Ein Repository, mehr nicht: dsh-superagent ist auf genau ein GitHub-Repository ausgerichtet und läuft als Bundle für DeepSeek Harness. GitHub ist dabei Pflicht, Feishu kommt optional dazu. Laut Technode liegt der Quellcode im GitHub-Repository deepseek-ai/dsh-superagent-prototype.
Der Agent hört auf Issues und Kommentare im Repository und nimmt Anfragen von autorisierten Nutzern entgegen, optional auch über Chats auf der Feishu-Plattform. Die Ergebnisse landen dort, wo die Anfrage herkam – typischerweise als Pull Request in der ursprünglichen Konversation. Wer den Prototyp ausprobiert, sollte also wissen, dass er nicht quer durch alle Projekte arbeitet, sondern in einem festen Rahmen.
Von der Anfrage zum Pull Request
Konkret heißt das: dsh-superagent nimmt eine autorisierte Anfrage und macht daraus ein Arbeitselement, so beschreibt es Technode. Jede dieser Aufgaben bekommt ein eigenes Arbeitsverzeichnis und eine eigene Agent-Sitzung. Der Agent arbeitet die Anfrage also nicht im Vorbeigehen ab, sondern in einem abgetrennten Raum, der nur zu diesem einen Job gehört.
Läuft eine Sitzung durch, gibt der Prototyp das Ergebnis an die ursprüngliche Konversation zurück – typischerweise als Pull Request, ergänzt Technode. Die Arbeit verschwindet damit nicht in einem stillen Hintergrundprozess: Sie taucht dort wieder auf, wo jemand sie angefordert hat.
Für die Fälle dazwischen gibt es ein Web-Panel, das Vorgänge anzeigt, die menschliche Aufmerksamkeit brauchen. Der Ablauf ist also nicht auf völlige Alleingänge ausgelegt: Irgendwo bleibt ein Punkt, an dem ein Mensch hinschauen soll.
Autonomie mit Zugangsschlüssel
Bevor der Agent loslegt, braucht er ein eigenes GitHub-Konto mit Schreibzugriff auf das Repository. Dieses Konto darf kommentieren, Branches pushen und Pull Requests öffnen – laut Dataphoenix ist das der vorgesehene Weg. pmer.cn empfiehlt zusätzlich, Zugangsdaten und Berechtigungen möglichst eng zu fassen. Ein Schlüssel, der schreiben darf, öffnet damit auch Türen, die ein reines Lesekonto geschlossen hielte. Wer den Prototyp ausprobiert, sollte außerdem wissen, dass er nicht sofort losrennt. Im Standardmodus „observe“ notiert dsh-superagent nur, welche Arbeit das System annehmen würde, startet sie aber nicht, wie Dataphoenix und Neural Brew übereinstimmend beschreiben. Der unangenehme Teil steht im Deployment-Leitfaden von DeepSeek: Executor-Sessions führen Befehle ohne Genehmigung unter dem Betriebssystem-Benutzer des Betreibers aus. Die Skripte, die dem Agenten ein Konto zuweisen, wählen zwar Anmeldedaten aus, kapseln den Prozess aber nicht ab, heißt es dort weiter. Neural Brew zufolge rät die Dokumentation deshalb ausdrücklich zu einem eigenen Systemkonto für den Agenten. Wer den Prototyp auf seinem eigenen Rechner unter dem eigenen Benutzer startet, gibt ihm damit faktisch dieselben Rechte, die er selbst hat. Ein eigenes Systemkonto ist da keine Pedanterie, sondern die einfachste Bremse, die das Material hergibt.
Offen, aber nicht fertig
Was du daraus mitnehmen kannst, ist vor allem eine Richtung: Das Projekt untersucht, wie Coding-Agenten längere Arbeit erledigen können, während Menschen weniger koordinieren müssen, so Technode.
DeepSeek schreibt selbst, dass die veröffentlichte Fassung für die Freigabe angepasst wurde und von der internen Implementierung abweicht. Fehler oder inkonsistente Engineering-Praktiken seien möglich, heißt es weiter. Einige Ideen aus dem begleitenden Design-Artikel bleiben laut DeepSeek Zukunftsmusik und stecken nicht im Repository.