dsh-superagent auf einem günstigen Modell ausführen: GitHub-Issue zu PR

Du erwähnst einen Agenten in einem neuen GitHub-Issue, gehst Tee machen und kommst zu einem Pull Request zurück. Das ist es, was DeepSeeks dsh-superagent tut, und du kannst es auf einem CheapTokens-Modell über DeepSeek Harness (DSH) ausführen. Unten: die Installation, das eigene GitHub-Konto des Agenten, das erste Test-Issue und ein Budget für ein Ticket.

Ein Hinweis aus dem Repository selbst. Das README (geprüft am 2. November 2026) nennt es einen Forschungsprototyp nur als Referenz, kein offizielles DeepSeek-Produkt, und sagt, dass es noch Bugs enthalten kann. Es ist MIT-lizenziert, hat einen Commit auf main und keine Releases. Führe es auf einem Repository aus, bei dem du es dir leisten kannst zu experimentieren.

Was es tatsächlich tut#

dsh-superagent ist ein proaktiver Coding-Agent für ein GitHub-Repository, verpackt als Bundle für DeepSeek Harness. Er hört auf GitHub. Wenn jemand auf deiner erlaubten Liste fragt, öffnet er ein Arbeitselement (die Doku nennt es Ticket), arbeitet in seiner eigenen Agenten-Session und seinem eigenen Verzeichnis und antwortet in der ursprünglichen Konversation, zum Beispiel mit einem Pull Request. Ein Web-Panel zeigt die Elemente, die einen Menschen brauchen.

Ein Issue ist also eine Session, und eine Session ist eine Schleife von Modellaufrufen. In dieser Schleife gehen die Tokens hin; falls du noch nicht gesehen hast, warum, warum KI-Agenten so viele Tokens verbrauchen führt durch ein Beispiel mit 20 Schritten.

Bevor du anfängst#

Du brauchst laut Deployment-Doku:

• Node.js 22.19+ oder 24+, pnpm, git 2.32+, tmux, Python 3.8+
• GitHub CLI 2.48+ (verwendet über einen kleinen Wrapper, siehe unten)
• ein Repository auf github.com (GitHub Enterprise Server wird nicht unterstützt)
• DSH im Versionsbereich aus engines.dsh in der package.json des Repos
• einen DSH-Modell-Provider

Der letzte Punkt ist der, den das Repository dir überlässt: der Setup-Guide nennt den Provider einen Operator-Schritt. Für CheapTokens verbinde DeepSeek Harness mit CheapTokens zuerst und komm dann zurück. Die zu verwendende Modell-ID ist deepseek-ai/DeepSeek-V4-Flash-0731 (die vollständige ID, der Kurzname aus Preistabellen wird von der API nicht akzeptiert), und die API-Basis ist https://api.cheaptokens.dev/v1. Details stehen auf der CheapTokens-Dokumentationsseite.

Eine Sache, auf die du achten solltest. Laut Deployment-Doku entfernt das Setup Umgebungsvariablen, deren Namen KEY, PASSWORD, SECRET oder TOKEN enthalten, und entfernt GH_TOKEN und GITHUB_TOKEN aus der Worker-Umgebung. Ein in der Shell exportierter Provider-Key erreicht den Worker also nicht; richte ihn wie im Verbindungsartikel beschrieben ein.

Installieren und starten#

npm install -g @deepseek-ai/dsh@0.2.1-rc.3
git clone https://github.com/deepseek-ai/dsh-superagent-prototype 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"

scripts/dsh-superagent start
scripts/dsh-superagent status

Der Status-Befehl antwortet mit einem Exit-Code: 0 ist normal, 1 bedeutet, ein Neustart kann helfen, 2 bedeutet, ein Teil ist fehlgeschlagen und ein Neustart behebt es nicht, 3 bedeutet, das Setup ist noch erforderlich. Beginne mit den Standardwerten: Profil superagent, Branch-Präfix agent/ und Accept-Modus observe, der proaktive Arbeit aufzeichnet, ohne sie auszuführen.

