DSH Superagent: GitHub-Coding-Agent

1. Projektübersicht

dsh-superagent-prototype ist ein quelloffener TypeScript-Prototyp eines Coding-Agenten, der autorisierte Anfragen für ein einzelnes GitHub-Repository in verfolgte Arbeit umwandelt, jede Aufgabe in einer eigenen DeepSeek-Harness-Sitzung und einem eigenen Verzeichnis ausführt und die Ergebnisse an die ursprüngliche Unterhaltung zurückgibt. Repository-README

2. Hintergrund & Positionierung

Das Projekt entstand aus der alltäglichen Entwicklungsarbeit des DeepSeek-Harness-Teams. Seine Mission ist es, nützliche Engineering-Ergebnisse zu liefern und dabei die von Teammitgliedern benötigte Aufmerksamkeit zu minimieren. Die Arbeit beginnt durch ausdrückliche Anfragen oder schriftliche Teamregeln, und die Kommunikation konzentriert sich auf umsetzbare Fragen und nutzbare Ergebnisse. Designphilosophie

Sein besonderer Schwerpunkt liegt auf einem dauerhaften Team-Workflow: Anfragen, Autorisierung, Ausführung, Nachverfolgungen und Auslieferung werden gemeinsam um ein Repository herum modelliert. Dadurch ist es für Entwickler relevant, die Repository-Agenten über eine interaktive Coding-Sitzung hinaus erkunden, obwohl das Projekt keine vergleichenden Leistungsbenchmarks veröffentlicht. Domänenmodell

Die Maintainer beschreiben es ausdrücklich als Forschungscode und nicht als offizielles DeepSeek-Produkt oder produktionsbereiten Dienst. Der öffentliche Prototyp unterscheidet sich von der internen Implementierung und dem begleitenden Forschungsartikel; einige in diesem Artikel diskutierte Ideen bleiben zukünftige Richtungen. Projektstatus

3. Funktionskategorien

Die folgenden Zahlen beschreiben die in jeder Kategorie aufgeführten konkreten Funktionen oder Ressourcen und nicht eine offizielle Gesamtzahl der Fähigkeiten.

Zusammenarbeit und Ereigniserfassung

🔌 Repository- und Chat-Eingaben — 4 repräsentative Funktionen

Erfassung von GitHub-Benachrichtigungen für das konfigurierte Repository.
Optionale Feishu/Lark-Bot-Integration.
Thread-Abonnements, die bestehender Arbeit Folgekontext liefern.
Kanalbasierte Antworten an die mit einer Anfrage verbundene Unterhaltung.

Zweck: Team-Unterhaltungen mit ausführbarer Arbeit verbinden und dabei den zur Fortsetzung nötigen Kontext bewahren. Domänenmodell

Autorisierung und proaktive Arbeit

🛡️ Richtlinienkontrollen — 5 repräsentative Funktionen

Listen zulässiger Absender für jede Quelle.
Zulassungstabellen basierend auf Geltungsbereich, Absendermitgliedschaft und darauf, ob der Agent adressiert wird.
Schriftliche Regeln für abgeleitete proaktive Anfragen.
Drei Annahmemodi: aus, beobachten und automatisch.
Ticket-Mandate, die die Autorität festhalten, unter der Arbeit angenommen wurde.

Zweck: die Berechtigung zum Start von Arbeit von Nachrichten unterscheiden, die lediglich Kontext liefern. Autorisierungsleitfaden

Aufgabenausführung

⚙️ Ausführungslebenszyklus — 4 repräsentative Funktionen

Eine dedizierte Executor-Sitzung für jedes Ticket.
Ein konfigurierbarer Vorbereitungsbefehl für Aufgabenverzeichnisse, einschließlich Git-Worktrees.
Worker-Parallelität und Modellkonfiguration.
Wiederherstellung unterbrochener Zuweisungen und Wiederholungsbehandlung.

Zweck: Arbeitselemente über Ausführungsrunden und Neustarts hinweg unabhängig nachverfolgbar und verwaltbar halten. Ausführungsleitfaden

Menschliche Aufsicht

📊 Bedienerpanel — 6 Registerkarten, mit 5 repräsentativen Beispielen

Die Übersicht hebt Arbeit hervor, die menschliche Aufmerksamkeit erfordert.
Quelle zeigt Integrationszustand und Auslieferungsprobleme.
Auslöser präsentiert Threads, eingehende Ereignisse und Abonnements.
Bewertung zeichnet Entscheidungen, Gründe und übereinstimmende Regeln auf.
Ausführung legt Ticket-Status, Worker-Aktivität und Eingriffskontrollen offen.

