DeepSeek a publié dsh-superagent, un prototype de recherche en open source pour un agent de programmation qui reste en ligne, surveille le dépôt GitHub d'une équipe et, si on le souhaite, ses discussions Feishu, puis prend en charge une tâche lorsqu'une personne autorisée la lui confie. Le code est apparu dans l'organisation deepseek-ai le 31 octobre 2026, en un seul commit et sous licence MIT. Le lendemain, l'équipe DeepSeek Harness a mis en ligne sur son compte X officiel un long article de conception, "Exploring Super-agent Design: Towards a More Autonomous Agent System". DeepSeek présente l'ensemble comme du code de référence et souligne qu'il ne s'agit pas d'un produit officiel.
Le raisonnement porte sur l'attention humaine plus que sur les capacités des modèles. Selon l'équipe, les agents actuels font de la session l'unité de travail, alors qu'une personne ne peut guère suivre plus de trois à cinq sessions actives à la fois. D'où une architecture à deux niveaux : une session Router durable, chargée de tous les échanges avec les humains, du contexte global et de la répartition des tâches, sans jamais les exécuter elle-même ; puis une couche de sessions Worker, chacune dotée de son propre contexte et d'outils complets, consacrée à une seule tâche. Les Workers ne s'adressent jamais directement aux utilisateurs : ils rendent compte au Router, qui répond dans la conversation d'origine.
Dans le prototype, livré comme extension de DeepSeek Harness, le logiciel d'agents open source de l'entreprise actuellement en préversion publique, les événements GitHub ou Feishu deviennent des Triggers. Une demande recevable ouvre un Ticket, unité de travail autorisé assortie d'un Mandate immuable qui consigne pourquoi elle peut avancer, et chaque Ticket tourne dans sa propre session et son propre répertoire. Les commentaires suivants sur une même pull request parviennent directement au Worker abonné, sans repasser par le Router. Un tableau de bord web local n'affiche que ce qui réclame une intervention humaine.
L'initiative de l'agent est volontairement encadrée. Un travail que personne n'a demandé exige une règle rédigée par l'équipe, et le mode d'acceptation par défaut, observe, se contente de noter ce que l'agent aurait accepté ; il est conseillé de passer en auto seulement après avoir relu ces décisions. La documentation ne cache pas les risques : les deux profils de l'agent tournent avec un accès complet, sous le compte système de l'opérateur, un Worker peut lire son répertoire personnel, et DeepSeek recommande un compte système dédié ainsi qu'un compte GitHub distinct pour l'agent.
L'article fait état d'expériences préliminaires sur des charges synthétiques : environ 300 messages de discussion et d'intégration continue par essai, dont une vingtaine de vraies demandes, le travail de programmation étant remplacé par un outil qui se contente de consommer du temps. D'après DeepSeek, l'architecture Super-agent a bouclé les tâches en 12,4 minutes en médiane et 15,7 minutes au 95e centile, contre 29,5 minutes au 95e centile pour une session unique dotée d'un outil de sous-agents et d'une consigne neutre, qui n'a délégué dans aucun des cinq essais. L'équipe juge ces chiffres seulement indicatifs ; ils mesurent l'ordonnancement, pas la qualité du code. Plusieurs idées de l'article, dont une session Watchdog, la séparation du calcul et de l'état ou une boucle ReAct asynchrone, ne figurent pas dans le prototype.
En deux jours, le dépôt a dépassé 10 000 étoiles sur GitHub, et la publication d'annonce affichait plus de 1,9 million de vues au 2 novembre. MarkTechPost et Funded Weekly ont relayé la sortie sans tester le logiciel ; aucune évaluation indépendante n'a encore paru.
Pour les équipes qui construisent une infrastructure d'agents, l'intérêt tient moins au produit qu'à cette référence publique venue d'un grand laboratoire de modèles : un schéma documenté pour des agents permanents, pilotés par les événements et soumis à une autorisation explicite, au moment où les agents de programmation quittent les fenêtres de discussion pour s'installer dans le travail collectif.