Investigación

DeepSeek publica un prototipo de superagente: un router que reparte y varios workers que ejecutan

DeepSeek ha subido a GitHub dsh-superagent-prototype, un agente de programación con licencia MIT que separa una capa de conversación y otra de ejecución. El README avisa de que es un prototipo de investigación y no un producto oficial.

Lucía GarcíaLucía García
Popularidad: 1,900
DeepSeek publica un prototipo de superagente: un router que reparte y varios workers que ejecutan

DeepSeek ha publicado en GitHub un prototipo de agente de programación que separa dos trabajos: conversar con las personas y ejecutar el código. La idea de fondo no es un modelo más listo, sino gastar menos atención del equipo en cada encargo.

Qué ha publicado DeepSeek y con qué licencia

El 31 de octubre, el equipo de DeepSeek responsable del repositorio subió a GitHub dsh-superagent-prototype, un agente de programación pensado para un único repositorio. La licencia es MIT, una de las más permisivas que existen: cualquiera puede copiar el código, modificarlo y meterlo en un producto propio, siempre que conserve el aviso de copyright.

Junto al código apareció un artículo de arquitectura titulado Exploring Super-agent Design: Towards a More Autonomous Agent System. Ahí están las ideas que el prototipo intenta llevar a la práctica. También las que aún no ha llevado.

Se distribuye como un paquete del entorno de agentes de DeepSeek, no como una aplicación con instalador. Eso ya dice algo del público al que apunta: gente que trabaja a diario con la línea de comandos y sabe qué es una rama, un commit y una pull request.

Para el resto, la traducción rápida: un ayudante que vive dentro de un proyecto, escucha lo que piden las personas con permiso y contesta con código, casi siempre en una pull request.

El router: la capa que conversa y reparte trabajo

La arquitectura tiene dos niveles. El primero es el que menos código escribe.

El router es una sesión permanente. Habla con las personas, mantiene el contexto general del proyecto y decide qué tarea va a quién. No programa. Su trabajo consiste en entender la petición, comprobar si hay permiso para actuar y abrir un elemento de trabajo con lo necesario para que otro lo resuelva.

Esa separación tiene una consecuencia práctica. El historial de conversación no se llena de intentos fallidos, parches y mensajes de error. Lo que ve el usuario se mantiene corto. La parte que ensucia vive en otra sesión.

También esquiva el problema clásico de las conversaciones largas: cuanto más duran, más ruido arrastran, con archivos que ya no importan y decisiones descartadas. El router conserva el hilo general y delega el detalle.

Los workers: sesiones aisladas que sí ejecutan

El segundo nivel son los workers. Cada uno abre su propia sesión, con su propio directorio de trabajo, y recibe un solo elemento de la lista.

Pueden correr varios a la vez. Ahí aparece la ganancia real: dos tareas independientes no tienen por qué esperar una detrás de otra, y el contexto de una no contamina el de la otra.

Los workers tampoco están encerrados en su carril. Se suscriben a los comentarios que llegan después en la pull request que han abierto: si alguien pide un cambio, el worker lo ve y responde en el mismo hilo, sin que el router reenvíe el historial.

En un equipo pequeño, ese detalle cambia la rutina. La revisión se parece a comentar en una pull request normal, con una diferencia: al otro lado hay una sesión que recuerda lo que hizo.

Cómo se usa: eventos del repositorio y un panel para personas

El agente escucha eventos de GitHub. Cuando alguien con permisos plantea una petición, se crea un elemento de trabajo. El worker lo resuelve en su sesión y vuelve a la conversación original con la respuesta, que suele ser una pull request.

Hay una integración opcional con Feishu para recibir avisos en el chat del equipo. No es obligatoria: el repositorio funciona igual sin ella.

Aparte hay un panel web. Su función es concreta: mostrar qué cosas necesitan a una persona. No es un cuadro de mando con métricas de productividad ni un ranking de agentes. Es una lista de asuntos pendientes de decisión humana.

Ese panel importa. Un agente que trabaja solo produce dos tipos de resultado: lo listo y lo bloqueado. Sin un sitio donde ver lo segundo, el equipo revisa a ciegas.

El presupuesto de atención que propone DeepSeek

La portada del repositorio resume la filosofía en una frase: «ocupar la menor atención humana posible y producir el mayor valor posible».

Suena a eslogan, pero tiene una segunda parte que casi nadie copia: un agente así puede actuar en nombre de todo el equipo y, con la misma facilidad, gastar la atención de todos. ¿Cuánto cuesta una interrupción de más? Minutos de varias personas a la vez.

De ahí salen dos reglas. El agente actúa cuando se lo piden, o cuando las normas que el equipo ha escrito lo autorizan. Y habla en dos casos: cuando hace falta una persona para desbloquear algo, o cuando el resultado ya se puede usar.

