Pesquisa

DeepSeek abre protótipo de superagente com Router e Workers separados

A equipe do DeepSeek que mantém a base de agentes publicou em 31 de outubro um protótipo de agente de programação com licença MIT. A arquitetura separa um Router que coordena vários Workers com contexto isolado, e a própria equipe avisa que é apenas pesquisa.

Mariana SilvaMariana Silva
Popularidade: 1,900
DeepSeek abre protótipo de superagente com Router e Workers separados

A equipe do DeepSeek que mantém a base de agentes da empresa publicou em 31 de outubro um protótipo aberto de agente de programação que separa quem conversa com o time de quem executa a tarefa. A proposta é gastar menos atenção humana, e não mais contexto.

O que o DeepSeek colocou no GitHub

O repositório se chama dsh-superagent-prototype e saiu com licença MIT. Junto com o código, a equipe publicou o texto "Exploring Super-agent Design: Towards a More Autonomous Agent System", que explica as escolhas de projeto por trás do protótipo.

A distribuição acontece como um pacote da base de agentes da própria DeepSeek, o sistema que a empresa usa para colocar agentes em funcionamento. O escopo é um único repositório do GitHub, não uma organização inteira. É um recorte estreito. Isso define bastante do que o programa faz e do que ele não tenta fazer.

A descrição oficial fala em agente de programação proativo. Proativo, aqui, tem um sentido específico: ele observa eventos do repositório e age quando alguém com permissão pede, em vez de esperar que a pessoa abra uma janela de chat e conduza cada passo.

Como funciona a arquitetura de Router e Worker

O desenho tem duas camadas. A primeira é um Router permanente, que conversa com as pessoas, guarda o contexto geral e distribui trabalho. Ele não executa a tarefa.

A segunda camada são várias sessões de Worker, cada uma com contexto isolado. Cada Worker tem a própria sessão e o próprio diretório, e vários podem rodar em paralelo. Um Worker também consegue acompanhar os comentários de pull request que aparecem depois, sem depender do Router para repassar cada mensagem.

Essa divisão resolve um problema conhecido de quem usa agentes por horas. Se tudo acontece numa conversa só, o histórico cresce, o modelo começa a se perder e cada correção custa mais caro. Com contextos separados, o trabalho sujo fica isolado e o Router mantém apenas o que precisa saber para coordenar.

O fluxo é direto. O sistema escuta eventos do GitHub, com integração opcional ao Feishu. Quando alguém autorizado faz um pedido, ele cria um item de trabalho, resolve na sessão do Worker e volta na conversa original com a resposta, normalmente um pull request. Um painel web mostra o que está parado esperando uma decisão humana.

O orçamento de atenção no superagente da DeepSeek

A frase que resume o projeto está no README: ocupar o mínimo possível da atenção das pessoas e produzir o máximo de valor possível. Parece slogan, mas tem consequência prática.

Um agente que age sozinho pode ajudar um time inteiro. Também pode gastar a atenção de um time inteiro com notificações inúteis. Por isso a regra é agir apenas quando solicitado ou quando as regras escritas pelo próprio time permitem, e falar apenas em dois casos: quando alguém precisa decidir algo ou quando o resultado tem uso real.

Na prática, isso muda o tipo de ruído que o agente gera. Ele não comenta cada commit, não resume cada alteração e não pede aprovação para tarefas triviais. Fica quieto até ter algo que justifique interromper alguém.

Para quem já trabalhou com um agente que manda mensagem a cada etapa concluída, a diferença é grande. O objetivo declarado é que a maior parte do trabalho passe sem gerar conversa.

O aviso da DeepSeek: protótipo, não produto

O README não esconde o que o projeto é. Diz, com todas as letras, que se trata de um protótipo de pesquisa, apenas para referência, e não de um produto oficial do DeepSeek. Também avisa que não é software de produção e que pode ter bugs.

O texto vai além. Admite que o estilo de código e as práticas de engenharia podem ser inconsistentes entre partes do repositório. E afirma que a versão pública passou por adaptações: ela difere, em detalhes, da versão interna da empresa e da implementação descrita no artigo. Alguns desenhos apresentados no texto são direções futuras, não algo que exista no código publicado.

