仅供参考，不是 DeepSeek 官方产品，代码源自团队日常开发、大量由编程 Agent 写成，“当作研究代码看，不要当生产可用的软件”。它和内部版本、以及配套论文《Exploring Super-agent Design: Towards a More Autonomous Agent System》里的实现并不完全相同，里面可能还有 Bug，用之前要自己审一遍再改。
它想解决什么
核心理念写在 README 里只有一句话：take as little human attention as possible, and give as much value as possible（尽量少占用人的注意力，尽量多交付价值）。一个能替整个团队干活的 Agent，也可能浪费整个团队的注意力，所以它的行动原则是反着来的：只在被要求、或者团队写好的规则允许时才行动；只在有人必须处理、或者能用上结果时才开口。
具体流程是：监听 GitHub（可选接飞书），有人获授权提了需求，Agent 就开一个工作项，在独立的会话和目录里做，做完回到原来的对话交付结果；还有一个网页面板，集中展示需要人来处理的事。
设计上有三点值得看
- Router + Worker 分工：路由层决定“这件事归谁、怎么做”，工作层在隔离环境里执行；
- 推测执行：在规则允许的范围内提前开工，而不是每一步都等确认；
- 7×24 持续运行：作为 DeepSeek Harness 的一个插件包形态长期挂着，而不是一次性跑完就退出的脚本。
配套文档一共 9 篇（000 Philosophy 到 008 Cookbook），按顺序读，每篇只建立在前面几篇的基础上，讲哲学、领域模型、授权、执行、提示词、面板、部署、架构和扩展方法。
部署门槛不低
README 对部署方式的说法本身就很有意思：“Setup has many steps, so an agent does it with you（步骤很多，所以让 Agent 陪你装）”——让自己的编程 Agent 照着 SETUP.md 一步步装。需要准备的东西包括：一个单独的、供 Agent 使用的 GitHub 账号，配置好的模型提供方，以及 Node.js 22.19+ / 24+、pnpm、git 2.32+、tmux、Python 3.8+、GitHub CLI 2.48+ 和 DeepSeek Harness（部署指南锁定 Harness 0.2.1-rc.3）。这不是一个下载即用的工具，更适合想研究“主动式 Agent 该怎么设计”的开发者照着文档拆解。
同样是“让 Agent 替人干活”的思路，之前介绍过的Claude Code Game Studios是把 49 个 Agent 按游戏工作室的层级分工，dsh-superagent 则是让一个 Agent 长期守着一个仓库主动干活；如果团队里已经有多个编码智能体在跑，agentmash 的做法是让它们改同一个文件前先打声招呼，别互相拆台。
项目地址：github.com/deepseek-ai/dsh-superagent-prototype，MIT 协议，2026 年 10 月 31 日发布，目前只有 1 个 commit，截至 2026 年 11 月 2 日已有 10,512 颗星。
转自 GitHub 作者 deepseek-ai 的项目《dsh-superagent-prototype》，原文链接：https://github.com/deepseek-ai/dsh-superagent-prototype
暂无评论内容