Es una forma distinta de plantear la autonomía. La mayoría de los productos del sector promete hacer más cosas sin preguntar. Aquí el objetivo declarado es interrumpir menos.

El aviso del README: esto no es un producto de DeepSeek

Antes de instalar nada conviene leer la primera pantalla del repositorio. El propio README advierte de que se trata de un prototipo de investigación, ofrecido como referencia y no como producto oficial de DeepSeek.

La lista de salvedades es explícita. No es software de nivel producción, puede tener errores y el estilo del código no siempre es consistente.

Hay un punto más importante. El código se adaptó para la publicación, y difiere en detalles tanto de la versión interna como de la implementación que describe el artículo de arquitectura. Algunos diseños del texto son direcciones futuras. No están en el prototipo.

Para quien vaya a probarlo, la lectura correcta es la de un plano con notas, no la de una beta: sirve para entender el reparto entre capas, no para montar encima un flujo de producción.

DeepSeek frente a Claude Code y Codex: qué cambia en el diseño

La comparación apareció sola en las comunidades de IA. Claude Code y Codex son productos cerrados, con su propia idea de cómo debe comportarse un agente. Este prototipo se leyó como una respuesta de arquitectura, no como un competidor en precios o funciones.

La diferencia está en dónde se coloca el esfuerzo. En lugar de estirar una sola sesión hasta que aguante tareas enormes, el diseño reparte el trabajo entre un coordinador que conserva el contexto y ejecutores que lo pierden a propósito al terminar.

No hay en la publicación una comparación de rendimiento, y este texto no va a inventarla. Lo comparable es el modelo mental: un asistente dentro de una conversación frente a un compañero de equipo con tareas asignadas.

Cómo se instala el agente y qué documentación trae

El repositorio no incluye un instalador. La instalación la lleva a cabo el agente de programación que ya use la persona interesada, siguiendo las instrucciones de SETUP.md. El proceso está pensado para ir despacio: una pregunta corta cada vez, y un plan completo al final.

La documentación está numerada del 000 al 008 y cubre las piezas: filosofía, modelo de dominio, autorización, ejecución, prompts, panel, despliegue, arquitectura y un recetario para añadir fuentes de eventos.

Ese orden es una pista: la filosofía va antes que el código, y las decisiones técnicas se explican desde esas reglas.

Qué se puede esperar de este prototipo de agente

Merece la pena mirarlo si el interés está en cómo organizar agentes que trabajan durante horas sobre un mismo repositorio sin convertir la conversación en un basurero. La separación entre router y workers es la parte reutilizable, y se puede copiar en otros entornos.

También merece la pena leer las advertencias antes que las promesas. Es un prototipo de investigación, no un producto de DeepSeek, y así conviene tratarlo: como una idea publicada con su código al lado, no como una herramienta lista para el lunes por la mañana.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Curvas espirales concéntricas cruzadas por una línea vertical con puntos brillantes anclados a lo largo de ella
Investigación

Un matemático de Anthropic dice que Claude demostró la hipótesis de Riemann, y Stanford respondió en horas

El anuncio llegó por la web personal de un matemático, no por un comunicado de Anthropic. Horas después, Stanford publicó una demostración humana del mismo problema. Ninguna de las dos está aceptada.

Popularidad: 1,860
Una pila de nodos de agentes unidos por un camino hacia un rack de servidores, con una cerradura y una marca de brecha en el rack
Investigación

Cairn: un AI agent encontró un zero-day y tomó un servidor universitario en 11 minutos

La orden fue una sola frase: obtener acceso al servidor. Los agentes eligieron el cómo, dieron con un fallo desconocido en MONAI Label y dejaron una puerta abierta en 11 minutos.

Popularidad: 1,520
Un embudo que lleva pequeños bloques de tokens de una caja de modelo a otra, con una placa de escudo que bloquea parte del flujo
Investigación

OpenAI reduce el robo de razonamiento del 54% al 0,2%, pero se mide a sí misma

Copiar el razonamiento de un modelo de frontera se ha convertido en un negocio. OpenAI publica sus defensas y dos cifras que bajan mucho, con una advertencia: son sus propias pruebas.

Popularidad: 1,420
Una cuadrícula cian de retícula con un cuadrado resaltado junto al texto Lattice Standard Model
Investigación

OpenAI propone una definición del Modelo Estándar en retícula con GPT-6 Astra

OpenAI publicó el 15 de noviembre un texto sobre una definición no perturbativa del Modelo Estándar sobre una cuadrícula, construida sobre un preprint de octubre. El autor la describe como una respuesta en principio, no en la práctica.

Popularidad: 1,500