Câu trả lờiĐã xuất bản28 nguồn
DeepSeek muốn giảm việc con người phải trông chừng nhiều AI agent
Ngày 31/10/2026, nhóm DeepSeek Harness công bố bài viết về thiết kế Super agent và phát hành mã nguồn thử nghiệm theo giấy phép MIT. Kiến trúc tách Router chuyên điều phối khỏi các Workers xử lý từng tác vụ trong phiên riêng; mục tiêu là giảm công sức theo dõi nhiều phiên agent.
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Ngày 31/10/2026, nhóm DeepSeek Harness công bố bài viết về thiết kế Super agent và phát hành mã nguồn thử nghiệm theo giấy phép MIT.
- Kiến trúc tách Router chuyên điều phối khỏi các Workers xử lý từng tác vụ trong phiên riêng; mục tiêu là giảm công sức theo dõi nhiều phiên agent.
- Bản prototype công khai chỉ dành cho một kho GitHub, có thể kết nối Feishu và được nhóm phát hành ghi rõ là mã nghiên cứu tham khảo, chưa sẵn sàng cho môi trường sản xuất.
- Trong các bài kiểm tra được báo cáo, thời gian hoàn thành ở phân vị 95 là 15,7 phút, so với 29,5 phút ở mô hình một phiên; kết quả này chưa chứng minh chất lượng lập trình ngoài thực tế.
Prompt AI
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
Ngày 31/10/2026, nhóm DeepSeek Harness công bố bài viết Exploring Super-agent Design: Towards a More Autonomous Agent System và phát hành dsh-superagent-prototype theo giấy phép MIT. Thiết kế hướng tới một hệ thống có thể theo dõi và phối hợp nhiều việc lập trình, thay vì buộc người dùng tự quản lý từng phiên AI riêng rẽ. Tuy nhiên, kết quả tốc độ ban đầu đến từ thử nghiệm tổng hợp, chưa phải bằng chứng về chất lượng xử lý mã trong các tình huống thực tế. 1
2
5
Router điều phối, Workers thực thi
Ý tưởng cốt lõi là chia hệ thống thành hai lớp. Router hoạt động lâu dài, tiếp nhận tương tác, theo dõi công việc tổng thể và phân phối nhiệm vụ. Workers xử lý từng việc trong các phiên tách biệt, có thể chạy song song rồi báo kết quả lại cho Router. Con người vẫn cần ra quyết định và xem xét kết quả, nhưng không phải tự tay giữ mạch cho từng phiên. 9
22
50
DeepSeek đặt vấn đề rằng khi một agent đã có thể làm tốt từng việc riêng lẻ, nút thắt của công việc đa nhiệm có thể chuyển sang khả năng chú ý của con người—tức số phiên mà một người có thể theo dõi và phối hợp cùng lúc. Các nguồn hiện có không xác nhận con số cụ thể “ba đến năm phiên” như một giới hạn đã được đo đạc; nên xem đó là ước tính, không phải kết quả kiểm chứng. 22
Thiết kế còn đề xuất vận hành theo sự kiện, tương tác bất đồng bộ qua nhiều kênh, tách trạng thái được lưu khỏi phần tính toán đang chạy, và dùng một Watchdog bên ngoài để theo dõi tiến độ, hỗ trợ phát hiện những trục trặc mà kiểm tra tiến trình thông thường có thể bỏ sót. Đây là các nguyên tắc trong thiết kế; không nên mặc định rằng toàn bộ tính năng đều đã có trong prototype công khai. 20
25
“Âm thầm tái hiện và sửa lỗi” hoạt động ra sao?
Một ví dụ được báo cáo từ môi trường nội bộ của DeepSeek Harness là chính sách “âm thầm tái hiện và sửa lỗi”. Khi có người nêu vấn đề phần mềm trong nhóm chat, agent có thể tự thử tái hiện lỗi và tìm cách sửa đơn giản ở chế độ nền, kể cả khi không được nhắc tên trực tiếp. Nếu xác nhận được lỗi và tìm ra hướng sửa phù hợp, agent mới đưa kết quả ra; nếu không, nó tiếp tục im lặng để tránh làm gián đoạn cuộc trò chuyện. 20
Một số tường thuật khác cho biết một phiên bản Super-agent nội bộ đã tham gia tái hiện và sửa lỗi, phản hồi các yêu cầu trong code review và hỗ trợ phát triển chính DeepSeek Harness. Đây là thông tin về việc sử dụng nội bộ được báo cáo, không phải bằng chứng rằng bản prototype công khai đã có phạm vi triển khai hay năng lực tương tự. 19
22
Prototype công khai làm được gì?
