DeepSeek pubblica Superagent: l’agente AI che coordina il lavoro su GitHub
Il codice è pubblico, ma il prototipo non è un prodotto pronto per i team di sviluppo
15,7 minuti contro 29,5: è il dato con cui DeepSeek mostra il potenziale di Superagent. Ma non sono i tempi necessari per correggere un bug reale. Nel test descritto dal team, il lavoro di programmazione era simulato: a essere misurata era la capacità del sistema di smistare richieste e tenere insieme più attività senza farle intralciare a vicenda.
Il codice pubblicato da DeepSeek su GitHub rende concreta un’idea interessante: un agente AI per la programmazione, cioè un software che usa un modello di intelligenza artificiale per svolgere compiti, dovrebbe chiedere meno attenzione alle persone che lo coordinano. Per ora, però, Superagent è un prototipo di ricerca per un solo progetto GitHub, non un collega digitale da lasciare al lavoro senza supervisione.
In questo articolo
Superagent prova a liberare gli sviluppatori dal ruolo di centralinisti
Chi affida diversi incarichi ad agenti AI deve ancora passare da una conversazione all’altra, ricordare a che punto è ogni lavoro e inoltrare nuove istruzioni. È come dirigere una squadra in cui ogni persona lavora in una stanza separata e chiede aggiornamenti al capo. Nell’articolo tecnico del team DeepSeek Harness, gli autori stimano che una persona riesca a seguire normalmente tre-cinque sessioni attive alla volta: l’attenzione umana diventa così un limite anche quando gli agenti sanno svolgere i singoli compiti.
La soluzione proposta separa il coordinamento dall’esecuzione. Un agente centrale riceve messaggi e decide dove indirizzarli; agenti incaricati dei singoli lavori operano in sessioni distinte. Nel prototipo pubblico, una persona autorizzata può fare una richiesta su GitHub: Superagent apre un’attività, lavora in una propria directory e risponde nella conversazione iniziale, per esempio proponendo una pull request, cioè una modifica al codice da esaminare prima di integrarla. Può ascoltare anche Feishu, una piattaforma di messaggistica aziendale, se configurata.
Che cos’è un repository?
È l’archivio di un progetto software: contiene codice e cronologia delle modifiche. Il prototipo di Superagent lavora nell’ambito di un solo repository GitHub, non attraverso tutti i progetti di un’azienda.
Questo riguarda anche i team italiani ed europei che lavorano su GitHub: possono studiare il codice pubblicato e adattarlo ai propri processi. La disponibilità del codice, tuttavia, non equivale a un servizio pronto da attivare. DeepSeek avverte che la versione pubblica può contenere errori e non coincide né con quella usata internamente né con tutte le soluzioni descritte nell’articolo tecnico.
Il vantaggio nei test riguarda la regia, non la qualità del codice
DeepSeek ha confrontato diverse modalità di coordinamento usando un flusso artificiale di circa 300 messaggi per prova, fra richieste di lavoro, conversazioni e notifiche di GitHub. Circa 20 messaggi erano incarichi; il lavoro di coding veniva imitato da uno strumento che consumava tempo senza scrivere codice. Ogni configurazione è stata eseguita cinque volte. È un esperimento utile per osservare gli ingorghi, non una dimostrazione che Superagent programmi meglio di altri strumenti.
| Configurazione nel test DeepSeek | Tempo mediano | Tempo al 95° percentile | Token letti dalla cache per prova |
|---|---|---|---|
| Superagent | 12,4 minuti | 15,7 minuti | 23,2 milioni |
| Sessione unica, istruzione neutra sulla delega | 20,4 minuti | 29,5 minuti | 6,1 milioni |
| Sessione unica, istruzione a delegare | 13,8 minuti | 29,0 minuti | 10,8 milioni |
Il numero più citato, 15,7 contro 29,5 minuti, rappresenta il 95° percentile: la soglia entro cui si colloca il 95% dei tempi misurati, non la durata tipica di ogni incarico. La mediana — il valore centrale — è 12,4 contro 20,4 minuti. Nella prova, Superagent legge anche molti più token dalla cache, ossia porzioni di testo già elaborate che il sistema riutilizza: il guadagno di tempo richiede quindi più risorse, senza che questa tabella basti a quantificarne il costo economico.
Meno interventi umani non significa assenza di controllo
Il prototipo non dovrebbe agire su qualsiasi messaggio che incontra. Secondo il README del progetto, interviene quando lo chiede una persona autorizzata o quando lo permette una regola definita dal team; un pannello indica le attività in attesa di una decisione umana. L’ambizione è togliere alle persone le notifiche e i passaggi di coordinamento superflui, non togliere loro l’ultima parola sulle modifiche importanti.
Prima di collegarlo a un progetto aziendale
La documentazione di distribuzione di DeepSeek avverte che gli agenti possono eseguire comandi con i permessi dell’utente del sistema operativo e leggere file presenti nel suo ambiente. Raccomanda un account dedicato per isolarli; per le modifiche al codice, le approvazioni vanno imposte anche tramite le protezioni di GitHub, non affidate soltanto alle istruzioni date all’agente. ([github.com](https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/006-deployment.md))
Per uno sviluppatore o un’impresa, il passo sensato oggi è studiare Superagent in un ambiente di prova, con accessi limitati e revisione delle modifiche. Il risultato più interessante della pubblicazione non è un programmatore autonomo già pronto: è la possibilità di ridurre il lavoro necessario per coordinare gli agenti, lasciando alle persone il tempo di giudicare ciò che producono.
