AnswersPublished28 sources
DeepSeek vil la én AI-agent styre flere kodejobber samtidig
DeepSeeks Harness team publiserte 31. oktober 2026 et forslag til Super agent arkitektur og lanserte en MIT lisensiert prototype for forskning.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- DeepSeeks Harness team publiserte 31. oktober 2026 et forslag til Super agent arkitektur og lanserte en MIT lisensiert prototype for forskning.
- Den offentlige prototypen er avgrenset til ett GitHub repositorium, med valgfri Feishu integrasjon.
- Målet er å redusere tiden folk bruker på å koordinere flere agentøkter. Kildene dokumenterer ikke en konkret grense på tre til fem økter per person.
- I rapporterte syntetiske tester var 95 persentilen for oppgaveløsning 15,7 minutter, mot 29,5 minutter for én enkelt økt.
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
- oktober 2026 publiserte DeepSeeks Harness-team artikkelen Exploring Super-agent Design: Towards a More Autonomous Agent System og la ut
dsh-superagent-prototype, et MIT-lisensiert forskningsprosjekt. Ideen er å løse et praktisk koordineringsproblem: Når AI-agenter jobber med flere oppgaver samtidig, kan menneskene bli flaskehalsen fordi de må holde oversikt over hver enkelt økt. De første rapporterte hastighetstallene ser lovende ut, men bygger på syntetiske tester – ikke på dokumentasjon av kodekvalitet i reelle prosjekter.1
2
5
En Router koordinerer, Workers utfører
Arkitekturen skiller mellom koordinering og utføring. En langvarig Router tar imot henvendelser, holder oversikt over arbeidet og fordeler oppgaver. Workers arbeider parallelt med hver sin oppgave i separate kontekster og rapporterer tilbake via Routeren. Teamets overordnede poeng er at flaskehalsen ved mange samtidige oppgaver ofte er menneskers oppmerksomhet – selv når en agent mestrer én enkelt oppgave godt. 9
22
50
Kildene støtter dette generelle poenget, men bekrefter ikke noen bestemt grense på tre til fem aktive agentøkter per person. Det tallet bør derfor ses som et anslag, ikke som et målt resultat.
Designforslaget beskriver også hendelsesstyrt drift og asynkron samhandling på tvers av kanaler. Tanken er at innkommende hendelser kan få Routeren til å vurdere om arbeid bør settes i gang. Ved å skille lagret tilstand fra aktiv databehandling vil systemet kunne bevare kontinuitet mellom oppgaver. En ekstern Watchdog beskrives som en separat kontrollsløyfe som følger med på framdriften og kan bidra til å håndtere problemer som en vanlig kontroll av om en prosess kjører, ikke nødvendigvis fanger opp. Dette er prinsipper i designforslaget, ikke dokumentasjon på at alle funksjonene finnes i den offentlige prototypen. 20
25
Hva betyr «stille gjenskaping og retting»?
Et rapportert internt arbeidsmønster i Harness viser hvordan den proaktive ideen kan fungere. Hvis noen melder om et programvareproblem i en intern gruppechat, kan agenten i bakgrunnen prøve å gjenskape feilen og finne en enkel løsning – også uten at noen nevner agenten direkte. Den deler resultatet hvis den bekrefter problemet og finner en enkel retting. Hvis ikke, forholder den seg stille. 20
Andre omtaler sier at en intern Super-agent-instans har vært brukt til å gjenskape og rette feil, svare på kodegjennomganger og bidra til videreutviklingen av DeepSeek Harness. Dette er rapporterte interne bruksområder, ikke bevis på at den offentlige prototypen har de samme funksjonene eller er tatt i bruk på samme måte. 19
22
Dette kan den offentlige prototypen gjøre
dsh-superagent-prototype er en pakke for DeepSeek Harness som arbeider mot ett GitHub-repositorium. Den kan også kobles til Feishu. Når en person med tillatelse ber om arbeid, oppretter systemet en oppgave for en egen agentøkt og arbeidsmappe. Deretter svarer det i den opprinnelige samtalen, for eksempel med en pull request. 8
35
45
Koden dokumenterer en innstillbar grense for hvor mange arbeidsplasser for Workers som kan brukes samtidig. Prototypen har altså en mekanisme for å begrense parallelt arbeid. Det betyr ikke at det finnes ett fast antall økter som gjelder overalt, eller at hele designforslagets system for flere kanaler er ferdig implementert i utgivelsen. 32
Prosjektets egen README er tydelig på avgrensningene: Koden omtales som en «forskningsprototype kun til referanse», ikke som et offisielt DeepSeek-produkt. Teamet advarer om mulige feil og sier at den ikke er klar for produksjonsbruk. Den publiserte utgaven er dessuten tilpasset for offentliggjøring og er ikke identisk med verken det interne systemet eller implementeringen som beskrives i designartikkelen. 12
37
Hva viser de første testene – og hva viser de ikke?
I de rapporterte testene var den beste 95-persentilen for tid til å fullføre en oppgave 15,7 minutter, sammenlignet med 29,5 minutter for en enkeltøkt som referanse – omtrent 47 prosent kortere tid. Omtalen beskriver tester med syntetiske meldingsstrømmer, rundt 300 meldinger per kjøring og simulerte verktøy. 2
53
Dette er en sammenligning av behandlingstid under de rapporterte testforholdene. Den viser ikke at systemet skriver bedre kode, retter virkelige feil riktig eller er pålitelig og trygt i produksjon. Én omtale sier at tokenbruken var høyere, men kildematerialet her underbygger ikke det spesifikke tallet om rundt 37 prosent flere cache-read-tokens. 2
3
Tidlig interesse er ikke det samme som utbredt bruk
Materialet som foreligger, bekrefter ikke uavhengig de oppgitte øyeblikksbildene med 459 og 563 GitHub-stjerner eller påstanden om at miljøet laget tilpasninger i løpet av få timer. En separat omtale sier at DeepSeeks bredere deepseek-harness-prosjekt hadde passert 188 000 stjerner. Det tallet dokumenterer likevel ikke at prototypen er tatt i bruk, eller at folk stoler på kode den genererer. 23
Den forsvarlige konklusjonen er mer avgrenset: DeepSeek har delt en praktisk forskningsretning for å redusere arbeidet med å koordinere flere kodeagentøkter, sammen med en begrenset prototype og en tidlig syntetisk referansetest. Utgivelsen gir innblikk i tilnærmingen, men både prosjektets egen advarsel og begrensningene ved testgrunnlaget gjør at den ikke bør behandles som et ferdig, autonomt kodeprodukt. 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 "DeepSeek vil la én AI-agent styre flere kodejobber samtidig"?
DeepSeeks Harness team publiserte 31. oktober 2026 et forslag til Super agent arkitektur og lanserte en MIT lisensiert prototype for forskning.
What are the key points to validate first?
DeepSeeks Harness team publiserte 31. oktober 2026 et forslag til Super agent arkitektur og lanserte en MIT lisensiert prototype for forskning. Den offentlige prototypen er avgrenset til ett GitHub repositorium, med valgfri Feishu integrasjon.
What should I do next in practice?
Målet er å redusere tiden folk bruker på å koordinere flere agentøkter. Kildene dokumenterer ikke en konkret grense på tre til fem økter per person.