DeepSeek Harness开源主动式编程Agent · 话题榜 · TwKit

@Mashiro_0619

就在刚刚，DeepSeek官方 开源了 主动式编程智能体 dsh-superagent-prototype 一款专为单个代码仓库打造的主动式编程智能体研究原型。基于“少占用人类精力，提供最大价值”的理念，它能监听 GitHub/飞书，自主创建任务并提交 PR，还配备了需要人工介入的 Web 管理面板。 https://github.com/deepseek-ai/dsh-superagent-prototype

@AstroHanRay

看到 Deepseek Harness 团队的 SuperAgent，感觉去 Session 化应该是大家都在共同探索的共识。 核心是 Session 这种交互方式下，人的注意力是有上限的，超过 3-5 个就很难在继续工作了。 无论是多个 bot 还是多个 Session，人类的注意力和上下文都会成为下一步最大的瓶颈。

@QuantumTransf

我其实不看好 deepseek harness 新提出的这个 Super-Agent 我认为里面混杂了过多的 idea，以至于无法挑出来说哪些带来了 performance 的提升，哪些是负收益，有一种 idea 清仓大甩卖的感觉 具体哪里不看好，我之后会再发一篇文章/推文说说，总之我认为 Router + Worker 的架构不太可能是 best practice 如果你还不知道我在说什么，对于一个很简单的交互，为什么我要走 input->router->worker，worker->router->output 的链路？这种工作流编排实在太重了，不太可能成为通用的解决方案

@luojiuyue

朋友们啊!!!!!!! DeepSeek是真的有什么好东西都往外掏啊!!!!!!! 晚上8点半,他们在DeepSeek Harness的公众号,更新了一篇重磅文章 Super agent 设计探索:迈向更自主的Agent系统 旨在解决面向真实使用场景的,多agent,多任务并发的agent系统设计痛点!!!!! 他们提出了一个名为Super agent的设计架构!!!!!!! 该架构主要有四个基本特征: 连续👉: 能跨上下文长度限制,跨session合作 高效👉: 可以并行处理,前后台分离高效无阻塞 主动👉: 能主动观察环境,响应环境 持久👉: 能持续在线,多session协同以容错 具体内容见文章,不过其中的关键技术点,我比较感兴趣,相信大家也很感兴趣!!!!! 我先拎出来给大家总结一下,方便大家看的时候去找重点!!!!! Router 层 👉: 微服务网关 Thread（事件流） 👉 ：MQ Topic 订阅 异步 ReAct Loop 👉 ：异步回调 / 消息推送 存算分离 👉 ：分布式状态管理 Watchdog 👉 ：Sidecar（边车模式） 正是这些基础的工程技术,支撑起前面4项基本特征的扎实实现!!!! 看完这篇文章,我其实想说: 大模型正在沦为基建!!!!!!!!! 以后拼的百分百不再是谁的 Prompt 写得花哨，而是谁能用最成熟的微服务架构，把大模型这个“高延迟、会幻觉的熊孩子”给彻底管住!!!! 能把大模型丝滑地塞进传统架构里，才是接下来 AI 产品真正的护城河!!!!! 这篇文，值得所有 AI 开发者反复盘啊!!!!!!!!!!!!!!!!!! DeepSeek真牛啊!!!!!!!!!!!!!! 把这么好的东西分享出来!!!!!!!!!!!!!! 还有哦!!!!!!!!!!!!!!! 到底是谁说DeepSeek全员不加班的!!!我看崔添翼老师他们应该天天加班!!!!!!!! 不过!!!!不管加班与否!!!!!!!他们为了喜欢的事业奋斗,给所有人带来助益,真的很幸福啊!!!!!!!!!!!!!!

