Patakbuhin ang dsh-superagent sa murang model: GitHub issue papuntang PR

Nagbanggit ka ng agent sa isang bagong GitHub issue, gumawa ka ng tsaa, at pagbalik mo may pull request na. Iyon ang ginagawa ng dsh-superagent ng DeepSeek, at mapapatakbo mo ito sa isang CheapTokens model sa pamamagitan ng DeepSeek Harness (DSH). Sa ibaba: ang install, ang sariling GitHub account ng agent, ang unang test issue, at ang budget para sa isang ticket.

Isang paalala mula mismo sa repository. Tinatawag ito ng README nito (sinuri noong 2 Nobyembre 2026) na research prototype para sa reference lamang, hindi opisyal na produkto ng DeepSeek, at sinasabing maaaring may mga bug pa ito. MIT-licensed ito, may isang commit sa main at walang releases. Patakbuhin ito sa isang repository na kaya mong pag-eksperimentuhan.

Ano talaga ang ginagawa nito#

Ang dsh-superagent ay isang proactive coding agent para sa isang GitHub repository, na naka-package bilang bundle para sa DeepSeek Harness. Nakikinig ito sa GitHub. Kapag may nagtanong mula sa iyong allowed list, nagbubukas ito ng work item (tinatawag itong Ticket sa docs), nagtatrabaho sa sarili nitong agent session at sariling directory, at sumasagot sa orihinal na usapan, halimbawa gamit ang pull request. May web panel na nagpapakita ng mga item na kailangan ng tao.

Kaya isang issue ay isang session, at isang session ay loop ng mga model call. Doon napupunta ang tokens; kung hindi mo pa nakita kung bakit, ipinapaliwanag ng bakit napakaraming token ang ginagamit ng AI agents ang isang 20-step na halimbawa.

Bago ka magsimula#

Kailangan mo, ayon sa deployment doc:

• Node.js 22.19+ o 24+, pnpm, git 2.32+, tmux, Python 3.8+
• GitHub CLI 2.48+ (ginagamit sa pamamagitan ng maliit na wrapper, tingnan sa ibaba)
• isang repository sa github.com (hindi sinusuportahan ang GitHub Enterprise Server)
• DSH sa version range mula sa engines.dsh sa package.json ng repo
• isang DSH model provider

Ang huling item ang iniiwan sa iyo ng repository: tinatawag ng setup guide na operator step ang provider. Para sa CheapTokens, ikonekta muna ang DeepSeek Harness sa CheapTokens at bumalik. Ang model id na gagamitin ay deepseek-ai/DeepSeek-V4-Flash-0731 (ang buong id, hindi tinatanggap ng API ang maikling pangalan mula sa price tables), at ang API base ay https://api.cheaptokens.dev/v1. Nasa CheapTokens docs page ang mga detalye.

Isang bagay na dapat bantayan. Ayon sa deployment doc, tinatanggal ng setup ang mga environment variable na may KEY, PASSWORD, SECRET o TOKEN sa pangalan, at inaalis ang GH_TOKEN at GITHUB_TOKEN sa worker environment. Kaya ang provider key na na-export sa shell ay hindi makakarating sa worker; i-set up ito ayon sa inilarawan sa connect article.

I-install at simulan#

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

Sumasagot ang status command gamit ang exit code: 0 ay normal, 1 ay maaaring makatulong ang restart, 2 ay may bahaging nabigo at hindi maaayos ng restart, 3 ay kailangan pa ng setup. Magsimula sa mga default: profile superagent, branch prefix agent/, at accept mode observe, na nagre-record ng proactive work nang hindi ito ginagawa.

Bigyan ang agent ng sariling GitHub account#

Ito ang step na nilalaktawan ng mga tao at pagkatapos ay nagtataka kung bakit walang nangyayari. Kailangan ng agent ng regular na GitHub user na may write access sa iyong repository; hindi kayang gampanan ng GitHub App ang papel na ito.