Essa honestidade muda a forma de ler o anúncio. Não é o lançamento de um produto concorrente do Claude Code. É um laboratório aberto, com licença permissiva, para que outras pessoas estudem e testem uma arquitetura. Quem chega esperando um produto pronto vai se decepcionar.

A documentação do protótipo e o primeiro passo

O repositório traz um SETUP.md e documentos numerados de 000 a 008. A lista cobre filosofia, modelo de domínio, autorização, execução, prompts, painel, implantação, arquitetura e um guia para estender as fontes de eventos.

A instalação não é um instalador comum. A recomendação é deixar o seu próprio agente de programação seguir o SETUP.md, fazendo uma pergunta curta por vez, até montar um plano completo. É um jeito curioso de distribuir software, e faz sentido para um projeto que depende do ambiente de cada time.

Vale ler a documentação antes de rodar qualquer coisa. O material explica decisões que não aparecem no código, especialmente as regras de autorização, que definem quem pode pedir o quê.

O que muda para quem usa agentes de código

A comparação inevitável é com Claude Code e Codex, dois agentes fechados que dominam o uso diário de muita gente. A diferença de arquitetura é o ponto interessante, não a briga de marcas.

Em um agente de sessão única, o usuário é o centro. Ele pede, acompanha, corrige. O modelo trabalha dentro de uma linha do tempo que cresce. No protótipo da DeepSeek, o centro é o item de trabalho, e a conversa é só a interface de entrada e saída.

Isso pode reduzir o custo por tarefa em times que já têm processos claros. Também exige processo claro. Sem regras escritas sobre o que o agente pode fazer sozinho, o ganho desaparece e sobra o risco. Processo vem antes de ferramenta.

A comunidade de IA discutiu o lançamento em fóruns em inglês e chinês nas primeiras 24 horas, em boa parte lendo o projeto como resposta arquitetural aos agentes fechados. É uma leitura plausível, mas continua sendo interpretação de terceiros.

O que o protótipo da DeepSeek ainda não prova

Não existe benchmark público, comparação de custo ou teste independente do protótipo. O material publicado é código e documentação, não resultado medido. Ainda é cedo para medir.

Também não há garantia de manutenção. Protótipos de pesquisa costumam ser atualizados enquanto o experimento dura e depois param. Quem pretende usar em produção precisa assumir esse risco.

A pergunta mais útil, por enquanto, é outra: a separação entre coordenação e execução faz sentido para o seu time? Se a resposta for sim, o repositório serve como estudo de caso. Se você procura uma ferramenta pronta para amanhã, este não é o lugar.

Compartilhar esta notícia

Fontes

Notícias de IA relacionadas

Curvas em espiral concêntricas cruzadas por uma linha vertical com pontos brilhantes fixados ao longo dela
Pesquisa

Claude e a hipótese de Riemann: o que compila e o que ninguém leu ainda

A frase que abriu a semana saiu de um pesquisador, não da empresa que paga o salário dele, e a diferença importa para ler o resto. A prova existe como código que compila, e ninguém ainda leu 250 mil páginas de argumento matemático.

Popularidade: 1,860
Uma pilha de nós de agente ligada por um caminho a um rack de servidor, com um buraco de fechadura e uma marca de invasão no rack
Pesquisa

Um AI agent achou um zero-day e tomou um servidor universitário em 11 minutos

Um agente de IA não escolheu o alvo nem escreveu o plano da campanha. Recebeu uma ordem curta, tentou por dezesseis horas, falhou, e acertou em onze minutos quando o alvo mudou.

Popularidade: 1,520
Uma grade ciano com um quadrado destacado ao lado das palavras Lattice Standard Model
Pesquisa

OpenAI propõe definição lattice do Modelo Padrão com ajuda do GPT-6 Astra

A OpenAI descreveu um caminho para definir o Modelo Padrão numa grade sem tratar as interações como correções pequenas. O texto chama o resultado de candidato.

Popularidade: 1,500
Uma grade de chip verde com uma célula destacada e uma linha de sinal irregular ao lado das palavras Blackwell fingerprints
Pesquisa

Blackwell fingerprints: seis modelos chineses carregam a marca de uma GPU banida

Um pesquisador diz ter encontrado marca de GPU Blackwell em seis modelos chineses publicados desde abril. O truque não lê número de série: lê a contagem de núcleos que sobrou no peso aleatório. E o próprio autor avisa que isso não prova contrabando.

Popularidade: 1,250