Exécuter dsh-superagent sur un modèle bon marché : de l'issue GitHub à la PR

Vous mentionnez un agent dans une nouvelle issue GitHub, vous allez préparer du thé, et vous revenez sur une pull request. C'est ce que fait le dsh-superagent de DeepSeek, et vous pouvez l'exécuter sur un modèle CheapTokens via DeepSeek Harness (DSH). Ci-dessous : l'installation, le compte GitHub propre à l'agent, la première issue de test, et un budget pour un ticket.

Une mise en garde issue du dépôt lui-même. Son README (vérifié le 2 novembre 2026) le présente comme un prototype de recherche fourni à titre de référence uniquement, et non comme un produit officiel DeepSeek, et indique qu'il peut encore contenir des bugs. Il est sous licence MIT, compte un seul commit sur main et aucune release. Exécutez-le sur un dépôt sur lequel vous pouvez vous permettre d'expérimenter.

Ce qu'il fait réellement#

dsh-superagent est un agent de codage proactif pour un seul dépôt GitHub, empaqueté sous forme de bundle pour DeepSeek Harness. Il écoute GitHub. Quand une personne de votre liste autorisée le sollicite, il ouvre un élément de travail (la doc l'appelle un Ticket), travaille dans sa propre session d'agent et son propre répertoire, et répond dans la conversation d'origine, par exemple avec une pull request. Un panneau web affiche les éléments qui nécessitent une intervention humaine.

Ainsi, une issue correspond à une session, et une session est une boucle d'appels au modèle. C'est dans cette boucle que partent les tokens ; si vous ne voyez pas pourquoi, why AI agents use so many tokens déroule un exemple en 20 étapes.

Avant de commencer#

Il vous faut, selon la doc de déploiement :

• Node.js 22.19+ ou 24+, pnpm, git 2.32+, tmux, Python 3.8+
• GitHub CLI 2.48+ (utilisé via un petit wrapper, voir ci-dessous)
• un dépôt sur github.com (GitHub Enterprise Server n'est pas pris en charge)
• DSH dans la plage de versions indiquée par engines.dsh dans le package.json du dépôt
• un fournisseur de modèle DSH

Le dernier point est celui que le dépôt vous laisse gérer : le guide d'installation qualifie le fournisseur d'étape opérateur. Pour CheapTokens, connectez DeepSeek Harness à CheapTokens d'abord, puis revenez. L'identifiant de modèle à utiliser est deepseek-ai/DeepSeek-V4-Flash-0731 (l'identifiant complet ; le nom court des tableaux de prix n'est pas accepté par l'API), et la base d'API est https://api.cheaptokens.dev/v1. Les détails sont sur la page de doc CheapTokens.

Un point à surveiller. D'après la doc de déploiement, l'installation supprime les variables d'environnement dont le nom contient KEY, PASSWORD, SECRET ou TOKEN, et retire GH_TOKEN et GITHUB_TOKEN de l'environnement du worker. Une clé de fournisseur exportée dans le shell n'atteindra donc pas le worker ; configurez-la comme décrit dans l'article de connexion.

Installer et démarrer#

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

La commande de statut répond par un code de sortie : 0 est normal, 1 signifie qu'un redémarrage peut aider, 2 signifie qu'une partie a échoué et qu'un redémarrage n'y changera rien, 3 signifie que la configuration est encore requise. Commencez avec les valeurs par défaut : profil superagent, préfixe de branche agent/, et mode d'acceptation observe, qui enregistre le travail proactif sans l'exécuter.

Donnez à l'agent son propre compte GitHub#

C'est l'étape que les gens sautent, puis se demandent pourquoi rien ne se passe. L'agent a besoin d'un utilisateur GitHub ordinaire disposant d'un accès en écriture à votre dépôt ; une GitHub App ne peut pas jouer ce rôle.

1. Créez l'utilisateur et ajoutez-le comme collaborateur avec accès en écriture.
2. Créez un wrapper ~/.local/bin/gh-agent : GH_CONFIG_DIR="$HOME/.config/gh-agent" exec gh "$@". Cela sépare la connexion de l'agent de votre propre gh.
3. Exécutez gh-agent auth login en tant que cet utilisateur.
4. Dans le panneau web, ouvrez Sources, définissez le dépôt (owner/name) et le chemin de la CLI vers le wrapper.
5. Sous Policy, ajoutez les logins autorisés à confier du travail à l'agent dans policy.sources.github.allowed. Rien ne devient un Ticket tant que personne ne figure sur cette liste.

Votre première issue de test#

Ouvrez une nouvelle issue dans le dépôt et écrivez quelque chose de petit et sans ambiguïté, avec le login de l'agent au format code, par exemple : @<agent login> fix the typo in README.md: "recieve" should be "receive".

Le mot « nouvelle » compte. Modifier une ancienne issue pour ajouter la mention n'est pas pris en compte ; une nouvelle issue ou un nouveau commentaire l'est. Si le panneau affiche un Ticket puis qu'une branche commençant par agent/ apparaît, la chaîne fonctionne.

Combien coûte un ticket#

Le dépôt ne publie pas la consommation de tokens par ticket ; il s'agit donc d'une estimation fondée sur des hypothèses explicites. Disons qu'un petit ticket demande 25 appels au modèle. Chaque appel transporte la conversation croissante : environ 30 000 tokens d'entrée en moyenne, et environ 800 tokens de réponse (une commande, un patch, une courte note).

Par ticket, cela fait 30 000 × 25 = 750 000 tokens d'entrée et 800 × 25 = 20 000 tokens de sortie. Sur DeepSeek-V4-Flash aux prix CheapTokens actuels (entrée $0.015 et sortie $0.10 par million de tokens), un tel ticket coûte $0.0133.

Le déséquilibre : l'entrée représente environ 37 fois la sortie, ce qui est normal pour les agents, car chaque étape renvoie ce qui précède. Le même ticket sur d'autres modèles :

Le tableau liste aussi GLM-5.3-Flash (contexte de 390K, jusqu'à 8 192 tokens de sortie par réponse) si vos tickets sont courts et les réponses brèves. Pour les longues boucles d'outils, DeepSeek-V4-Flash offre un contexte de 380K, jusqu'à 32 768 tokens par réponse et un prix unique à toute heure. Vos propres chiffres différeront, alors bougez les curseurs :

Si vous voulez réduire le côté entrée, how to estimate the cost of an AI agent couvre les habitudes qui comptent le plus.

Gardez-le en laisse courte#

Restez en mode observe pendant une journée : il enregistre ce que l'agent ferait de lui-même, vous voyez donc le schéma avant qu'il n'agisse. N'autorisez d'abord que votre propre login. Examinez les trois premières pull requests ligne par ligne, et vérifiez la consommation de modèle sur votre solde après le premier jour, puis multipliez par votre nombre réel de tickets.

Le dépôt indique aussi que certains designs de l'article d'accompagnement de DeepSeek ne sont pas encore implémentés ; considérez donc les fonctionnalités manquantes comme inachevées, et non comme votre erreur.

Sources#

Tous les faits sur le dépôt proviennent de deepseek-ai/dsh-superagent-prototype (README, SETUP.md, docs/006-deployment.md), vérifiés le 2 novembre 2026. La page du dépôt n'affiche aucune date de commit et la version DSH 0.2.1-rc.3 est une release candidate ; revérifiez donc la doc avant d'installer.