O time DeepSeek Harness acabou de lançar o dsh-superagent, um protótipo de pesquisa licenciado sob MIT. O DeepSeek dsh-superagent é um agente de codificação proativo para um repositório GitHub. Ele é empacotado como um bundle para o DeepSeek Harness. Ele escuta o GitHub e, opcionalmente, o Feishu. Converte solicitações permitidas em itens de trabalho paralelos, cada um em sua própria sessão de agente. O lançamento foi acompanhado de um post de design, Exploring Super-agent Design: Towards a More Autonomous Agent System. TL;DaR O que é?: Um bundle TypeScript, v0.1.0, lançado como 1 commit sob MIT. Usa qualquer modelo definido no perfil Harness. Executa em: sua própria máquina, como um perfil dedicado do DeepSeek Harness. Requisitos: Node.js 22.19+ ou 24+, git 2.32+, Python 3.8+, tmux e GitHub CLI 2.48+. Desempenho: Na simulação da DeepSeek, ele concluiu tarefas muito mais rápido em um fluxo de mensagens ruidoso comparado a um agente de sessão única. Melhor: conclusão de tarefa no p95 de 15,7 minutos versus 29,5 minutos para a linha de base de sessão única (cerca de 1,9x mais rápido). Pior: testado apenas com mensagens sintéticas e ferramentas simuladas. A qualidade real de codificação não foi medida. O que é o DeepSeek dsh-superagent? É um agente GitHub que aguarda ser acionado. Quando uma pessoa autorizada o chama, ele abre um item de trabalho, chamado Ticket. Cada Ticket roda em sua própria sessão e diretório. Os resultados retornam à conversa original, frequentemente como um pull request. Um painel web local lista apenas o que necessita de intervenção humana. A página README declara a regra central de forma simples: consumir o mínimo de atenção humana possível e entregar o máximo de valor possível. O documento de filosofia aplica isso ao comportamento. O agente confirma uma única vez, permanece silencioso enquanto trabalha e escreve novamente apenas com um resultado, uma pergunta ou uma falha. Por que a DeepSeek construiu um Super-agente? O time DeepSeek argumenta que agentes convencionais tratam 1 sessão como a unidade básica. Segundo o relatório, conforme divulgado pelo ifeng, uma pessoa pode acompanhar ativamente apenas de 3 a 5 sessões simultaneamente. A atenção humana, e não a capacidade do modelo, torna-se o gargalo para multitarefas.
Fonte: MarkTechPost
Publicado em 2026-11-01