dsh-superagent-prototype được đóng gói cho DeepSeek Harness và tập trung vào một kho GitHub. Hệ thống có thể kết nối Feishu—một ứng dụng trò chuyện phục vụ công việc—nếu được cấu hình. Khi người được phép yêu cầu xử lý việc, hệ thống tạo một đầu việc với phiên agent và thư mục riêng, rồi phản hồi ngay trong cuộc trò chuyện ban đầu, chẳng hạn bằng một pull request. 8
35
45
Tài liệu mã nguồn cũng mô tả giới hạn cấu hình cho số worker slot chạy đồng thời. Nói cách khác, prototype có cơ chế khống chế lượng công việc song song; điều đó không đồng nghĩa mọi bản cài đặt đều có cùng một giới hạn phiên, hay toàn bộ thiết kế đa kênh đã được hiện thực hóa trong bản phát hành. 32
Điểm cần lưu ý là chính kho mã gọi đây là “prototype nghiên cứu, chỉ để tham khảo”, nhấn mạnh đây không phải sản phẩm chính thức của DeepSeek và chưa sẵn sàng cho môi trường sản xuất. README cảnh báo mã có thể còn lỗi, đồng thời cho biết phiên bản công bố đã được điều chỉnh nên không giống hoàn toàn hệ thống nội bộ hoặc cách triển khai trong bài thiết kế. 12
37
Kết quả thử nghiệm: nhanh hơn trong bài test, chưa nói lên chất lượng mã
Trong các kết quả được báo cáo, thời gian hoàn thành tác vụ ở phân vị 95 của thiết kế Super-agent là 15,7 phút, so với 29,5 phút ở mốc đối chiếu chạy trong một phiên—thấp hơn khoảng 47%. Các bài kiểm tra sử dụng luồng tin nhắn tổng hợp và công cụ mô phỏng; một nguồn mô tả mỗi lượt có khoảng 300 tin nhắn. 2
53
Đây là so sánh về thời gian hoàn thành trong điều kiện thử nghiệm được nêu, không chứng minh agent viết mã tốt hơn, sửa đúng lỗi thực tế, hay đủ ổn định và an toàn để dùng trong sản phẩm. Một số bài viết nói chi phí token cao hơn, nhưng nguồn hiện có không xác thực được con số tăng khoảng 37% đối với token đọc từ bộ nhớ đệm. 2
3
Sự chú ý ban đầu không đồng nghĩa với mức độ tin cậy
Các nguồn được cung cấp chưa xác minh độc lập những mốc 459 và 563 lượt gắn sao cho prototype, cũng như thông tin về các bản điều chỉnh cộng đồng xuất hiện chỉ trong vài giờ. Một bài viết riêng cho biết kho deepseek-harness nói chung đã vượt 188.000 lượt gắn sao; con số đó không cho biết riêng prototype này được sử dụng rộng rãi đến đâu, càng không chứng minh người dùng đã tin cậy đầu ra mã của nó. 23
Kết luận có cơ sở ở thời điểm này hẹp hơn những tuyên bố về một “lập trình viên tự động” hoàn chỉnh: DeepSeek đã chia sẻ hướng nghiên cứu nhằm giảm gánh nặng điều phối nhiều phiên coding agent, kèm một prototype giới hạn và kết quả benchmark tổng hợp ban đầu. Bản phát hành hữu ích để tìm hiểu cách tiếp cận Router–Worker, nhưng cảnh báo của chính nhóm phát triển và giới hạn của dữ liệu thử nghiệm là lý do để chưa xem đây như một sản phẩm lập trình tự hành đã hoàn thiện. 2
12
37
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "DeepSeek muốn giảm việc con người phải trông chừng nhiều AI agent" là gì?
Ngày 31/10/2026, nhóm DeepSeek Harness công bố bài viết về thiết kế Super agent và phát hành mã nguồn thử nghiệm theo giấy phép MIT.
Những điểm chính cần xác nhận đầu tiên là gì?
Ngày 31/10/2026, nhóm DeepSeek Harness công bố bài viết về thiết kế Super agent và phát hành mã nguồn thử nghiệm theo giấy phép MIT. Kiến trúc tách Router chuyên điều phối khỏi các Workers xử lý từng tác vụ trong phiên riêng; mục tiêu là giảm công sức theo dõi nhiều phiên agent.
Tôi nên làm gì tiếp theo trong thực tế?
Bản prototype công khai chỉ dành cho một kho GitHub, có thể kết nối Feishu và được nhóm phát hành ghi rõ là mã nghiên cứu tham khảo, chưa sẵn sàng cho môi trường sản xuất.