ایجنٹس اور آٹومیشنگائیڈ
ایک سستے ماڈل پر dsh-superagent چلائیں: GitHub issue سے PR تک
DeepSeek کے dsh-superagent کو اس طرح سیٹ اپ کریں کہ ایجنٹ اکاؤنٹ کا ذکر کرنے والا issue ایک pull request بن جائے، اور اندازہ لگائیں کہ ایک ٹکٹ tokens میں کتنا خرچ آتا ہے۔

اس صفحہ پر
آپ ایک نئے GitHub issue میں کسی ایجنٹ کا ذکر کرتے ہیں، چائے بنانے جاتے ہیں، اور واپس آ کر ایک pull request دیکھتے ہیں۔ DeepSeek کا dsh-superagent یہی کرتا ہے، اور آپ اسے DeepSeek Harness (DSH) کے ذریعے CheapTokens کے ماڈل پر چلا سکتے ہیں۔ نیچے: انسٹال، ایجنٹ کا اپنا GitHub اکاؤنٹ، پہلا ٹیسٹ issue، اور ایک ٹکٹ کا بجٹ۔
خود ریپوزٹری کی طرف سے ایک انتباہ۔ اس کا README (2 نومبر 2026 کو چیک کیا گیا) اسے صرف حوالے کے لیے ایک ریسرچ پروٹوٹائپ کہتا ہے، نہ کہ کوئی سرکاری DeepSeek پروڈکٹ، اور کہتا ہے کہ اس میں اب بھی bugs ہو سکتے ہیں۔ یہ MIT لائسنس یافتہ ہے، main پر اس کا ایک commit ہے اور کوئی release نہیں۔ اسے ایسی ریپوزٹری پر چلائیں جس پر تجربہ کرنا آپ کے لیے قابلِ برداشت ہو۔
یہ اصل میں کیا کرتا ہے#
dsh-superagent ایک GitHub ریپوزٹری کے لیے ایک proactive coding agent ہے، جو DeepSeek Harness کے لیے bundle کے طور پر پیک کیا گیا ہے۔ یہ GitHub کو سنتا ہے۔ جب آپ کی allow-list میں شامل کوئی شخص درخواست کرتا ہے، تو یہ ایک work item کھولتا ہے (docs اسے Ticket کہتے ہیں)، اپنے agent session اور اپنی directory میں کام کرتا ہے، اور اصل گفتگو میں جواب دیتا ہے، مثلاً ایک pull request کے ساتھ۔ ایک web panel ان items کو دکھاتا ہے جنہیں کسی شخص کی ضرورت ہو۔
تو ایک issue ایک session ہے، اور ایک session model calls کا ایک loop ہے۔ tokens اسی loop میں جاتے ہیں؛ اگر آپ نے نہیں دیکھا کہ ایسا کیوں ہے، تو why AI agents use so many tokens ایک 20-مرحلہ مثال کے ذریعے سمجھاتا ہے۔

شروع کرنے سے پہلے#
deployment doc کے مطابق آپ کو درکار ہے:
- Node.js 22.19+ یا 24+، pnpm، git 2.32+، tmux، Python 3.8+
- GitHub CLI 2.48+ (ایک چھوٹے wrapper کے ذریعے استعمال ہوتا ہے، نیچے دیکھیں)
- github.com پر ایک ریپوزٹری (GitHub Enterprise Server معاون نہیں ہے)
- ریپو کے
package.jsonمیںengines.dshسے لے کر اس version range میں DSH - ایک DSH model provider
آخری چیز وہ ہے جو ریپوزٹری آپ پر چھوڑ دیتی ہے: setup guide provider کو operator step کہتا ہے۔ CheapTokens کے لیے، پہلے connect DeepSeek Harness to CheapTokens کریں اور واپس آئیں۔ استعمال کرنے کے لیے model id deepseek- ہے (مکمل id، price tables والا مختصر نام API قبول نہیں کرتا)، اور API base https:/ ہے۔ تفصیلات CheapTokens docs page پر ہیں۔
ایک چیز کا خیال رکھیں۔ deployment doc کے مطابق، setup ان environment variables کو ہٹا دیتا ہے جن کے ناموں میں KEY، PASSWORD، SECRET یا TOKEN ہو، اور worker environment سے GH_TOKEN اور GITHUB_TOKEN کو حذف کر دیتا ہے۔ تو shell میں export کیا گیا provider key worker تک نہیں پہنچے گا؛ اسے connect مضمون میں بتائے گئے طریقے سے سیٹ کریں۔
