DeepSeek Harness hat am 31. Oktober 2026 den Quellcode von DeepSeek Super-agent veröffentlicht. Dieser Prototyp empfängt autorisierte Anfragen aus einem GitHub-Repository und optional aus Feishu. Für jeden Auftrag öffnet das System eine separate Arbeitssitzung und kann das Ergebnis im Ausgangsgespräch zurückmelden, etwa als Pull-Request-Vorschlag. Das Team bezeichnet den Code ausdrücklich als Forschungscode: kein offizielles DeepSeek-Produkt und kein produktionsreifer Software-Release.
Das Projekt ist auf GitHub unter der MIT-Lizenz verfügbar. Es bringt kein neues KI-Modell mit: Es handelt sich um eine Komponente für DeepSeek Harness, das Framework, das Agentensitzungen und Werkzeuge verwaltet. Der Ansatz zielt darauf ab, bereits vorhandene Arbeitsanfragen aus dem Teamalltag in Aufgaben umzuwandeln, die ein Agent selbstständig übernehmen kann.
Von der Nachricht zur Repository-Aufgabe
Der Prototyp kann ein einzelnes GitHub-Repository beobachten und, bei entsprechender Konfiguration, auch Feishu-Konversationen verfolgen. Wenn eine autorisierte Person eine Aufgabe zuweist, öffnet das System ein Ticket sowie eine eigene Sitzung und ein eigenes Verzeichnis. Am Ende kann das Ergebnis in die ursprüngliche Diskussion zurückgespielt werden, auch als Codeänderungsvorschlag. Eine Webseite zeigt dabei an, welche Punkte menschliches Eingreifen erfordern.
Das erklärte Ziel des Teams besteht darin, den Koordinationsaufwand rund um Agenten zu senken, ohne dabei die Teamkommunikation mit unnötigem Rauschen zu belasten. Die Software soll ausschließlich auf eine autorisierte Anfrage oder eine vom Team festgelegte Regel reagieren und kommunizieren, wann eine menschliche Entscheidung benötigt wird oder wann ein verwertbares Ergebnis vorliegt. Dies ist eine von DeepSeek beschriebene Designentscheidung, keine durch unabhängige Tests validierte Leistung.
Das Arbeitsmodell ähnelt anderen Entwickler-Tools, die Agenten, Code und Anwendungen verbinden, wie etwa Vercel agent-desktop. Der Unterschied liegt im Fokus: Hier geht es nicht um die Steuerung einer Desktop-Oberfläche, sondern darum, Aufgaben und Antworten rund um ein Repository und die Gruppenkonversationen zu organisieren.
Kein neues DeepSeek-Modell
Das Repository stellt die Software als Bundle für DeepSeek Harness vor und weist darauf hin, dass der veröffentlichte Code nicht zwingend der intern vom Team verwendeten Version entspricht. Zudem wird klargestellt, dass einige Ideen aus dem technischen Papier zur Super-agent-Architektur als Zukunftsperspektiven zu verstehen sind und im verfügbaren Prototyp noch nicht umgesetzt wurden.
Another DeepSeek drop: dsh-superagent
, Leandro von Werra (@lvwerra) October 31, 2026
An agent framework that works through a repo's GitHub issues and PRs with many agents in parallel, designed to take as little human attention as possible while delivering as much value as possible.https://t.co/3H2v9z6Wn6 pic.twitter.com/E1B75oOkEJ
Diese Unterscheidung ist zentral: Die Veröffentlichung belegt nicht, dass der Agent bereits in der Lage ist, den Entwicklungszyklus eines Produkts eigenständig zu steuern. Der Code bietet eine experimentelle Grundlage zur Integration von Anfragen, separaten Sitzungen und Änderungsvorschlägen. In den vorliegenden Quellen finden sich keine unabhängigen Ergebnisse zur Korrektheit der Patches, zur Verwaltung komplexer Repositories oder zu den Betriebskosten.
Deshalb ist der Vergleich mit Coding-Agent-Tools mit Vorsicht vorzunehmen. Die von anderen Unternehmen veröffentlichten Tests, etwa zur COBOL-Code-Migration, beziehen sich auf spezifische Aufgaben und klar definierte Kriterien. Das DeepSeek-Repository hingegen beschreibt einen Orchestrierungs-Prototyp für die Arbeitsorganisation, ohne einen vergleichbaren Benchmark zu liefern.
