31 октября 2026 года команда DeepSeek Harness опубликовала код DeepSeek Super-agent, прототипа, который принимает авторизованные запросы из репозитория GitHub и, опционально, из мессенджера Feishu. Для каждого задания система открывает отдельную рабочую сессию и может отвечать прямо в исходном чате, например предлагая pull request. Сам DeepSeek определяет проект как исследовательский код: это не официальный продукт компании и не программное обеспечение, готовое к промышленному использованию.
Проект размещён на GitHub под лицензией MIT. Он не представляет новую модель искусственного интеллекта, а является компонентом DeepSeek Harness, фреймворка для управления сессиями и инструментами агентов. По существу, прототип пытается превратить рабочие запросы, уже существующие в командных каналах коммуникации, в задачи, которые агент может взять под контроль.
От сообщения к работе с репозиторием
Прототип способен отслеживать один репозиторий GitHub и, при соответствующей настройке, переписку в Feishu. Когда авторизованный участник команды назначает задачу, система открывает тикет и создаёт отдельную сессию с выделенной директорией. По завершении работы агент может сообщить о результате прямо в исходной дискуссии, в том числе в виде предложения изменить код. Отдельная веб-страница показывает задачи, требующие вмешательства человека.
Заявленная командой цель состоит в том, чтобы снизить накладные расходы на координацию агентов, не засоряя переписку лишними уведомлениями. Система должна действовать только в ответ на авторизованный запрос или на заранее установленное командой правило, а также сигнализировать о ситуациях, где требуется решение человека или готов применимый результат. Это архитектурный выбор, описанный самим DeepSeek, а не производительность, подтверждённая независимыми тестами.
Модель работы напоминает подход других инструментов, связывающих агентов, код и приложения, например Vercel agent-desktop. Принципиальное отличие: здесь задача не в управлении настольным интерфейсом, а в организации заданий и ответов вокруг репозитория и командных чатов.
Это не новая модель DeepSeek
Репозиторий представляет программное обеспечение как бандл для DeepSeek Harness и предупреждает, что опубликованный код не обязательно совпадает с внутренней версией, которую использует сама команда. Документация также уточняет, что ряд идей из технической статьи об архитектуре Super-agent относится к перспективным направлениям и не реализован в доступном прототипе.
Another DeepSeek drop: dsh-superagent
, Leandro von Werra (@lvwerra) October 31, 2026
An agent framework that works through a repo's GitHub issues and PRs with many agents in parallel, designed to take as little human attention as possible while delivering as much value as possible.https://t.co/3H2v9z6Wn6 pic.twitter.com/E1B75oOkEJ
Это разграничение принципиально: выход прототипа не доказывает, что агент уже способен самостоятельно управлять полным циклом разработки продукта. Код предоставляет экспериментальную основу для интеграции запросов, отдельных сессий и предложений по изменению кода. В изученных источниках отсутствуют независимые данные о корректности патчей, работе с комплексными репозиториями или операционных расходах.
Поэтому сравнение с другими инструментами класса coding agent следует проводить осторожно. Публичные тесты других компаний, например данные о миграции кода COBOL, касаются конкретных задач с чётко определёнными критериями. Репозиторий DeepSeek, напротив, описывает прототип оркестрации рабочих процессов и не предлагает сопоставимого бенчмарка.
Ревизия остаётся ответственностью человека
По сути, настройка требует наличия репозитория, учётных данных и каналов коммуникации. Руководство по установке рекомендует собирать ответы оператора до запуска конфигурации и предъявлять полный план перед тем, как приступать к работе. Документация также описывает веб-страницу для маркировки решений, которые должен принимать человек.
Предложенное изменение кода не равнозначно одобренному или развёрнутому коду. Команда может проверить результат, запросить правки или отклонить предложение, как при обычном pull request. Поэтому по-прежнему важны права, назначенные агенту, правила о задачах, которые он может инициировать, и настройки контроля репозитория.
Gennaro Cuofano
Подобный подход перекликается с более широкой темой надзора за агентами. В Claude Duet агент работает в фоновом режиме и может запрашивать участие пользователя при необходимости принять решение. Агент Gemini от Google позиционируется как корпоративный ассистент с набором инструментов и субагентов. Это разные продукты с разными конфигурациями, однако во всех случаях делегирование требует чёткого определения того, какие действия система может выполнять без повторной авторизации.
Прототип не готов к промышленному использованию
DeepSeek прямо предупреждает, что код может содержать ошибки, инженерные практики могут быть непоследовательными и что те, кто его использует, обязаны его проверить и адаптировать. Страница репозитория по состоянию на дату первоначального релиза, 31 октября, содержала лишь один коммит: это сигнал о начальной стадии проекта, а не самостоятельная оценка его качества.
Открытый код позволяет разработчикам изучить архитектуру и протестировать решение в контролируемой среде. Однако сам по себе он не доказывает надёжность системы на реальных репозиториях и её пригодность для корпоративных рабочих процессов. Ценность публикации заключается в предложенной структуре: агент, подключённый к командным чатам, берёт на себя изолированное задание и возвращает изменение для оценки.
DeepSeek Super-agent: кратко
- Подтверждено: публичный репозиторий с лицензией MIT; поддержка одного репозитория GitHub и опциональная интеграция с Feishu.
- Не указано: независимые бенчмарки, показатель успешности на реальных репозиториях и операционные расходы.
- На что обратить внимание: запрашиваемые права доступа, реализация архитектурных идей, пока не включённых в прототип, и качество предлагаемых изменений кода.
Широкий контекст
Главная новость здесь не новая модель, а попытка встроить агента в повседневный рабочий процесс команды: запросы поступают по существующим каналам, задачи выполняются в отдельных сессиях, а результаты возвращаются в исходную переписку. Если выражать редакционную позицию прямо: ключевой практической задачей остаётся снижение накладных расходов на координацию, не превращая каждый запрос в очередную ревизию, которую нужно разбирать вручную.
Следующие элементы, заслуживающие внимания: воспроизводимые тесты на реальных репозиториях, детализация разрешений и то, как система обрабатывает неоднозначные запросы или неполные результаты. До тех пор, пока эти проверки отсутствуют, DeepSeek Super-agent остаётся прототипом для изучения, а не готовым инструментом разработки.