انسٹال اور شروع کریں#
قدم بہ قدم
bundle انسٹال کریں
DSH اور ریپو انسٹال کریں
doc (docs/006-deployment.md، 2 نومبر 2026 کو چیک کیا گیا) ایک release candidate کو pin کرتا ہے:
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 buildprofile بنائیں (صرف نئی انسٹالیشن کے لیے)
dsh superagent --from-default-profile web --dump-config > /dev/null
dsh plugin --profile superagent add "link:$PWD"پہلی لائن صرف ایک بار چلائیں۔ موجودہ superagent profile پر یہ profile کو بدل دیتی ہے اور اس کا cordis.patch.yml حذف کر دیتی ہے۔
config شامل کریں
examples/ کو ~/ پر کاپی کریں۔ واحد لازمی key stateDir ہے، ایک absolute path جہاں database، locks اور worker files رہتے ہیں۔ webserver entry port سیٹ کرتی ہے (بطور ڈیفالٹ 3082)۔
اسے شروع کریں
scripts/dsh-superagent start
scripts/dsh-superagent statusstart dsh-superagent نامی tmux session کے اندر چلتا ہے۔

status command exit code کے ساتھ جواب دیتا ہے: 0 نارمل ہے، 1 کا مطلب ہے کہ restart مدد کر سکتا ہے، 2 کا مطلب ہے کہ کوئی حصہ ناکام ہوا اور restart اسے ٹھیک نہیں کرے گا، 3 کا مطلب ہے کہ setup اب بھی درکار ہے۔ defaults سے شروع کریں: profile superagent، branch prefix agent/، اور accept mode observe، جو proactive کام کو کیے بغیر ریکارڈ کرتا ہے۔
ایجنٹ کو اس کا اپنا GitHub اکاؤنٹ دیں#
یہی وہ مرحلہ ہے جسے لوگ چھوڑ دیتے ہیں اور پھر حیران ہوتے ہیں کہ کچھ کیوں نہیں ہوتا۔ ایجنٹ کو ایک عام GitHub user درکار ہے جس کے پاس آپ کی ریپوزٹری تک write access ہو؛ GitHub App اس کردار میں نہیں آ سکتا۔
- user بنائیں اور اسے write access کے ساتھ collaborator کے طور پر شامل کریں۔
- ایک wrapper
~/بنائیں:. local/ bin/ gh- agent GH_۔ یہ ایجنٹ کے login کو آپ کے اپنےCONFIG_ DIR="$HOME/ . config/ gh- agent" exec gh "$@" ghسے الگ رکھتا ہے۔ gh-کو اسی user کے طور پر چلائیں۔agent auth login - web panel میں، Sources کھولیں، ریپوزٹری (
owner/name) اور CLI path کو wrapper پر سیٹ کریں۔ - Policy کے تحت، وہ logins شامل کریں جو ایجنٹ کو کام دے سکتے ہیں
policy.میں۔ جب تک کوئی اس فہرست میں نہ ہو، کچھ بھی Ticket نہیں بنتا۔sources. github. allowed
چیک لسٹ
پہلے issue سے پہلے
آپ کا پہلا ٹیسٹ issue#
ریپوزٹری میں ایک نیا issue کھولیں اور کچھ چھوٹا اور غیر مبہم لکھیں، ایجنٹ کے login کے ساتھ code format میں، مثلاً: @<agent login> fix the typo in README.۔
لفظ "نیا" اہم ہے۔ ذکر شامل کرنے کے لیے کسی پرانے issue میں ترمیم کو نہیں پکڑا جاتا؛ نیا issue یا نیا comment پکڑا جاتا ہے۔ اگر panel ایک Ticket دکھائے اور پھر agent/ سے شروع ہونے والی branch ظاہر ہو، تو chain کام کر رہی ہے۔
خود آزمائیںآزمائیں: آپ کے ذکر کے بعد کچھ نہیں ہوتا۔ آپ سب سے پہلے کیا چیک کرتے ہیں؟جواب دکھائیں
allow-list۔ جب تک آپ کا login policy. میں نہ ہو، کچھ بھی Ticket نہیں بنتا۔ اس کے بعد، چیک کریں کہ ذکر کسی نئے issue یا comment میں تھا، کسی میں ترمیم شدہ میں نہیں۔
