DeepSeek veut un agent de codage qui n’attend pas une invite. Le 31 octobre, l’équipe DeepSeek Harness a publié un prototype sur GitHub et un essai de conception sur le système interne derrière lui, et les deux ne sont pas la même chose.
Le code public est un point de départ que toute équipe peut lire, copier et adapter. L’affirmation plus audacieuse dans le titre, un agent qui repère un bogue et bouge en premier, appartient principalement à la version interne que l’essai décrit.
L’annonce
Le dépôt se nomme deepseek-ai/dsh-superagent-prototype. GitHub le liste comme public, créé le 31 octobre 2026, avec la licence MIT et une description qui se lit « Towards a More Autonomous Agent System ».
Le README est franc sur le statut. Il appelle le code un « prototype de recherche à titre de référence seulement, et non un produit officiel de DeepSeek » et avertit qu’il n’est pas un logiciel prêt pour la production, qu’il peut encore contenir des bogues, et qu’une grande partie de l’ingénierie a été faite par des agents de codage.
Il dit aussi que le code publié a été adapté pour la publication. Il n’est pas identique à la version interne, et certaines conceptions dans l’essai sont des directions futures qui ne sont pas mises en œuvre dans le prototype.
Comment le prototype public fonctionne
Le prototype est un agent de codage proactif pour un dépôt GitHub, empaqueté comme un ensemble pour DeepSeek Harness. Il écoute GitHub et, en option, Feishu, le service de clavardage vendu à l’extérieur de la Chine sous le nom de Lark.
Quand une personne autorisée à demander demande du travail, l’agent ouvre un élément de travail. Il travaille sur cet élément dans sa propre session d’agent et son propre répertoire, puis répond dans la conversation originale, par exemple avec une demande de tirage.
Le principe directeur dans le README est l’attention. L’agent devrait prendre le moins d’attention humaine possible et donner le plus de valeur possible, donc il agit seulement quand on le lui demande ou quand une règle que l’équipe a écrite le permet, et il parle seulement quand une personne doit agir ou peut utiliser un résultat. Un panneau Web montre ce qui a besoin d’une personne.
La couverture de la conception décrit un routeur résident qui attribue le travail et des sessions de travailleurs qui l’exécutent. Un travailleur peut recevoir des événements ultérieurs des fils qu’il gère, donc un commentaire de révision sur sa demande de tirage peut atteindre la session qui travaille déjà sur ce travail.
D’où vient l’affirmation sur les bogues
L’essai s’intitule « Exploring Super-agent Design: Towards a More Autonomous Agent System ». La couverture de l’essai signale que DeepSeek exécute son propre super agent à l’interne, où il reproduit des rapports de bogues, répond à des révisions de code et aide à construire DeepSeek Harness lui-même.
La couverture de Pandaily signalée par AI Affairs ajoute le détail derrière le titre. Parmi les propres utilisateurs de l’équipe, l’agent essaie discrètement de reproduire des rapports de bogues et ne parle que lorsqu’il trouve une correction simple, ouvrant parfois une demande de tirage avant que quiconque le marque.
Ce comportement est signalé à partir du système interne et de l’essai de conception. Le prototype public est plus étroit, et les lecteurs ne devraient pas supposer que chaque étape de cette histoire est livrée dans le code publié.
L’essai soutient aussi que l’attention est le vrai goulot d’étranglement. Les reportages à son sujet notent qu’une personne peut habituellement suivre seulement trois à cinq sessions d’agent actives à la fois, donc le travail parallèle est plafonné par les gens plutôt que par les modèles.
Détails importants
| Élément | Détail |
|---|---|
| Dépôt | deepseek-ai/dsh-superagent-prototype sur GitHub |
| Publié | 31 octobre 2026 |
| Licence | MIT |
| Statut | Prototype de recherche à titre de référence seulement, et non un produit officiel de DeepSeek |
| Portée | Un dépôt GitHub par déploiement |
| Construit sur | DeepSeek Harness, comme un ensemble |
| Intrants | GitHub, plus Feishu en option |
| Production | Une réponse dans la conversation originale, par exemple une demande de tirage |
| Exigences du guide de déploiement | Node.js 22.19 ou plus récent, pnpm, git 2.32 ou plus récent, Python 3.8 ou plus récent, tmux, GitHub CLI 2.48 ou plus récent |
| Comptes nécessaires | Un profil DeepSeek Harness dédié et un compte GitHub réservé à l’agent |
| Hôte de dépôt | github.com seulement; GitHub Enterprise Server n’est pas pris en charge |
L’équipe a aussi signalé des tests précoces sur du travail synthétique. AI Affairs a signalé environ 300 messages et environ 20 demandes de travail, avec la moitié des tâches terminées en 12,4 minutes et 95 pour cent en 15,7 minutes, par rapport à une comparaison à session unique qui a fini plus tard mais a utilisé moins de jetons en cache. L’équipe a appelé ces résultats une référence préliminaire, et ce sont des chiffres signalés par l’équipe, et non des bancs d’essai indépendants.
Le piège
Le guide de déploiement est direct sur l’accès. Les deux préréglages d’agent fonctionnent avec danger-full-access comme utilisateur du système d’exploitation de l’opérateur, et un travailleur peut exécuter des programmes par chemin et lire le répertoire personnel de l’opérateur.
La réponse du guide est l’isolement. Il conseille un compte de système d’exploitation dédié qui ne contient que les identifiants de l’agent, et l’installation demande aussi un compte GitHub utilisé seulement par l’agent.
La couverture liste aussi des problèmes ouverts que l’équipe nomme elle-même. Ils comprennent l’échelle du routeur, la mémoire à long terme, la communication entre agents, et le risque d’injection d’invite quand un agent peut atteindre des identifiants sur des appareils locaux.
Ce qui vient ensuite
Les prochaines étapes confirmées se limitent à ce que le code invite. Le dépôt livre des documents numérotés sur la philosophie, le modèle de domaine, l’autorisation, l’exécution, les invites, le panneau, le déploiement et l’architecture, plus un livre de recettes pour ajouter une source, donc l’intention claire est que d’autres équipes construisent sur le modèle.
Ce qui reste non confirmé est la forme du produit. Aucun produit officiel, prix ou plan de publication n’est attaché à ce prototype, et le README dit que certaines conceptions de l’essai ne sont pas encore mises en œuvre. Toute affirmation que le système interne sera livré comme un produit est de la spéculation à ce stade.
La valeur de la publication est le plan et le code fonctionnel ensemble, tous deux sous la licence MIT. Les équipes peuvent étudier comment l’acheminement, les listes de permissions et les sessions de travailleurs séparées s’emboîtent sans acheter un outil fermé, tant qu’elles lisent les avertissements avec le même soin que l’argument.
Sources
- DeepSeek : dsh-superagent-prototype on GitHub (README, licence et détails du dépôt)
- DeepSeek : dsh-superagent deployment guide (exigences, comptes et avertissements d’accès)
- AI Affairs : DeepSeek Harness team releases coding agent prototype for GitHub
- Madrobot : DeepSeek Super-agent: free coding agent that fixes bugs unasked
- Body images: Dirty Static house style illustrations
FIN DE LA TRANSMISSION
Restez curieux. Remettez tout en question.