Die Revision bleibt menschliche Verantwortung
Die Konfiguration setzt ein Repository, Zugangsdaten und Kommunikationskanäle voraus. Die Setup-Anleitung empfiehlt, die Antworten des Operators vor der Konfiguration einzuholen und den vollständigen Plan vor dem Start vorzulegen. Die Dokumentation beschreibt zudem eine Webseite, auf der Entscheidungen angezeigt werden, die einer Person obliegen.
Ein Änderungsvorschlag ist nicht gleichbedeutend mit genehmigtem oder ausgerollem Code. Das Team kann das Ergebnis prüfen, Korrekturen anfordern oder ablehnen, wie bei einem normalen Pull Request. Die dem Agenten zugewiesenen Berechtigungen, die Regeln zu den Aufgaben, die er starten darf, und die Repository-Kontrollen bleiben daher wichtig.
Gennaro Cuofano
Der Ansatz greift ein breiteres Thema der Aufsicht auf: Bei Claude Duet arbeitet der Agent im Hintergrund und kann den Nutzer einbeziehen, wenn eine Entscheidung erforderlich ist. Der Gemini-Agent von Google wird als Unternehmensassistent mit Werkzeugen und Sub-Agenten positioniert. Produkte und Konfigurationen unterscheiden sich, doch in allen Fällen verlangt die Delegation eine klare Definition, welche Aktionen das System ohne neue Autorisierung ausführen darf.
Prototyp nicht produktionsreif
DeepSeek warnt ausdrücklich, dass der Code Fehler enthalten kann, dass die Engineering-Praktiken inkonsistent sein könnten und dass Entwickler, die ihn einsetzen, ihn prüfen und anpassen müssen. Die Repository-Seite verzeichnet zum Zeitpunkt des ersten Releases am 31. Oktober außerdem nur einen einzigen Commit. Das ist ein Hinweis auf die noch frühe Projektphase, keine eigenständige Aussage über die Qualität des Codes.
Der offene Code ermöglicht es Entwicklern, die Architektur zu studieren und ihn in kontrollierten Umgebungen auszuprobieren. Das reicht allein nicht aus, um zu belegen, dass das System auf echten Repositories zuverlässig funktioniert oder für Unternehmens-Workflows geeignet ist. Das Interesse der Veröffentlichung liegt in der vorgeschlagenen Struktur: ein Agent, der mit den Teamkonversationen verbunden ist, einen einzelnen Auftrag übernimmt und eine zu prüfende Änderung zurückliefert.
DeepSeek Super-agent: Zusammenfassung
- Bestätigt: öffentliches Repository mit MIT-Lizenz; Unterstützung eines GitHub-Repositorys und optionale Feishu-Integration.
- Nicht angegeben: unabhängige Benchmarks, Erfolgsquote auf echten Repositories und Betriebskosten.
- Zu beobachten: benötigte Berechtigungen, Umsetzung der noch fehlenden Architekturideen und Qualität der Änderungsvorschläge.
Das größere Bild
Die Neuheit ist kein neues Modell, sondern ein Versuch, den Agenten in den Arbeitsalltag eines Teams einzubetten: Anfragen in einem bestehenden Kanal, separate Aufgaben und Ergebnisse, die in die ursprüngliche Konversation zurückfließen. Unsere Einschätzung, ausdrücklich als solche benannt, ist, dass die eigentliche Herausforderung darin besteht, den Koordinationsaufwand zu senken, ohne jede Anfrage in eine weitere zu verwaltende Revision zu verwandeln.
Die nächsten Punkte, die es zu beobachten gilt, sind reproduzierbare Tests auf echten Repositories, die Granularität der Berechtigungen und der Umgang des Systems mit mehrdeutigen Anfragen oder unvollständigen Ergebnissen. Solange diese Überprüfungen fehlen, bleibt DeepSeek Super-agent ein Prototyp zum Erkunden, keine erprobte Entwicklungslösung.
