Il 31 ottobre 2026 il team DeepSeek Harness ha pubblicato Exploring Super-agent Design: Towards a More Autonomous Agent System e reso disponibile dsh-superagent-prototype, un progetto di ricerca con licenza MIT. L’obiettivo è affrontare un problema pratico: quando un agente porta avanti più attività, seguire le diverse sessioni può diventare un lavoro a sé. I primi risultati sui tempi sono interessanti, ma arrivano da test sintetici e non dimostrano la qualità del codice prodotto in situazioni reali.
1
2
5
Router e Worker: chi coordina e chi esegue
L’architettura divide il lavoro in due ruoli. Un Router resta attivo, gestisce le interazioni e assegna i compiti; i Worker, con sessioni e contesti separati, si occupano delle attività in parallelo e restituiscono gli aggiornamenti al Router. La tesi di fondo è che, anche quando un agente sa svolgere bene un singolo compito, il numero di attività gestibili insieme dipende anche dall’attenzione delle persone che devono seguirle.
9
22
50
Le fonti disponibili sostengono questa idea generale, ma non verificano un limite preciso di tre-cinque sessioni per persona: quel numero va considerato una stima, non un dato misurato.
Il progetto descrive inoltre un funzionamento basato sugli eventi, interazioni asincrone su più canali e una separazione tra stato conservato ed esecuzione attiva, pensata per mantenere continuità tra un’attività e l’altra. Un Watchdog esterno è presentato come un ciclo di controllo separato, che può monitorare l’avanzamento dei compiti e aiutare a rilevare problemi non visibili con un semplice controllo che verifichi se il processo è ancora in esecuzione. Sono principi architetturali: non è detto che tutte queste funzioni siano presenti nel prototipo pubblicato.
20
25
«Riprodurre e correggere in silenzio»
Un esempio descritto per il sistema interno di Harness riguarda le segnalazioni di problemi software in una chat di gruppo. L’agente può tentare in background di riprodurre il problema e cercare una correzione semplice, anche senza essere chiamato direttamente in causa. Mostra un risultato se riesce a confermare il problema e trova una soluzione immediata; altrimenti non interviene.
20
Altre cronache riferiscono che una versione interna del Super-agent è stata usata per riprodurre e correggere problemi, rispondere alle revisioni del codice e contribuire allo sviluppo dello stesso DeepSeek Harness. Si tratta di usi interni riportati, non di una prova che il prototipo pubblico abbia le medesime capacità o venga distribuito allo stesso modo.
19
22
Cosa fa il prototipo pubblico
dsh-superagent-prototype è un pacchetto per DeepSeek Harness pensato per un singolo repository GitHub. Può integrarsi anche con Feishu, piattaforma di collaborazione aziendale. Quando una persona autorizzata chiede un’attività, il sistema crea un elemento di lavoro per una sessione e una directory dedicate, poi risponde nella conversazione originale, per esempio condividendo una pull request.
8
35
45
Il codice prevede un limite configurabile agli slot disponibili per i Worker. È un meccanismo per controllare quante attività possono svolgersi contemporaneamente, non un numero universale di sessioni né la prova che l’intera architettura multi-canale descritta nel progetto sia già implementata.
32
Anche il repository chiarisce i limiti della pubblicazione: definisce il codice un «prototipo di ricerca, solo come riferimento», specifica che non è un prodotto ufficiale DeepSeek e avverte che può contenere bug e non è pronto per la produzione. Il README aggiunge che la versione pubblicata è stata adattata e non coincide né con il sistema interno né con l’implementazione descritta nell’articolo di progetto.
12
37
I test: tempi più brevi, ma non una prova di qualità
Nei test riportati, il miglior tempo di completamento al 95° percentile è stato di 15,7 minuti, contro 29,5 minuti per il riferimento a sessione singola: una riduzione di circa il 47%. Le prove descritte usavano flussi di messaggi sintetici, con circa 300 messaggi per esecuzione e strumenti simulati.
2
53
Questi numeri confrontano i tempi nelle condizioni dei test. Non dimostrano che il sistema scriva codice migliore, risolva correttamente bug reali o sia affidabile e sicuro in produzione. Una fonte segnala costi in token più elevati, ma il materiale disponibile non conferma il dato specifico di un aumento di circa il 37% dei token letti dalla cache.
2
3
Interesse iniziale e adozione non sono la stessa cosa
Il materiale disponibile non permette di verificare in modo indipendente i conteggi di 459 e 563 stelle su GitHub attribuiti al prototipo, né gli adattamenti realizzati dalla community nelle prime ore. Una fonte riferisce invece che il repository più ampio deepseek-harness aveva superato 188.000 stelle: un dato che riguarda quel progetto, non prova l’adozione del prototipo né la fiducia nella qualità del suo codice.
23
La conclusione sostenibile è più circoscritta: DeepSeek ha condiviso una direzione di ricerca per ridurre il costo di coordinamento tra più agenti di programmazione, accompagnandola con un prototipo limitato e un primo benchmark sintetico. Il progetto è utile per esaminare l’approccio, ma le avvertenze del repository e i limiti dei test invitano a non confonderlo con un prodotto autonomo già pronto.
2
12
37