AnswersPublished28 sources
DeepSeekin Super-agent jakaa koodaustyön reitittimen ja työntekijöiden kesken
DeepSeek Harness tiimi julkaisi 31. lokakuuta 2026 Super agent arkkitehtuuria käsittelevän kirjoituksen ja MIT lisensoidun tutkimusprototyypin.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- DeepSeek Harness tiimi julkaisi 31. lokakuuta 2026 Super agent arkkitehtuuria käsittelevän kirjoituksen ja MIT lisensoidun tutkimusprototyypin.
- Julkinen prototyyppi käsittelee valtuutettuja tehtäviä yhdelle GitHub repositoriolle ja voi integroitua Feishuun.
- Arkkitehtuurin tavoitteena on vähentää rinnakkaisten agenttisessioiden koordinoinnista ihmisille koituvaa vaivaa.
- Synteettisissä testeissä 95. persentiilin suoritusaika oli 15,7 minuuttia, kun yhden session vertailuluku oli 29,5 minuuttia.
AI 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
DeepSeek Harness -tiimi julkaisi 31. lokakuuta 2026 kirjoituksen Exploring Super-agent Design: Towards a More Autonomous Agent System ja toi saataville MIT-lisensoidun dsh-superagent-prototype-tutkimusprojektin. Tavoitteena on ratkaista koordinointiongelma: kun agentit tekevät useita tehtäviä rinnakkain, ihmisen huomio voi kulua eri sessioiden seuraamiseen. Alustavat nopeustulokset näyttävät lupaavilta, mutta ne perustuvat synteettisiin testeihin eivätkä osoita koodin laatua käytännön ohjelmistotyössä. 1
2
5
Router koordinoi, Workerit tekevät työn
Ehdotuksessa työn organisointi ja varsinainen suorittaminen erotetaan toisistaan. Pitkään käynnissä oleva Router vastaanottaa viestejä, seuraa kokonaisuutta ja jakaa tehtäviä eteenpäin. Workerit työskentelevät toisistaan eristetyissä konteksteissa, hoitavat yksittäisiä tehtäviä rinnakkain ja raportoivat tuloksistaan Routerille. Tiimin lähtökohta on, että yksittäisen tehtävän rajoite voi olla mallin kyvykkyys, mutta monen tehtävän yhtäaikaisessa hallinnassa pullonkaulaksi voi muodostua ihmisen huomio. 9
22
50
Lähteet tukevat tätä yleistä huomiota koskevaa perustelua, mutta eivät vahvista tarkkaa arviota, jonka mukaan ihminen pystyisi hallitsemaan vain kolmesta viiteen agenttisessiota. Lukua on siksi syytä pitää arviona, ei tässä aineistossa mitattuna tuloksena.
Suunnitteluun kuuluvat myös tapahtumapohjainen toiminta ja asynkroninen vuorovaikutus useissa kanavissa. Ajatuksena on, että saapuva tapahtuma voi saada Routerin arvioimaan, pitäisikö työn käynnistyä. Tilan ja aktiivisen laskennan erottamisen on tarkoitus auttaa järjestelmää jatkamaan työtä tehtävästä toiseen. Erillinen, järjestelmän ulkopuolinen Watchdog puolestaan kuvataan valvontasilmukaksi, joka seuraa tehtävien edistymistä ja auttaa palautumisessa ongelmista, joita tavallinen prosessin käynnissäolon tarkistus ei välttämättä havaitse. Nämä ovat suunnitteluperiaatteita, eivät todiste siitä, että kaikki ominaisuudet sisältyisivät julkiseen prototyyppiin. 20
25
Mitä ”hiljainen toistaminen ja korjaaminen” tarkoittaa?
