阅读设置
什么是dsh-superagent？
编辑看看最近的deepseek都开源了什么。
alt
首先看清楚定位
dsh-superagent-prototype 是 DeepSeek 开源的一个自主编程 Agent 系统，可以监听 GitHub 上的任务，自动分析需求、修改代码、提交 Pull Request，并把结果反馈给开发团队。
它的项目定位是：
Towards a More Autonomous Agent System —— 迈向更自主的智能体系统。
你可以把它理解成一个长期在线的“AI 程序员”，而不是每次都需要你打开聊天窗口、输入提示词的编程助手。
1. 它具体能做什么？
举个例子：假设你在 GitHub 上维护一个项目。
你创建了一条 Issue：
登录接口在 Token 过期时会返回 500 错误，希望修复为 401，并增加测试用例。
传统流程是：开发者阅读 Issue → 定位代码 → 修复 → 测试 → 提交 PR。
使用这个项目，你可以在 Issue 中 @ 预先配置好的 Agent 账号，并提出要求。系统就能尝试自动执行这个流程。
它的核心价值是：开发者负责提出目标和审查成果，Agent 负责尽可能独立完成中间的执行工作。
项目还提供一个 Web 管理面板，让团队查看任务状态，以及哪些地方需要人工介入。
2. 它有哪些特别的设计？
| 能力 | 具体作用 |
|---|---|
| 主动感知任务 | 监听 GitHub Issue、PR、评论、CI 状态，以及可选的飞书消息 |
| 自动判断 | 根据团队制定的 Policy 判断是否应该接手任务 |
| 独立执行 | 每个任务拥有自己的 DSH Session 和工作目录 |
| 持续跟进 | 监听后续评论、代码审查和 CI 结果，继续处理已有任务 |
| 人工介入 | 遇到需要决策的问题时才请求人类处理 |
| 自主触发 | 在明确规则允许的情况下，可以主动发现并处理工作 |
其中比较值得关注的是两个设计。
第一，主动性不等于无限制自主行动。
它支持在特定条件下主动发起工作，但默认的主动任务模式是 observe：先记录 Agent 打算做什么，不真正执行。确认可靠后再逐步放开权限。
第二，它尽量减少对人类注意力的消耗。
项目设计理念是：
Take as little human attention as possible, and give as much value as possible.
意思是，Agent 不需要每执行一步就向人汇报，而是尽可能独立完成任务，只在需要人工决策或者可以交付成果时通知人。
这点与传统的交互式 AI 编程工具区别很大。
3. 它和 Claude Code、Codex 有什么区别？
| 产品 | 主要定位 |
|---|---|
| Claude Code | 开发者主动调用的 AI 编程助手 |
| Codex | 执行编程任务的 AI Agent |
| dsh-superagent | 围绕 GitHub 团队工作流运行的常驻 Agent 调度系统 |
它们并不是完全互斥的产品。
dsh-superagent 更关注 谁触发任务、是否授权、何时执行、如何持续跟进、何时通知人类。
而具体的代码分析、修改和执行，是通过底层的 DeepSeek Harness（DSH）完成的。
所以它更接近一个 AI 编程 Agent 的工作流管理与运行框架。
4. 技术上是怎么实现的？
项目主要采用 TypeScript，代码包含以下模块：
src/sources：监听 GitHub、飞书等事件。src/core：任务、授权、状态和工作流管理。src/executor：使用 DSH 执行具体任务。src/policy.ts：相关的权限和策略逻辑。src/client：Web 管理界面。
它基于 DeepSeek Harness 的 alpha 版本构建，安装还需要 Node.js、pnpm、GitHub CLI 等环境。
需要注意：DeepSeek 明确声明它是研究原型，并非正式 DeepSeek 产品，也不具备生产就绪保证。 而且这个公开版本与其内部实现并不完全相同。
仓库采用 MIT 开源许可证。
5. 这个项目值得关注吗？
我认为它值得关注的地方，不是 AI 能自动写代码，而是 DeepSeek 正在探索如何让 Agent 从被动工具转变为团队中的持续协作者。
它比较适合用于持续维护 GitHub 项目、自动处理明确的 Bug、跟进 PR 审查意见和 CI 失败，以及探索无人值守的软件工程工作流。
但目前它更适合开发者研究、实验和二次开发，不建议未经审查就给它重要生产仓库的自动合并或高权限操作能力。
总结：这是一个让 AI 从“等你给它派活”逐步走向“根据规则自己接活、干活、交付”的系统原型。