Gib dem Agenten ein eigenes GitHub-Konto#

Das ist der Schritt, den Leute überspringen und sich dann wundern, warum nichts passiert. Der Agent braucht einen regulären GitHub-Benutzer mit Schreibzugriff auf dein Repository; eine GitHub App kann diese Rolle nicht übernehmen.

1. Erstelle den Benutzer und füge ihn als Collaborator mit Schreibzugriff hinzu.
2. Erstelle einen Wrapper ~/.local/bin/gh-agent: GH_CONFIG_DIR="$HOME/.config/gh-agent" exec gh "$@". Das hält den Login des Agenten von deinem eigenen gh getrennt.
3. Führe gh-agent auth login als dieser Benutzer aus.
4. Öffne im Web-Panel Sources, setze das Repository (owner/name) und den CLI-Pfad auf den Wrapper.
5. Füge unter Policy die Logins zu policy.sources.github.allowed hinzu, die dem Agenten Arbeit geben dürfen. Nichts wird zu einem Ticket, bis jemand auf dieser Liste steht.

Dein erstes Test-Issue#

Öffne ein neues Issue im Repository und schreibe etwas Kleines und Eindeutiges, mit dem Login des Agenten im Code-Format, etwa: @<agent login> fix the typo in README.md: "recieve" should be "receive".

Das Wort "neu" ist wichtig. Ein altes Issue zu bearbeiten, um die Erwähnung hinzuzufügen, wird nicht erkannt; ein neues Issue oder ein neuer Kommentar schon. Wenn das Panel ein Ticket zeigt und dann ein Branch mit agent/ erscheint, funktioniert die Kette.

Was ein Ticket kostet#

Das Repository veröffentlicht keinen Token-Verbrauch pro Ticket, das ist also eine Schätzung auf Basis genannter Annahmen. Sagen wir, ein kleines Ticket braucht 25 Modellaufrufe. Jeder Aufruf trägt die wachsende Konversation: etwa 30.000 Input-Tokens im Durchschnitt und etwa 800 Output-Tokens (ein Befehl, ein Patch, eine kurze Notiz).

Pro Ticket sind das 30.000 × 25 = 750.000 Input-Tokens und 800 × 25 = 20.000 Output-Tokens. Bei DeepSeek-V4-Flash zu heutigen CheapTokens-Preisen (Input $0.015 und Output $0.10 pro 1M Tokens) kostet ein solches Ticket $0.0133.

Der ungleiche Teil: Der Input ist etwa 37-mal so groß wie der Output, und das ist normal für Agenten, weil jeder Schritt erneut sendet, was vorher kam. Dasselbe Ticket auf anderen Modellen:

Die Tabelle listet auch GLM-5.3-Flash (390K Kontext, bis zu 8.192 Output-Tokens pro Antwort), falls deine Tickets kurz und die Antworten klein sind. Für lange Tool-Schleifen gibt dir DeepSeek-V4-Flash einen 380K-Kontext, bis zu 32.768 Tokens pro Antwort und einen Preis zu jeder Stunde. Deine eigenen Zahlen werden abweichen, also verschiebe die Regler:

Wenn du die Input-Seite senken willst, behandelt wie man die Kosten eines KI-Agenten schätzt die Gewohnheiten, die am meisten zählen.

Halte es an kurzer Leine#

Bleib einen Tag im observe-Modus: Er zeichnet auf, was der Agent von selbst tun würde, sodass du das Muster siehst, bevor er handelt. Erlaube zuerst nur deinen eigenen Login. Sieh dir die ersten drei Pull Requests Zeile für Zeile an und prüfe den Modellverbrauch auf deinem Guthaben nach dem ersten Tag, dann multipliziere mit deiner echten Ticket-Anzahl.

Das Repo sagt auch, dass einige Designs aus DeepSeeks begleitendem Artikel noch nicht implementiert sind, behandle fehlende Funktionen also als unfertig, nicht als deinen Fehler.

Quellen#

Alle Repository-Fakten stammen aus deepseek-ai/dsh-superagent-prototype (README, SETUP.md, docs/006-deployment.md), geprüft am 2. November 2026. Die Repository-Seite zeigt kein Commit-Datum und die DSH-Version 0.2.1-rc.3 ist ein Release Candidate, prüfe die Doku also erneut, bevor du installierst.