ایک ٹکٹ کی لاگت#
ریپوزٹری فی ٹکٹ token usage شائع نہیں کرتی، تو یہ بیان کردہ مفروضوں پر مبنی ایک اندازہ ہے۔ فرض کریں ایک چھوٹا ٹکٹ 25 model calls لیتا ہے۔ ہر call بڑھتی ہوئی گفتگو اٹھاتی ہے: اوسطاً تقریباً 30,000 tokens input، اور تقریباً 800 tokens جواب (ایک command، ایک patch، ایک مختصر نوٹ)۔
فی ٹکٹ یہ 30,000 × 25 = 750,000 input tokens اور 800 × 25 = 20,000 output tokens ہے۔ آج کی CheapTokens قیمتوں پر DeepSeek-V4-Flash پر (input $0.015 اور output $0.10 فی 1M tokens)، ایسا ایک ٹکٹ $0.0133 ہے۔
غیر متوازن حصہ: input output سے تقریباً 37 گنا ہے، اور یہ ایجنٹس کے لیے نارمل ہے، کیونکہ ہر مرحلہ پچھلا سب کچھ دوبارہ بھیجتا ہے۔ دوسرے ماڈلز پر وہی ٹکٹ:
| ماڈل | ان پٹ $/1M | آؤٹ پٹ $/1M | لاگت | OpenRouter |
|---|---|---|---|---|
| GLM-5.3-Flash | $0.02 | $0.04 | $0.0158 | $0.0268 |
| DeepSeek-V4-Flash | $0.015 | $0.10 | $0.0133 | $0.0553 |
| MiniMax-M2.7 | $0.05 | $0.15 | $0.0405 | $0.486 |
کل 750,000 ان پٹ اور 20,000 آؤٹ پٹ ٹوکنز۔ فی 1M ٹوکنز کی قیمتیں موجودہ ہیں اور ہمارے ٹیرف کے ساتھ تبدیل ہوتی ہیں؛ OpenRouter کالم اسی ورک لوڈ کے لیے حوالہ جاتی قیمتیں دکھاتا ہے۔
جدول GLM-5.3-Flash (390K context، فی جواب 8,192 output tokens تک) بھی درج کرتا ہے اگر آپ کے ٹکٹ چھوٹے ہیں اور جوابات مختصر ہیں۔ طویل tool loops کے لیے، DeepSeek-V4-Flash آپ کو 380K context، فی جواب 32,768 tokens تک اور کسی بھی وقت ایک ہی قیمت دیتا ہے۔ آپ کے اپنے اعداد مختلف ہوں گے، تو sliders کو حرکت دیں:
لاگت کیلکولیٹر
پانچ ٹکٹوں والا ایک دن (ہر ایک 25 calls)
فی درخواست ان پٹ ٹوکنز: 30,000 · فی درخواست آؤٹ پٹ ٹوکنز: 800 · فی دن درخواستیں: 125
| ماڈل | فی دن | فی ماہ |
|---|---|---|
| GLM-5.3-Flash$0.02$0.04 | $0.079 | $2.37 |
| DeepSeek-V4-Flash$0.015$0.10 | $0.0663 | $1.99 |
| MiniMax-M2.7$0.05$0.15 | $0.203 | $6.08 |
اگر آپ input کی طرف کم کرنا چاہتے ہیں، تو how to estimate the cost of an AI agent ان عادات کا احاطہ کرتا ہے جو سب سے زیادہ اہم ہیں۔
اسے مختصر رسے پر رکھیں#
ایک دن observe mode پر رہیں: یہ ریکارڈ کرتا ہے کہ ایجنٹ اپنے طور پر کیا کرے گا، تاکہ آپ عمل کرنے سے پہلے pattern دیکھ لیں۔ پہلے صرف اپنے login کی اجازت دیں۔ پہلی تین pull requests لائن بہ لائن دیکھیں، اور پہلے دن کے بعد اپنے balance پر model usage چیک کریں، پھر اپنے حقیقی ٹکٹ کی تعداد سے ضرب دیں۔
ریپو یہ بھی کہتا ہے کہ DeepSeek کے ساتھ والے مضمون کے کچھ ڈیزائن ابھی نافذ نہیں ہوئے، تو غائب features کو نامکمل سمجھیں، اپنی غلطی نہیں۔
ذرائع#
ریپوزٹری کے تمام حقائق deepseek-ai/dsh-superagent-prototype (README، SETUP.md، docs/006-deployment.md) سے ہیں، 2 نومبر 2026 کو چیک کیے گئے۔ ریپوزٹری صفحہ کوئی commit تاریخ نہیں دکھاتا اور DSH version 0.2.1-rc.3 ایک release candidate ہے، تو انسٹال کرنے سے پہلے doc دوبارہ چیک کریں۔



