DeepSeek 开源 Agent 原型，真正争的是 Harness 入口

DeepSeek 把一个叫 dsh-superagent 的研究原型放上了 GitHub。发布帖很热，仓库说明很冷：仅供研究参考，不是官方 DeepSeek 产品，代码从团队日常开发里长出来，很多工程由 coding agents 完成，可能有 bug，风格和工程实践也可能不一致。这个限定很重要。发布帖把对手列成 Grok Bot、Meta Muse、OpenAI Dots、Claude Duet，仓库却先提醒你它是研究代码。营销话术和工程现实之间，代码更诚实。

它做什么？dsh-superagent 是面向一个 GitHub 仓库的主动编码代理，打包成 DeepSeek Harness 的 bundle。它监听 GitHub，也可选监听飞书。有人获准向它请求工作，它就开一个工作项，在独立 agent 会话和目录里处理，回到原对话回答，比如发一个 pull request。网页面板显示哪些事需要人。GitHub 仓库写得很清楚：用尽量少的人类注意力，给尽量多的价值；只在被要求或团队规则允许时行动，只在有人必须行动或能使用结果时说话。这个约束比全自动口号更值得看。Agent 能替团队行动，也能消耗整个团队的注意力。仓库链接在这里，许可证是 MIT。

Harness 可以粗略理解为模型外面的运行壳。会话、工具调用、上下文压缩、权限、事件触发都在这里发生。模型负责想，harness 负责让它持续干活。Tianyi 在推文里说，在 DeepSeek 相信跨 agent harness 扩展，每一代模型都会支持主要 harness，包括 Pi。Mario 转推时写，DSH 团队是少数在 harness 空间做创新的团队，方向包括单一长生命周期实体、ad-hoc、自由形式、真实任务可递归委派、跨系统事件摄取和触发。

有网友 Giuseppe 晒了自己的多线程 harness。主线程是控制面板，保持不阻塞，线程并行工作，所有线程都是带记忆的无限聊天，可以用 @ 调线程。视频里终端通知来回跳：架构线程还在跑第 14 轮，另一个线程超时，等人回答，底部有 todo 栏。这个画面离电影里的助手很远，更像调度台。Agent 数量上去后，人的瓶颈从打字变成注意力切换。谁把阻塞、升级、等待人处理的队列做好，谁才可能让常驻 Agent 不变成常驻骚扰。原帖在这里。

Vishal 的帖子称 DeepSeek 发布了 Super-agent 早期原型，完全开源，还列了挑战对象。概念图把旧方式和 Super-agent 对比：旧方式每个任务一个会话，手动切换；Super-agent 一个代理同时处理多个任务，在聊天、GitHub、邮件里工作；路由器接收事件，过滤后分配给 worker，保持上下文；提示里用链接取更多上下文；长任务不阻塞聊天；代理循环在云端跑；300 条消息模拟 20 个真实任务，比单会话快。这些是帖子和图里的说法，不是生产环境结论。仓库自己说研究代码可能含 bug，用前要审查和适配。

安装方式也有意思。仓库让 coding agent 读 SETUP.md 陪用户配置，一次问一个短问题，展示完整计划，再安装和配置。开发检查用 pnpm check，跑类型检查、测试和构建。文档从 000 哲学到 008 cookbook 按编号读，每篇只建立在前一篇上。这个设计假设读者会让另一个 agent 来读文档。人类读不读得完，反而次要。DeepSeek Harness 的入口在这里。

评论区把问题拉回地面。有网友说 token 和云 agent 对普通用户不便宜。有开发者说自己搭了 harness，但更新太快，跟不上。有人问 DeepSeek 是否做托管 agent。也有人建议公开固定任务的兼容性回归：工具调用参数、失败重试、上下文压缩后续跑、中断恢复都测一遍，才能分清模型能力提升与脚手架差异。这个要求很实际。如果模型改进依赖自家 harness 的补偿行为，跨 harness 支持就可能只是宣传口径。

超级两个字只是标题。更值得看的是 DeepSeek 把模型适配 harness 摆到台面。模型能力继续涨不奇怪，难的是让同一套模型在别人的壳里也稳定工作，同时不把人的注意力吃光。dsh-superagent 给了一个可读样本，离产品还有距离。接下来要看跨 harness 回归数据和真实仓库里的长期运行结果。