JawabanDipublikasikan28 sumber
Bagaimana Super-Agent DeepSeek Membagi Pekerjaan Coding
Pada 31 Oktober 2026, tim Harness DeepSeek menerbitkan rancangan Super agent dan merilis prototipe riset berlisensi MIT. Desainnya memisahkan Router yang mengatur alur kerja dari Worker yang menjalankan tugas secara paralel.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Pada 31 Oktober 2026, tim Harness DeepSeek menerbitkan rancangan Super agent dan merilis prototipe riset berlisensi MIT.
- Desainnya memisahkan Router yang mengatur alur kerja dari Worker yang menjalankan tugas secara paralel.
- Uji sintetis melaporkan waktu penyelesaian persentil ke 95 sebesar 15,7 menit, dibandingkan 29,5 menit untuk sistem satu sesi.
AI Perintah
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
Pada 31 Oktober 2026, tim Harness DeepSeek menerbitkan Exploring Super-agent Design: Towards a More Autonomous Agent System dan merilis dsh-superagent-prototype, proyek riset berlisensi MIT. Gagasannya menjawab persoalan koordinasi: ketika agen mengerjakan banyak tugas sekaligus, perhatian manusia bisa menjadi penghambat untuk memantau sesi-sesi yang berbeda. Hasil uji awal tampak menjanjikan dari sisi kecepatan, tetapi berasal dari pengujian sintetis—bukan bukti kualitas coding dalam penggunaan nyata. 1
2
5
Router mengatur, Worker mengerjakan
Desain ini memisahkan koordinasi dari pelaksanaan tugas. Router yang berjalan terus-menerus menerima interaksi, menjaga gambaran besar pekerjaan, lalu membagikan tugas. Worker dengan konteks terpisah mengerjakan tugas masing-masing secara paralel dan melaporkan hasilnya kembali melalui Router. Menurut tim, tantangannya bukan hanya kemampuan agen menyelesaikan satu tugas, tetapi juga keterbatasan perhatian manusia saat mengelola banyak tugas. 9
22
50
Sumber yang tersedia mendukung gagasan umum bahwa perhatian manusia dapat menjadi hambatan. Namun, sumber tersebut tidak memastikan angka khusus bahwa seseorang hanya mampu mengelola tiga hingga lima sesi agen. Angka itu sebaiknya dipandang sebagai perkiraan, bukan hasil pengukuran yang terbukti dari materi yang tersedia.
Rancangan ini juga mencakup operasi berbasis peristiwa dan interaksi asinkron melalui beberapa kanal. Dalam visi tersebut, suatu peristiwa dapat mendorong Router menilai apakah pekerjaan perlu dimulai. Pemisahan penyimpanan status dari komputasi aktif dimaksudkan untuk menjaga kesinambungan pekerjaan. Sementara itu, Watchdog eksternal digambarkan sebagai mekanisme kontrol terpisah yang memantau kemajuan tugas dan membantu pemulihan ketika pemeriksaan kesehatan proses biasa saja tidak cukup. Semua ini merupakan prinsip desain, bukan bukti bahwa setiap fitur sudah diterapkan dalam prototipe publik. 20
25
Apa maksudnya “diam-diam mereproduksi dan memperbaiki”?