1. Gumawa ng user at idagdag ito bilang collaborator na may write access.
2. Gumawa ng wrapper ~/.local/bin/gh-agent: GH_CONFIG_DIR="$HOME/.config/gh-agent" exec gh "$@". Pinaghihiwalay nito ang login ng agent sa sarili mong gh.
3. Patakbuhin ang gh-agent auth login bilang ganoong user.
4. Sa web panel, buksan ang Sources, itakda ang repository (owner/name) at ang CLI path sa wrapper.
5. Sa ilalim ng Policy, idagdag sa policy.sources.github.allowed ang mga login na maaaring magbigay ng trabaho sa agent. Walang magiging Ticket hangga't wala pang tao sa listahang iyon.

Ang unang test issue mo#

Magbukas ng bagong issue sa repository at magsulat ng maliit at malinaw na bagay, na may login ng agent sa code format, halimbawa: @<agent login> fix the typo in README.md: "recieve" should be "receive".

Mahalaga ang salitang "bago". Hindi nahuhuli ang pag-edit ng lumang issue para idagdag ang mention; ang bagong issue o bagong comment ang nahuhuli. Kung may Ticket na lumalabas sa panel at pagkatapos ay may branch na nagsisimula sa agent/, gumagana ang chain.

Magkano ang isang ticket#

Hindi naglalathala ang repository ng token usage kada ticket, kaya estimate ito batay sa mga nakasaad na assumption. Sabihin nating ang maliit na ticket ay tumatagal ng 25 model calls. Bawat call ay may dalang lumalaking usapan: mga 30,000 tokens ng input sa average, at mga 800 tokens ng sagot (isang command, isang patch, isang maikling note).

Kada ticket, iyon ay 30,000 × 25 = 750,000 input tokens at 800 × 25 = 20,000 output tokens. Sa DeepSeek-V4-Flash sa kasalukuyang presyo ng CheapTokens (input $0.015 at output $0.10 kada 1M tokens), ang isang ganoong ticket ay $0.0133.

Ang kakaibang bahagi: mga 37 beses ang input kaysa output, at normal iyon para sa agents, dahil bawat step ay muling ipinapadala ang nauna. Ang parehong ticket sa ibang models:

Nakalista rin sa table ang GLM-5.3-Flash (390K context, hanggang 8,192 output tokens kada sagot) kung maikli ang tickets mo at maliit ang mga sagot. Para sa mahabang tool loops, binibigyan ka ng DeepSeek-V4-Flash ng 380K context, hanggang 32,768 tokens kada sagot at isang presyo sa kahit anong oras. Mag-iiba ang sarili mong numero, kaya igalaw ang sliders:

Kung gusto mong bawasan ang input side, tinatalakay ng paano tantiyahin ang gastos ng isang AI agent ang mga gawi na pinakamahalaga.

Panatilihin itong naka-short leash#

Manatili sa observe mode nang isang araw: nire-record nito ang gagawin sana ng agent nang mag-isa, para makita mo ang pattern bago ito kumilos. Payagan lang ang sarili mong login sa simula. Tingnan ang unang tatlong pull request linya por linya, at suriin ang model usage sa balance mo pagkatapos ng unang araw, tapos i-multiply sa totoong bilang ng tickets mo.

Sinasabi rin ng repo na may ilang disenyo mula sa kasamang article ng DeepSeek na hindi pa naipapatupad, kaya ituring ang kulang na features na hindi pa tapos, hindi bilang pagkakamali mo.

Mga source#

Lahat ng fact tungkol sa repository ay mula sa deepseek-ai/dsh-superagent-prototype (README, SETUP.md, docs/006-deployment.md), sinuri noong 2 Nobyembre 2026. Walang commit date sa repository page at ang DSH version 0.2.1-rc.3 ay release candidate, kaya muling suriin ang doc bago ka mag-install.