Zweck: ausstehende Entscheidungen und Workflow-Verlauf sichtbar machen; die sechste Registerkarte, Einstellungen, konfiguriert Quellen, Bewertung, Ausführung, Prompts und Bereitstellung. Panel-Leitfaden

Anpassung und Erweiterung

🧩 Erweiterungsressourcen — 4 repräsentative Ressourcen

Bearbeitbare Abschnitte der Team-Prompts.
Mitgelieferte GitHub- und Feishu-Skills.
Eine Beispielkonfiguration eines DeepSeek-Harness-Profils.
Ein Kochbuch zur Implementierung eines zusätzlichen Quellen-Plugins.

Zweck: Teams sollen Anweisungen und Ereignisintegrationen an ihren eigenen Repository-Workflow anpassen können. Prompt-Leitfaden, Quellen-Kochbuch

4. Wichtige Highlights

Erst beobachten, dann proaktive Ausführung aktivieren. Der Standardmodus „beobachten“ zeichnet auf, ob abgeleitete Arbeit angenommen würde, ohne die Arbeit zu erstellen, und gibt Bedienern so eine Möglichkeit, ihre Regeln zuerst zu bewerten. Autorisierung
Nachverfolgbare Arbeit von der Anfrage bis zum Ergebnis. Auslöser, Entscheidungen, Tickets und Zuweisungen bieten ein gemeinsames Vokabular, um zu verstehen, welche Arbeit der Agent angenommen hat und wie sie vorangekommen ist. Domänenmodell
Getrennte Ausführungskontexte. Jedes Ticket hat seine eigene Sitzung und sein eigenes Arbeitsverzeichnis; Git-Worktrees können unabhängige Repository-Checkouts bereitstellen. Dies sind Workflow-Grenzen, keine Betriebssystem-Sicherheitssandboxes. Ausführung, Bereitstellung
Aufmerksamkeitsfokussierte Aufsicht. Das Panel priorisiert blockierte Arbeit und umsetzbare Probleme, wobei bei Bedarf detaillierter Verlauf verfügbar ist. Panel
Erweiterbare Ereignisquellen. Das Kochbuch erklärt Ereignisübersetzung, Antwortauslieferung, Autorisierungsintegration und das Lebenszyklusverhalten von Quellen. Kochbuch

5. Anwendungsfälle nach Rolle

Die folgenden Punkte sind mögliche Anwendungen des dokumentierten Workflows und keine Behauptungen über spezialisierte integrierte Funktionalität.

Rolle	Praktische Nutzung
Allgemeine Entwickler	Abgegrenzte Fehlerbehebungen oder Funktionsarbeit aus einer Repository-Unterhaltung delegieren und die resultierenden Änderungen oder den Pull-Request prüfen.
DevOps/SRE	Das dedizierte Agent-Profil betreiben, den Zustand überwachen und mit regelautorisierten Antworten auf Repository-CI-Ereignisse experimentieren.
Sicherheitsingenieure	Absenderberechtigungen, Ausführungsanmeldedaten und Laufzeitisolierung prüfen; abgegrenzte Behebungsarbeit über normale Repository-Anfragen zuweisen.
Daten-/Forschungswissenschaftler	Ereignisweiterleitung, Richtlinienbewertung und Aufgabenwiederherstellung untersuchen oder Codeänderungen in einem Forschungs-Repository delegieren.
Projektmanager	Tickets prüfen, die auf Entscheidungen warten, angeforderte Ergebnisse klären und Arbeit über das Aufsichtspanel verfolgen.

Die zugrunde liegenden Mechanismen sind im Domänenmodell, im Panel-Leitfaden und im Bereitstellungsleitfaden dokumentiert.

6. Erste Schritte

Weg 1: Finden, was Sie brauchen

Beginnen Sie mit dem README und lesen Sie dann die neun nummerierten Dokumente der Reihe nach, von der Philosophie bis zum Quellen-Kochbuch. Nutzen Sie Architektur zur Navigation durch die Implementierung und Bereitstellung für betriebliche Details.

