DeepSeek 开源 Super-agent 原型：AI 编程开始从“等指令”走向“盯流程”

使用 AI 编程，有一种忙碌很容易被低估：代码可以让模型写，但人仍要不断分配任务、补充上下文、查看进度，再判断哪些结果值得合并。任务一多，聊天窗口就变成了另一份待办清单。

今天值得关注的一个项目，是 DeepSeek 官方 GitHub 组织下公开的 dsh-superagent-prototype。它把注意力放在了这段工作上：让 Agent 接收项目中的事件，在授权范围内推进任务，并把真正需要人处理的事情送回来。

先说明它的定位：这是研究原型，不是 DeepSeek 正式产品，也不代表已经适合直接用于生产环境。 README 明确区分了公开代码、团队内部实现和设计文章中的未来方向。项目说明

本文于 2026 年 11 月 1 日整理，基于公开文档解读，未进行部署实测。

这次公开的是什么？

它是一个面向单个 GitHub 仓库的主动式编程 Agent，以 DeepSeek Harness 的 bundle 形式提供，采用 MIT 许可证。项目可以接收 GitHub 事件，也可选择接入飞书；接到获准的工作后，在任务自己的 Agent 会话和目录中执行，再回到原来的讨论中交付结果，例如一个 Pull Request。README

换个更容易理解的说法：有人在项目讨论里提出需求，系统先判断这是不是一个可以接下的任务，再把它交给执行会话。人不用始终守在同一个聊天窗口里。

根据项目文档绘制的简化示意图，非官方界面，也不表示所有权限都由图中四个步骤完整覆盖。

最值得看的是“人的注意力”

项目的设计理念很直接：减少对人的注意力占用，同时提供有价值的帮助。它要求消息在有人需要采取行动，或结果值得查看时才出现；面板也优先呈现需要人处理的事项。设计理念 · 面板文档

这比“同时启动几个 Agent”更值得讨论。

我的理解是，并发数量只描述系统有多忙。对使用者更有意义的，是一天下来拿到了多少可用结果，以及为这些结果被打断了多少次。如果一个工具多写了几段代码，却让人花更多时间检查重复通知、解释任务边界、清理无效改动，它未必节省了工作。

这也提供了一个实用的观察角度：体验 Agent 产品时，可以顺手记录“交付了什么”和“问了我几次”。这两项放在一起，比单独看执行速度更接近真实感受。

“主动”不代表任何消息都能变成命令

公开文档把请求接收和权限判断分开了。谁可以提出任务、哪些消息只提供上下文、哪些工作允许主动开展，都有相应规则。消息被读到，不等于它获得了新的授权。 授权文档

其中，推断出来的主动工作有三个接收模式：

明确授权的直接请求与这些推断候选另有区分。因此，observe 不是把整个系统关闭，而是给主动工作留出一个先观察、再放开的阶段。

这个思路很适合自动化刚起步的时候：先看它会选中哪些任务，确认选择是否符合预期，再决定允许哪些任务真正执行。选题是否合适、修改是否必要，往往要看一段真实记录才能判断。

能运行起来，与能放心托管，还隔着一层工程

原型的执行文档有一个需要留意的细节：Worker 以操作者的系统身份运行命令；命令包装和工作目录约定并不构成安全隔离。自动合并也有其交付指令要求，真正要强制审核，仍需要 GitHub 分支保护等外部机制。执行文档

因此，读到“每个任务有自己的目录”时，不能顺手把它理解成“每个任务都有独立沙箱”。写在提示词里的约束，与系统实际限制的权限，也需要分别检查。

如果要试用，我会从一个可丢弃的实验仓库开始，只允许少量明确任务，先检查它如何交付、如何失败、如何等待人工决定。这里是基于文档给出的试用思路，不是本次已经完成的验证结果。

对日常自动化有什么启发？

把这套思路放到“每天搜 AI 信息、写一篇文章”的场景里，问题就很具体了：

• 今天搜到的信息，是否有可核对的原始来源？
• 模型是在整理事实，还是把推测写成了新闻？
• 哪些选题可以直接发布，哪些应该留作草稿？
• 上传失败或发布超时后，能不能知道任务究竟走到了哪一步？

这是本文的场景分析，并非这个 GitHub 原型已经提供博客发布功能。它提醒我们：在模型之外，还要设计任务来源、执行权限、状态记录和人工介入点。

我更关心的后续问题是：这样的系统在真实项目里，能否长期减少人的检查负担。目前公开代码还不能替我们回答这一点，但它已经把讨论推进到了一个值得验证的位置。

原始资料

以下资料均为本次阅读的项目原始文档，查阅日期为 2026 年 11 月 1 日：

• 项目仓库与 README：定位、能力范围和许可证
• 000 Philosophy：设计理念
• 002 Authorization：授权与主动工作模式
• 003 Execution：执行、权限限制与合并要求
• 005 Panel：人工监督面板

配图说明：封面为 AI 生成的协作工作室概念插画，不是产品截图；正文流程图为根据公开文档绘制的原创示意图。