DeepSeek Harnessin sisäiseksi kuvattu toimintatapa havainnollistaa järjestelmän ennakoivaa ideaa. Jos joku ilmoittaa tiimin ryhmässä ohjelmistovirheestä, agentti voi yrittää toistaa ongelman ja etsiä siihen yksinkertaista korjausta taustalla – vaikka sitä ei erikseen mainittaisi. Se tuo tuloksen esiin, jos se pystyy vahvistamaan ongelman ja löytämään helpon korjauksen. Muussa tapauksessa se pysyy hiljaa. 20
Raporttien mukaan sisäistä Super-agent-instanssia on käytetty myös ongelmien toistamiseen ja korjaamiseen, koodikatselmointien kommentteihin vastaamiseen sekä DeepSeek Harnessin kehitystyöhön. Nämä ovat tietoja sisäisestä käytöstä, eivät näyttöä siitä, että julkisella prototyypillä olisi samat kyvyt tai käyttöönotto. 19
22
Julkisen prototyypin rajat
dsh-superagent-prototype on DeepSeek Harnessille tarkoitettu paketti, joka tukee yhtä GitHub-repositoriota. Siihen voi halutessaan liittää myös Feishun, työpaikkojen viestisovelluksen. Kun valtuutettu henkilö pyytää tehtävää, järjestelmä luo sille oman työtehtävän, agenttisession ja hakemiston. Vastaus toimitetaan alkuperäiseen keskusteluun – esimerkiksi pull request -ehdotuksena. 8
35
45
Prototyypin dokumentaatiossa on asetettava rinnakkaisuutta rajoittava Worker-paikkojen määrä. Tämä tarkoittaa, että samanaikaista työtä voi rajata asetuksella; se ei tarkoita yhtä kaikille sopivaa sessiomäärää eikä sitä, että arkkitehtuurikuvauksen monikanavainen järjestelmä olisi kokonaisuudessaan toteutettu julkisessa versiossa. 32
Myös GitHub-repositorion oma ilmoitus rajaa odotuksia: koodi on ”vain tutkimusprototyyppi viitteeksi”, ei virallinen DeepSeek-tuote. Tiimi varoittaa, että ohjelmistossa voi olla virheitä eikä sitä ole valmisteltu tuotantokäyttöön. Julkaisua varten sovitettu versio ei myöskään ole sama kuin sisäinen järjestelmä tai suunnittelukirjoituksessa kuvattu toteutus. 12
37
Testeissä valmistumisaika lyheni – mutta mitä muuta tiedämme?
Raportoiduissa testeissä Super-agentin paras 95. persentiilin tehtävänsuoritusaika oli 15,7 minuuttia. Yhden session vertailutulos oli 29,5 minuuttia – noin 47 prosenttia enemmän. Testit perustuivat synteettisiin viestivirtoihin ja simuloituihin työkaluihin; kussakin ajossa oli tietojen mukaan noin 300 viestiä. 2
53
Tulos kertoo suoritusaikojen erosta juuri näissä testioloissa. Se ei osoita, että järjestelmä kirjoittaisi parempaa koodia, korjaisi oikeat virheet oikein tai olisi luotettava ja turvallinen tuotantokäytössä. Yksi raportti mainitsee suuremmat token-kustannukset, mutta käytettävissä olevat lähteet eivät vahvista tarkkaa väitettä noin 37 prosentin kasvusta välimuistista luettujen tokenien määrässä. 2
3
Kiinnostus ei vielä osoita laajaa käyttöönottoa
Aineisto ei vahvista riippumattomasti väitteitä prototyypin 459 ja 563 tähden GitHub-tilanteista tai muutamassa tunnissa syntyneistä yhteisön toteutuksista. Erillisen raportin mukaan DeepSeekin laajempi deepseek-harness-repositorio oli ylittänyt 188 000 tähteä, mutta luku ei osoita tämän prototyypin käyttöönottoa tai luottamusta sen koodintuotantoon. 23
Lähteiden tukema johtopäätös on rajatumpi: DeepSeek on julkaissut tutkimussuunnan, joka pyrkii keventämään useiden koodaussessioiden koordinointia, sekä suppean prototyypin ja varhaisen synteettisen vertailutestin. Julkaisu antaa mahdollisuuden tutkia lähestymistapaa, mutta sen oma vastuuvapauslauseke ja testien rajallisuus ovat hyviä syitä olla pitämättä sitä valmiina autonomisena koodaustuotteena. 2
12
37
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DeepSeekin Super-agent jakaa koodaustyön reitittimen ja työntekijöiden kesken"?
DeepSeek Harness tiimi julkaisi 31. lokakuuta 2026 Super agent arkkitehtuuria käsittelevän kirjoituksen ja MIT lisensoidun tutkimusprototyypin.
What are the key points to validate first?
DeepSeek Harness tiimi julkaisi 31. lokakuuta 2026 Super agent arkkitehtuuria käsittelevän kirjoituksen ja MIT lisensoidun tutkimusprototyypin. Julkinen prototyyppi käsittelee valtuutettuja tehtäviä yhdelle GitHub repositoriolle ja voi integroitua Feishuun.
What should I do next in practice?
Arkkitehtuurin tavoitteena on vähentää rinnakkaisten agenttisessioiden koordinoinnista ihmisille koituvaa vaivaa.