Weg 2: Installieren und integrieren

Der empfohlene Ausgangspunkt ist die agentengestützte SETUP.md. Geben Sie Ihrem Coding-Agenten diese Anweisung:

Read SETUP.md in this repository and set up dsh-superagent with me.

Voraussetzungen sind Node.js 22.19+ in der 22.x-Reihe oder Node.js 24+, pnpm, Git 2.32+, Python 3.8+, tmux, GitHub CLI 2.48+, ein Repository auf github.com und ein in DeepSeek Harness konfigurierter Modellanbieter. Feishu erfordert zusätzlich seine Bot-Einrichtung und lark-cli.

Für eine Neuinstallation ohne vorhandenes Superagent-Profil bietet der Bereitstellungsleitfaden diese Abfolge, mit eingetragener Repository-URL:

npm install -g @deepseek-ai/[email protected]
git clone https://github.com/deepseek-ai/dsh-superagent-prototype.git dsh-superagent
cd dsh-superagent
pnpm install
pnpm build
dsh superagent --from-default-profile web --dump-config > /dev/null
dsh plugin --profile superagent add "link:$PWD"

Der Befehl zur Profilerstellung ersetzt ein vorhandenes Profil, verwenden Sie ihn daher nicht für Upgrades erneut. Befolgen Sie vor dem Start die verbleibenden Bereitstellungsschritte: Richten Sie ein dediziertes GitHub-Konto für den Agenten und CLI-Anmeldedaten ein, füllen Sie die Beispielprofilkonfiguration aus und konfigurieren Sie Quellen, Richtlinie, Ausführung und Team-Prompts. Die Installationsbefehle allein schließen die Einrichtung nicht ab.

Weg 3: Mitwirken

Lesen Sie den Architekturleitfaden, bevor Sie Verhalten ändern. Befolgen Sie für eine Integration das Kochbuch zur Quellenerweiterung, einschließlich seiner Dokumentations- und Testanforderungen.

Führen Sie aus Ihrem Entwicklungs-Checkout die kombinierte Typprüfung, Tests und den Build des Repositorys aus:

pnpm check

Der geprüfte Baum enthält keine eigenständige CONTRIBUTING.md. Verwenden Sie den dokumentierten Entwicklungsworkflow und die Pull-Request-Oberfläche von GitHub für vorgeschlagene Änderungen.

7. Projektstruktur

dsh-superagent-prototype/
├── README.md                  # Overview and documentation index
├── SETUP.md                   # Agent-assisted setup workflow
├── LICENSE                    # MIT license
├── docs/                      # Nine ordered design and operation documents
├── examples/
│   └── profile.cordis.patch.yml
├── prompts/                   # Agent instructions and team sections
├── skills/                    # GitHub and Feishu skills
├── locale/                    # English and Chinese interface resources
├── scripts/
│   └── dsh-superagent          # Service lifecycle helper
├── src/
│   ├── index.ts               # Bundle entry point
│   ├── core/                  # Domain engine and lifecycle rules
│   ├── app/                   # Runtime, storage, API, and orchestration
│   ├── executor/              # Harness execution adapter
│   ├── sources/               # GitHub, Feishu, and Source infrastructure
│   └── client/                # Web supervision interface
├── tests/                     # Domain, integration, and interface tests
├── cordis.patch.yml           # Bundle plugin configuration
└── package.json               # Dependencies, compatibility, and scripts

Die Architektur trennt Domänenregeln von Ausführungs- und Integrationsadaptern, während der Client das bedienerorientierte Panel bereitstellt. Siehe den Quellbaum und den Architekturleitfaden.

8. Verwandtes Ökosystem

DeepSeek Harness: die Host-Laufzeitumgebung, die Agent-Sitzungen, Werkzeuge, Modellintegration und die Web-Oberfläche bereitstellt. Ihre offizielle Startseite verlinkt auf das Laufzeit-Repository und die Entwicklerdokumentation; ihre allgemeinen Fähigkeiten sollten nicht mit den von diesem Prototyp implementierten Funktionen verwechselt werden.
Cordis: die Plugin-Architektur, die vom Harness-Ökosystem und der Konfiguration dieses Bundles verwendet wird. Das Paketmanifest des Projekts listet seine Kompatibilitätsanforderungen an Harness und Cordis auf.
GitHub und GitHub CLI: die Repository-Kollaborationsplattform und die Befehlsschnittstelle, die für die Agentenidentität und Repository-Vorgänge verwendet werden.
Feishu/Lark und lark-cli: optionale Chat-Integration zum Empfangen von Anfragen und Zurückgeben von Antworten. Die Kontoeinrichtung ist in der Bereitstellung dokumentiert.
Git-Worktrees und tmux: ergänzende Werkzeuge zum Vorbereiten von Aufgaben-Checkouts und zum Verwalten des Dienstprozesses, wie im Bereitstellungsworkflow gezeigt.