Salah satu contoh alur kerja internal Harness menggambarkan cara agen dapat bertindak proaktif. Ketika seseorang melaporkan masalah perangkat lunak di grup tim, agen dapat mencoba mereproduksi masalah dan mencari perbaikan sederhana di latar belakang—bahkan tanpa disebut secara langsung. Agen baru menyampaikan hasil jika berhasil mengonfirmasi masalah dan menemukan perbaikan yang sederhana; jika tidak, ia tetap diam. 20
Laporan lain menyebut sebuah instans Super-agent internal telah digunakan untuk mereproduksi dan memperbaiki masalah, merespons tinjauan kode, serta membantu mengembangkan DeepSeek Harness. Ini adalah laporan tentang penggunaan internal, bukan bukti bahwa prototipe publik memiliki kemampuan atau penerapan yang sama. 19
22
Cakupan prototipe yang dirilis
dsh-superagent-prototype adalah paket DeepSeek Harness untuk satu repositori GitHub. Prototipe ini juga dapat diintegrasikan dengan Feishu, aplikasi komunikasi kerja. Ketika orang yang berwenang meminta bantuan, sistem membuat item pekerjaan dengan sesi agen dan direktori tersendiri, lalu membalas di percakapan asal—misalnya dengan pull request. 8
35
45
Dokumentasi kode mencantumkan batas konkurensi yang dapat dikonfigurasi untuk slot Worker. Artinya, prototipe memiliki mekanisme untuk membatasi pekerjaan yang berlangsung bersamaan. Ini bukan berarti ada satu jumlah sesi yang berlaku universal, ataupun bahwa seluruh rancangan interaksi multi-kanal sudah tersedia dalam rilis publik. 32
Repositori tersebut juga menjelaskan batas statusnya dengan tegas: kode ini disebut “prototipe riset untuk referensi saja”, bukan produk resmi DeepSeek. README memperingatkan bahwa kode mungkin masih memiliki bug dan belum siap digunakan di produksi. Versi publik juga telah diadaptasi, sehingga tidak identik dengan sistem internal maupun implementasi yang dijelaskan dalam artikel rancangan. 12
37
Hasil uji awal—dan batas kesimpulannya
Dalam uji yang dilaporkan, waktu penyelesaian tugas terbaik pada persentil ke-95 adalah 15,7 menit, dibandingkan 29,5 menit untuk sistem pembanding satu sesi—sekitar 47% lebih singkat. Laporan pengujian menyebut penggunaan aliran pesan sintetis, sekitar 300 pesan per uji, serta alat yang disimulasikan. 2
53
Angka tersebut membandingkan waktu penyelesaian dalam kondisi pengujian yang dilaporkan. Angka itu tidak membuktikan bahwa sistem menghasilkan kode lebih baik, memperbaiki bug nyata dengan benar, atau aman dan andal untuk produksi. Salah satu laporan menyebut biaya token lebih tinggi, tetapi materi sumber yang tersedia tidak menguatkan secara spesifik klaim kenaikan sekitar 37% pada token baca cache. 2
3
Ramai dibicarakan belum berarti terbukti diadopsi
Materi yang tersedia tidak memverifikasi secara independen klaim jumlah 459 dan 563 bintang GitHub pada waktu tertentu, maupun adaptasi komunitas yang disebut dibuat dalam hitungan jam. Laporan terpisah menyebut repositori deepseek-harness yang lebih luas telah melewati 188.000 bintang. Namun, angka itu tidak membuktikan penggunaan prototipe ini ataupun kepercayaan terhadap hasil coding-nya. 23
Kesimpulan yang bisa ditarik lebih terbatas: DeepSeek membagikan arah riset praktis untuk mengurangi beban koordinasi saat mengelola beberapa sesi agen coding, disertai prototipe terbatas dan tolok ukur sintetis awal. Rilis ini berguna untuk mempelajari pendekatan tersebut, tetapi penafian dari repositori dan keterbatasan bukti pengujian menjadi alasan untuk tidak menganggapnya sebagai produk coding otonom yang sudah matang. 2
12
37
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Bagaimana Super-Agent DeepSeek Membagi Pekerjaan Coding"?
Pada 31 Oktober 2026, tim Harness DeepSeek menerbitkan rancangan Super agent dan merilis prototipe riset berlisensi MIT.
Apa poin penting yang harus divalidasi terlebih dahulu?
Pada 31 Oktober 2026, tim Harness DeepSeek menerbitkan rancangan Super agent dan merilis prototipe riset berlisensi MIT. Desainnya memisahkan Router yang mengatur alur kerja dari Worker yang menjalankan tugas secara paralel.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Uji sintetis melaporkan waktu penyelesaian persentil ke 95 sebesar 15,7 menit, dibandingkan 29,5 menit untuk sistem satu sesi.