AntwortenVeröffentlicht28 Quellen
DeepSeek teilt Coding-Arbeit zwischen Router und Workern auf
Am 31. Oktober 2026 veröffentlichte DeepSeeks Harness Team einen Entwurf für einen Super Agenten und den MIT lizenzierten Prototyp dsh superagent.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Am 31. Oktober 2026 veröffentlichte DeepSeeks Harness Team einen Entwurf für einen Super Agenten und den MIT lizenzierten Prototyp dsh superagent.
- Der Prototyp ist auf ein GitHub Repository ausgelegt, kann Feishu einbinden und ist laut Repository nur als Referenz gedacht – nicht als offizielles oder produktionsreifes DeepSeek Produkt.
- In synthetischen Tests lag die gemeldete 95. Perzentile der Aufgabenerledigung bei 15,7 statt 29,5 Minuten.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did DeepSeek’s Harness team publish and release on October 31 for its always-on “Super-agent” coding system, and how do its reported in. Article summary: On October 31, 2026, DeepSeek’s Harness team published *Exploring Super-agent Design: Towards a More Autonomous Agent System* and released the MIT-licensed `dsh-superagent-prototype`, exploring an always-on coding agent . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Am 31. Oktober 2026 veröffentlichte DeepSeeks Harness-Team den Entwurf Exploring Super-agent Design: Towards a More Autonomous Agent System und stellte mit dsh-superagent-prototype ein MIT-lizenziertes Forschungsprojekt bereit. Der Ansatz soll ein Koordinationsproblem angehen: Je mehr Aufgaben Agenten gleichzeitig übernehmen, desto schwieriger wird es für Menschen, den Überblick über einzelne Sitzungen zu behalten. Die ersten gemeldeten Tempo-Werte klingen vielversprechend, stammen aber aus synthetischen Tests – sie belegen keine bessere Codequalität in der Praxis. 1
2
5
Router koordiniert, Worker erledigen Aufgaben
Das Konzept trennt Koordination und Ausführung. Ein dauerhaft laufender Router nimmt Interaktionen entgegen, behält die Gesamtarbeit im Blick und verteilt Aufgaben. Kontextisolierte Worker übernehmen einzelne Aufgaben parallel und melden ihre Ergebnisse an den Router zurück. Die Grundthese des Teams: Bei mehreren Aufgaben wird nicht unbedingt die Fähigkeit des Agenten zum Engpass, sondern die Aufmerksamkeit der Person, die seine Sitzungen verfolgen muss. 9
22
50
Die verfügbaren Quellen stützen dieses allgemeine Argument, bestätigen aber keine konkrete Obergrenze von drei bis fünf Agentensitzungen pro Person. Diese Zahl ist daher als Schätzung zu verstehen, nicht als durch das hier verfügbare Material belegtes Messergebnis.
Zum Entwurf gehören außerdem ein ereignisgesteuerter Betrieb und asynchrone Interaktionen über mehrere Kanäle. Ereignisse sollen den Router dazu veranlassen können, zu prüfen, ob Arbeit ansteht. Die Trennung von gespeichertem Zustand und laufender Berechnung soll Kontinuität über mehrere Aufgaben hinweg ermöglichen. Ein externer Watchdog ist als eigener Kontrollkreislauf vorgesehen: Er soll den Fortschritt überwachen und bei Problemen helfen, die eine gewöhnliche Prüfung, ob ein Prozess noch läuft, womöglich nicht erkennt. Das sind Entwurfsprinzipien – kein Beleg dafür, dass alle Funktionen bereits im veröffentlichten Prototyp stecken. 20
25
Was „im Hintergrund reproduzieren und beheben“ bedeutet
Ein berichteter interner Harness-Ablauf veranschaulicht den proaktiven Ansatz: Meldet jemand in einer Teamgruppe ein Softwareproblem, kann der Agent im Hintergrund versuchen, es nachzustellen und eine einfache Lösung zu finden – auch ohne ausdrücklich erwähnt zu werden. Er meldet sich, wenn er das Problem bestätigt und eine unkomplizierte Reparatur findet. Andernfalls bleibt er still. 20
Berichten zufolge wurde eine interne Super-Agent-Instanz außerdem genutzt, um Probleme nachzustellen und zu beheben, auf Code-Reviews zu reagieren und DeepSeek Harness selbst weiterzuentwickeln. Das sind beschriebene interne Anwendungen; sie belegen nicht, dass der öffentliche Prototyp dieselben Fähigkeiten hat oder intern genauso eingesetzt wird. 19
22
Was der veröffentlichte Prototyp kann
Der öffentliche dsh-superagent-prototype ist ein DeepSeek-Harness-Paket für ein einzelnes GitHub-Repository. Optional lässt sich Feishu anbinden, eine Workplace-Messaging-App. Wenn eine berechtigte Person einen Auftrag erteilt, legt das System dafür einen Arbeitsvorgang in einer eigenen Agentensitzung an und antwortet anschließend im ursprünglichen Gespräch – zum Beispiel mit einem Pull Request. 8
35
45
Der Code dokumentiert eine einstellbare Obergrenze für parallel belegte Worker-Slots. Der Prototyp bietet also einen Mechanismus, um gleichzeitige Arbeit zu begrenzen. Daraus folgt weder eine allgemeingültige Zahl für die Sitzungen noch, dass das im Entwurf beschriebene Mehrkanal-System vollständig im Release umgesetzt ist. 32
Auch das Repository selbst grenzt den Anspruch klar ein: Es bezeichnet den Code als „research prototype for reference only“, also als Forschungsprototyp zur Orientierung, nicht als offizielles DeepSeek-Produkt. Es warnt vor möglichen Fehlern und erklärt die Software für nicht produktionsreif. Zudem sei die veröffentlichte Version angepasst worden und nicht identisch mit dem internen System oder der Umsetzung, die der Designartikel beschreibt. 12
37
Was die frühen Tests zeigen – und was nicht
In den gemeldeten Tests lag die beste 95. Perzentile der Aufgabenerledigungszeit bei 15,7 Minuten. Für eine einzelne Sitzung als Vergleichswert wurden 29,5 Minuten angegeben – eine um etwa 47 Prozent kürzere Zeit. Die Berichte beschreiben Tests mit synthetischen Nachrichtenströmen, ungefähr 300 Nachrichten pro Durchlauf und simulierten Werkzeugen. 2
53
Das ist ein Vergleich der Bearbeitungszeit unter den beschriebenen Testbedingungen. Er belegt nicht, dass das System besseren Code erzeugt, reale Fehler korrekt behebt oder im Produktivbetrieb zuverlässig und sicher arbeitet. Ein Bericht nennt höhere Tokenkosten; die konkrete Behauptung eines Anstiegs der Cache-Read-Tokens um rund 37 Prozent lässt sich durch das verfügbare Quellenmaterial jedoch nicht belegen. 2
3
Frühes Interesse ist noch kein Adoptionsnachweis
Die vorliegenden Quellen bestätigen die behaupteten Momentaufnahmen mit 459 beziehungsweise 563 GitHub-Sternen und die innerhalb weniger Stunden entstandenen Community-Anpassungen nicht unabhängig. Ein separater Bericht meldet, dass DeepSeeks umfassenderes Repository deepseek-harness mehr als 188.000 Sterne erreicht habe. Diese Zahl belegt aber weder die Verbreitung des Prototyps noch das Vertrauen in dessen Programmierergebnisse. 23
Die belastbare Aussage ist enger: DeepSeek hat einen praktischen Forschungsansatz veröffentlicht, der den Aufwand für die Koordination mehrerer Coding-Agent-Sitzungen verringern soll – zusammen mit einem begrenzten Prototyp und einem frühen synthetischen Benchmark. Der Release macht den Ansatz untersuchbar. Der eigene Haftungshinweis und die Grenzen der Tests sprechen jedoch dagegen, ihn als fertiges autonomes Coding-Produkt zu behandeln. 2
12
37
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „DeepSeek teilt Coding-Arbeit zwischen Router und Workern auf“?
Am 31. Oktober 2026 veröffentlichte DeepSeeks Harness Team einen Entwurf für einen Super Agenten und den MIT lizenzierten Prototyp dsh superagent.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Am 31. Oktober 2026 veröffentlichte DeepSeeks Harness Team einen Entwurf für einen Super Agenten und den MIT lizenzierten Prototyp dsh superagent. Der Prototyp ist auf ein GitHub Repository ausgelegt, kann Feishu einbinden und ist laut Repository nur als Referenz gedacht – nicht als offizielles oder produktionsreifes DeepSeek Produkt.
Was soll ich als nächstes in der Praxis tun?
In synthetischen Tests lag die gemeldete 95. Perzentile der Aufgabenerledigung bei 15,7 statt 29,5 Minuten.