Chào mọi người,
Cuối tháng 10 vừa rồi, DeepSeek tung ra một mã nguồn gây chú ý rất nhanh trong giới developer: dsh-superagent, một AI Agent sống trong GitHub, tự nhận việc, tự code và trả kết quả bằng Pull Request. Bài này tóm tắt chi tiết dự án đó, cách nó hoạt động, và những điểm cần cẩn trọng trước khi thử.
Dự án là gì, và vì sao nó hot?
Ngày 31/10/2026, nhóm DeepSeek Harness công bố dsh-superagent-prototype trên GitHub, dưới giấy phép MIT, kèm bài viết thiết kế Exploring Super-agent Design: Towards a More Autonomous Agent System.
Điểm khác biệt so với các công cụ code bằng AI quen thuộc là cách làm việc: thay vì bạn mở một phiên chat và nhắc từng bước, agent này sống trong repository của team. Khi một thành viên được phép yêu cầu việc, agent tự mở một work item, làm việc trong phiên và thư mục riêng của nó, rồi trả kết quả ngay trong chính cuộc trò chuyện ban đầu, thường là một Pull Request để con người review và merge.
Tốc độ tăng sao trên GitHub cũng là một phần của câu chuyện: khoảng 2.046 sao sau chừng 12,6 giờ đầu, khoảng 3.700 đến 4.000 sao trong 24 giờ đầu, và bản sao GitHub được crawl gần đây ghi nhận 16.571 sao cùng 1.793 fork. Con số sao thay đổi theo thời gian, nên mọi người cứ mở trực tiếp repo để xem số hiện tại, nhưng rõ ràng đây là một trong những repo AI tăng nhanh nhất tuần đó.
Cách nó hoạt động
Dsh-superagent không phải là một sản phẩm độc lập để đăng ký tài khoản và dùng ngay. Nó là một bundle chạy trên DeepSeek Harness, framework agent mã nguồn mở của DeepSeek. Mỗi lần triển khai chỉ phục vụ một GitHub repository, và có thể nghe thêm Feishu, ứng dụng chat công sở của ByteDance, gọi là Lark ở ngoài Trung Quốc.
Luồng làm việc cơ bản như sau:
- Một người được phép yêu cầu việc, ví dụ bình luận @tài-khoản-agent trên một issue.
- Router, phiên chạy dài hơi, nhận sự kiện từ GitHub hoặc Feishu, đánh giá xem đó có phải yêu cầu việc không, kiểm tra quyền, rồi tạo một Ticket.
- Mỗi Ticket chạy trong một Worker riêng: phiên agent riêng, thư mục làm việc riêng, có thể chạy song song với các Ticket khác. Nhờ vậy agent có thể nhận việc mới trước khi việc cũ xong.
- Worker trả kết quả về đúng luồng ban đầu, thường là Pull Request. Khi có bình luận mới trên Pull Request đó, hệ thống định tuyến bình luận về đúng Worker đang giữ Pull Request, để developer không cần tag lại agent.
- Một web panel nội bộ chỉ liệt kê những việc thật sự cần con người quyết định. Triết lý thiết kế được nêu rất rõ: lấy càng ít sự chú ý của con người càng tốt, nhưng mang lại càng nhiều giá trị càng tốt. Agent xác nhận một lần, làm việc trong im lặng, và chỉ lên tiếng lại khi có kết quả, có câu hỏi, hoặc gặp lỗi.
Về chế độ tự động, đây là điểm cần hiểu đúng: agent không tự ý làm mọi thứ nó thấy. Nó chỉ hành động khi một người được phép gọi trực tiếp, hoặc khi một quy tắc do team tự viết cho phép. Chế độ mặc định là observe, tức ban đầu agent chỉ ghi lại những gì nó sẽ làm, chứ chưa hành động thật. Team phải tự viết rule và chuyển sang auto thì nó mới tự làm.
Con số hiệu năng: đọc với sự thận trọng
Trong thử nghiệm mô phỏng của chính DeepSeek, với khoảng 300 tin nhắn và 20 yêu cầu, thời gian hoàn thành ở phân vị 95 giảm từ 29,5 phút với cách dùng một phiên đơn lẻ xuống 15,7 phút với mô hình super-agent, còn phân vị 50 giảm từ 20,4 phút xuống 12,4 phút.