9. Lizenz

Das Repository verwendet die MIT-Lizenz, wobei das Urheberrecht dem DeepSeek-Harness-Team zugeschrieben wird.

✅ Kommerzielle und private Nutzung, Änderung, Vervielfältigung, Verbreitung, Unterlizenzierung und Verkauf von Kopien sind erlaubt.
✅ Geänderte Versionen dürfen unter Ihren gewählten Bedingungen verbreitet werden, sofern die erforderlichen Hinweise enthalten bleiben.
❌ Sie dürfen die Urheberrechts- und Genehmigungshinweise nicht aus Kopien oder wesentlichen Teilen der Software entfernen.
ℹ️ Die Software wird ohne Gewährleistung bereitgestellt, und die Lizenz schließt die Haftung des Autors aus.
ℹ️ Die Lizenz des Prototyps ersetzt nicht die Bedingungen externer Dienste, Modellanbieter oder Abhängigkeiten.

10. Häufig gestellte Fragen

F: Ist dies ein offizieller, produktionsbereiter DeepSeek-Dienst?

A: Nein. Das README bezeichnet es als Forschungsprototyp zu Referenzzwecken. Prüfen und passen Sie seine Implementierung an, bevor Sie es übernehmen.

F: Bedeutet der proaktive Modus, dass der Agent beliebige Arbeit beginnt?

A: Abgeleitete Arbeit erfordert den konfigurierten Zulassungspfad, eine Bewertung, übereinstimmende schriftliche Regeln und den automatischen Modus. Der Beobachtungsmodus zeichnet eine mögliche Annahme auf, ohne sie auszuführen; ausdrückliche Anfragen bleiben in allen drei Modi verfügbar. Siehe Autorisierung.

F: Kann eine Instanz mehrere Repositorys oder GitHub Enterprise Server verwalten?

A: Der dokumentierte Geltungsbereich ist ein GitHub-Repository pro Instanz, und die Bereitstellung erfordert github.com. GitHub Enterprise Server wird ausdrücklich nicht unterstützt. Siehe Bereitstellung.

F: Sind Worker-Verzeichnisse sichere Sandboxes?

A: Nein. Verwaltete Sitzungen laufen mit vollem Zugriff als Betriebssystembenutzer des Bedieners; Anmeldedaten-Wrapper wählen Konten aus, ohne Prozesse zu isolieren. Der Bereitstellungsleitfaden empfiehlt ein dediziertes Betriebssystemkonto, das nur Agent-Anmeldedaten enthält, wenn Isolierung erforderlich ist. Siehe Berechtigungen und Isolierung.

F: Ist Feishu erforderlich, und kann ich eine weitere Integration hinzufügen?

A: Feishu ist optional. GitHub ist die zentrale Repository-Integration, und das Kochbuch erklärt, wie eine weitere Quelle implementiert wird, einschließlich ihrer Richtlinien-, Kontext- und Auslieferungsverhalten.

11. Schnellzugriffe

Im geprüften README ist kein eigenständiger Beitragsleitfaden und kein eigenes Projekt-Diskussionsforum verlinkt; verwenden Sie das Repository und die Startseite des Upstreams als dokumentierte Ausgangspunkte für die Beteiligung.

12. Zusammenfassung

dsh-superagent-prototype bietet Entwicklern weltweit eine konkrete Referenz für die Kombination von Repository-Unterhaltungen, ausdrücklicher Autorisierung, dauerhafter Aufgabenausführung und menschlicher Aufsicht. Es ist nützlich für Teams und Forscher, die Repository-Coding-Agenten untersuchen und das DeepSeek-Harness-Ökosystem erweitern, mit der Erwartung, dass seine Forschungsimplementierung vor dem operativen Einsatz geprüft und angepasst werden muss.