@huangruiteng

DeepSeek 最新开源 dsh-superagent 的架构设计，指明下一代 agent 系统的核心目标是 much value and little human attention。 这个目标只能说和 loopx 在 8、9 月 blog title 中 指出的 “More useful work, less human attention” 一模一样（见图片）。 更具体的： 1. 状态与 session 分离的思想，和 loopx 所走的路线一致； 2. 上下文组织，做了精细的效率和效果优化，loopx 近期也落地了 渐进式 & 压缩周期内差分上下文的优化，后者是基于结构化上下文体系的创新。 3. 将通用长程能力视作 personal agent 的基座，将 管家 or router 作为和用户交互、最小化注意力的接口，router 负责任务的 delegation。区别在于 loopx 有 per goal and per agent 的丰富的稠密状态信息，对 router or controller 的智能要求更高。 综合来看，目前通用长程任务的趋势，既要通过 semantic control plane 跑稳长程任务、提升效果，也要尽量将控制面的开销抽离出干活 session，避免损耗模型智能。 近期 loopx 有一个 control session and executor session 分离的 rfc，欢迎开发者参与。 RFC：https://github.com/loopx-project/loopx/blob/main/docs/architecture/rfcs/controller-executor-unified-contract-v0.zh-CN.md loopx 9 月初 blog：https://loopx-project.github.io/loopx/blog/from-one-shot-agents-to-long-horizon-control/ deepseek 新仓库：https://github.com/deepseek-ai/dsh-superagent-prototype deepseek 技术文章：https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg loopx：https://github.com/loopx-project/loopx loopx 管家：https://github.com/loopx-project/loopx#personal-agents-teams-and-self-improving-workflows

@NFT_Chen

🔥牛哇！DSH超级代理，一个人顶一个团队！24 小时盯着你的仓库，让 GitHub 自己修 bug 了！ 有人提 Issue、开 PR，它直接上手改代码、出修复草案、提 PR，把结果丢给你审，你只需醒来扫一眼 diff，点同意或拒绝，不用再翻一堆消息。 核心亮点 🔹主动干活：只在被点名或规则允许时才行动，尽量少打扰你 🔹并行处理小任务，不堵塞你的对话窗口 🔹支持 GitHub + 飞书触发，规则、权限、提示词全可自定义 🔹Router + Worker 双层架构，朝更自主的 Agent 迈进 🔹MIT 开源，研究原型（非官方正式产品） 快速上手 1️⃣安装 DeepSeek Harness，克隆仓库 2️⃣按 SETUP.md 让 Agent 引导配置（或看 docs/006-deployment.md 手动部署） 3️⃣建独立 superagent profile，配好 GitHub Agent 账号和监听仓库 4️⃣启动服务，在 Panel 设置允许用户/策略 5️⃣在 Issue/PR 里 @Agent，它就开始自动干活并回结果 Repo：https://github.com/deepseek-ai/dsh-superagent-prototype #DeepSeek #DSH #AIAgent #GitHub #开源 #编程助手 #SuperAgent

@criscxuan

DeepSeek Harness 团队的这个玩法，和叶天帝实时盯着 x 上的反馈通过 GitHub 直接修 bug 的方式是一样的。 果然大佬们都喜欢自动化工作流。 学到了。

@antiAIvo

准备搞一个新系列：「拆解 DeepSeek-Harness」 DeepSeek 开源了自己的 Agent 框架 DSH后 关注的人很多， 但真正拆解它架构的内容很少 原因也简单： 这个仓库太大了 一百多万行 TypeScript，两万多个文件， 打开目录，大部分人就放弃了 我花时间把它fork下来过了一遍， 发现一件有意思的事： 真正驱动 Agent 运转的核心循环， 只有两千行左右 剩下的大量代码， 是 UI、实验功能和各种插件 所以这个系列想做的， 不是逐行翻译源码 而是帮你找到那几千行真正该看的东西， 并讲清楚它为什么这样设计 计划写这几块： 1. 全景地图：一百多万行里，哪些该看，哪些可以跳过 2. 一切皆插件：为什么连 Agent 循环本身都是一个插件 3. 一句话的旅程：从你按下回车，到模型回答，中间发生了什么 4. 会话日志：为什么模型看到的一切都必须被记录下来 5. 工具调用：审批、沙箱、并发是怎么串起来的 6. 上下文管理：Prompt 怎么组装，长对话怎么压缩 7. 子 Agent、计划与任务拆解 8. 同一个内核，如何变成网页端、命令行和桌面端 9. 横向对比：DSH 和 Claude Code 等主流 Agent 的设计差异 项目还在快速迭代， 文章会基于固定版本来写， 有理解不对的地方，欢迎指出 https://github.com/deepseek-ai/deepseek-harness