Con số này là của DeepSeek, trên dữ liệu mô phỏng và công cụ mô phỏng, chưa phải benchmark độc lập, và chất lượng code thực tế không được đo trong thử nghiệm đó. Vì vậy đừng dùng nó để kết luận agent này code giỏi hơn developer, mà chỉ nên hiểu là kiến trúc Router-Worker giúp xử lý song song và ít bị tắc ở một phiên duy nhất.
Cần gì để chạy thử?
Theo tài liệu SETUP của dự án, bạn cần:
- Một tài khoản GitHub riêng cho agent, được mời vào repo cần làm việc, tách biệt với tài khoản cá nhân của bạn.
- Node.js 22.19 trở lên, pnpm, git, tmux, Python 3.8 trở lên, GitHub CLI 2.48 trở lên.
- DeepSeek Harness đã cấu hình model provider.
- Chỉ hỗ trợ github.com, chưa hỗ trợ GitHub Enterprise Server.
Tài liệu còn gợi ý một cách khởi động khá đặc biệt: trỏ trợ lý code hiện tại của bạn vào file SETUP.md và để nó dẫn bạn qua từng bước cấu hình, thay vì làm thủ công toàn bộ.
Những cảnh báo quan trọng, đừng bỏ qua
Chính README của dự án đã nói rất thẳng, và đây cũng là phần quan trọng nhất của bài này:
- Đây là research prototype for reference only, not an official DeepSeek product. Tức là mã nghiên cứu để tham khảo, không phải sản phẩm chính thức, không sẵn sàng cho production.
- Phần lớn code được viết bởi chính các coding agent, nên có thể còn bug và thực hành chưa nhất quán.
- Bản công khai khác với bản nội bộ của DeepSeek, và một số ý tưởng trong bài viết thiết kế vẫn là hướng phát triển trong tương lai, chưa được triển khai hết.
- Agent chạy với quyền đầy đủ như tài khoản hệ điều hành của người vận hành, và mô hình thực thi không có sandbox. Vì vậy DeepSeek khuyến nghị dùng tài khoản hệ điều hành riêng để cách ly.
- Nếu muốn dùng auto-merge, bạn cần một tài khoản thứ hai có quyền merge, vì tài khoản agent không tự bật auto-merge.
Nói ngắn gọn: đừng chạy thử trên repo production, đừng cấp quyền rộng, đừng merge tự động mà không review. Cách an toàn nhất là thử trên repo thử nghiệm, với dữ liệu không nhạy cảm, và xem Pull Request như code của một thành viên mới vào team, cần review kỹ trước khi merge.
Ai nên thử, ai nên chờ?
Nên thử nếu bạn:
- Muốn tìm hiểu kiến trúc agent làm việc theo team, Router-Worker, Ticket và web panel quyết định.
- Có repo thử nghiệm, team nhỏ, và muốn xem AI xử lý issue theo luồng GitHub thay vì chat rời rạc.
- Muốn một giải pháp mã nguồn mở, tự host được, thay vì chỉ dùng công cụ đóng.
Nên chờ nếu bạn:
- Cần chạy trên GitHub Enterprise, hoặc cần nhiều repo cùng lúc, vì bản này chỉ hỗ trợ một repo và github.com.
- Cần độ ổn định cho production, vì đây vẫn là prototype nghiên cứu.
- Chưa có quy trình review Pull Request chặt, vì agent tự tạo PR càng cần review chặt hơn, chứ không phải ít hơn.
Kết luận
Dsh-superagent đáng chú ý không phải vì nó đã hoàn hảo, mà vì nó cho thấy hướng đi tiếp theo của công cụ code bằng AI: từ một công cụ trả lời từng prompt, thành một thành viên trong repo, nhận việc, làm việc song song và trả kết quả bằng Pull Request, với nguyên tắc chiếm càng ít sự chú ý của con người càng tốt.
Số sao tăng nhanh cho thấy cộng đồng rất muốn hạ tầng agent mã nguồn mở mà họ tự chạy được. Nhưng chính DeepSeek cũng nhấn mạnh đây là mã nghiên cứu, nên cách dùng đúng là đọc kỹ, thử trên repo thử nghiệm, review mọi Pull Request, và đừng coi sao GitHub là bằng chứng về độ an toàn hay chất lượng.
Mọi người nghĩ sao về mô hình này? Nếu team bạn dùng thử, bạn sẽ cho agent quyền tới đâu: chỉ sửa bug nhỏ, hay cả tính năng mới?
Nguồn tham khảo:
