DeepSeek hat am Samstag einen technischen Beitrag seines Teams DeepSeek Harness veröffentlicht, der einen sogenannten „Super-agent“ beschreibt. Wie die South China Morning Post berichtet, soll das System den Aufwand senken, den Menschen heute in die Koordination mehrerer KI-Agenten und die Überwachung ihres Fortschritts stecken. DeepSeek tritt damit im Wettbewerb um Coding-Assistenten direkt gegen OpenAI und Anthropic an.

Was der Prototyp kann

Parallel hat DeepSeek auf GitHub das Projekt dsh-superagent unter der MIT-Lizenz veröffentlicht. Laut der Projektbeschreibung ist es ein proaktiver Coding-Agent für jeweils ein GitHub-Repository. Er hört auf GitHub und optional auf den Messenger Feishu. Bittet eine berechtigte Person um eine Aufgabe, legt der Agent einen Arbeitseintrag an, bearbeitet ihn in einer eigenen Sitzung und antwortet in der ursprünglichen Unterhaltung, zum Beispiel mit einem Pull Request. Ein Web-Panel zeigt, wo ein Mensch eingreifen muss.

Leitgedanke ist laut DeepSeek, so wenig menschliche Aufmerksamkeit wie möglich zu beanspruchen. Der Agent handelt nur auf Auftrag oder nach Regeln, die das Team festgelegt hat.

Einordnung

DeepSeek betont selbst, dass es sich um Forschungscode und kein offizielles Produkt handelt. Benchmarks legt das Unternehmen nicht vor, und einige im Beitrag beschriebene Ideen sind im Prototyp noch nicht umgesetzt.

Wie sich der Ansatz von bisherigen Assistenten unterscheidet

Klassische Coding-Assistenten reagieren auf eine Eingabe in der Entwicklungsumgebung. Der Super-agent dagegen wartet in den Kanälen, in denen ein Team ohnehin arbeitet, also in GitHub-Unterhaltungen oder im Messenger, und nimmt Aufträge dort entgegen. Das verschiebt die Rolle des Menschen: Er beauftragt und prüft, statt Schritt für Schritt anzuleiten. Wie gut das gelingt, lässt sich mangels veröffentlichter Benchmarks derzeit nicht beurteilen.

Was vor einem Einsatz zu klären ist

Die MIT-Lizenz erlaubt es Unternehmen, den Code zu prüfen, anzupassen und intern zu betreiben. Gerade deshalb lohnt ein Blick auf die Sicherheitsfragen, die jedes agentische System aufwirft. Dazu gehören die Berechtigungen des Agenten im Repository, der Umgang mit Zugangsschlüsseln und die Frage, welche Modelle im Hintergrund angesprochen werden und wohin dabei Code übertragen wird. Die OWASP-Liste der größten Risiken für Anwendungen mit Sprachmodellen nennt unter anderem übermäßige Handlungsbefugnisse und Prompt-Injection, also eingeschleuste Anweisungen in scheinbar harmlosen Texten wie Issues oder Kommentaren.

Für einen ersten Test eignet sich ein isoliertes Repository ohne produktive Geheimnisse. Pull Requests des Agenten sollten dieselbe Code-Review durchlaufen wie die menschlicher Kolleginnen und Kollegen.