Lógica de gerenciamento de cotas descoberta no código da versão web do DeepSeek aponta para um 'Plano de Codificação', mas não há anúncio oficial

A equipe do DeepSeek Harness informou que, em 4 de novembro, o produto, que é um ambiente de execução de agentes de código aberto da DeepSeek, contava com 1,54 milhão de usuários ativos diariamente. Esta informação foi apresentada em uma atualização de 5 de novembro, de acordo com relatórios da IT Home e MyDrivers.

A contagem inclui apenas os usuários que utilizam o produto através da API oficial da DeepSeek. Toda essa base de usuários consome cerca de 92 trilhões de tokens por dia.

Esses números demonstram o rápido crescimento do produto, que existe há menos de três meses. A versão DeepSeek Harness v0.1 foi lançada em 13 de agosto, e a versão desktop apareceu em 29 de setembro. Conforme relatado pela MyDrivers, em 30 de setembro, o número de usuários ativos era de aproximadamente 271.000, o que representa um crescimento de mais de cinco vezes na base de usuários em menos de um mês.

Uma parte significativa da atividade é fornecida por plugins. De acordo com a equipe, desde o lançamento surgiram cerca de 35.000 plugins de terceiros, e aproximadamente 60% dos usuários ativos criaram ou instalaram pelo menos um deles. Isso corresponde ao conceito principal do produto, que muitas vezes se resume à ideia de que tudo é um plugin: modelos, ferramentas, habilidades, sessões, sandboxes, armazenamento, ciclos, planejamento e interface do usuário são compostos por plugins que os usuários podem modificar e combinar.

No âmbito da atualização, a equipe também delineou planos futuros. Planeja-se melhorar a estabilidade e a compatibilidade da API de plugins, fortalecer os mecanismos de segurança dos plugins e criar um marketplace oficial de plugins. Isso permitirá que os autores publiquem seus plugins com mais facilidade e que os usuários encontrem as soluções de que precisam.

Além disso, está sendo preparada um programa de suporte para desenvolvedores de plugins, que oferecerá incentivos na forma de tokens, interação técnica e espaço dedicado para seus trabalhos. Os detalhes deste programa serão definidos com base no feedback e nas necessidades da comunidade. A DeepSeek também convidou startups e empresas a integrar seus produtos, serviços e capacidades especializadas no Harness na forma de plugins e a considerar parcerias. O marketplace oficial fornecerá pela primeira vez um ponto de distribuição centralizado para o ecossistema de plugins, complementando os índices e repositórios comunitários existentes.

A equipe DeepSeek Harness tornou público o dsh-superagent, um protótipo de pesquisa que aceita solicitações de desenvolvimento via GitHub e, opcionalmente, via Feishu. O agente executa o trabalho em sessões separadas e retorna os resultados, por exemplo, na forma de solicitações de mesclagem (pull requests) no diálogo original.

Este protótipo é configurado em torno de um repositório GitHub e funciona como um pacote para o DeepSeek Harness. Ele transforma solicitações autorizadas em tarefas de trabalho, aloca um diretório de trabalho e uma sessão de agente dedicados para cada tarefa, e fornece um painel web para exibir questões que requerem atenção humana.

O projeto explora as capacidades de agentes de codificação para executar tarefas de longa duração com menor necessidade de coordenação humana. A implementação, que foi publicada, surgiu do fluxo de trabalho diário da equipe e está disponível sob a licença MIT.

A equipe DeepSeek Harness publicou a descrição de seu projeto, que nomearam Superagente. Este agente foi projetado como um sistema em funcionamento contínuo que avança múltiplas tarefas simultaneamente, busca trabalho autonomamente e se recupera de falhas. Um protótipo de pesquisa correspondente foi lançado no GitHub sob licença MIT, informaram mídias tecnológicas chinesas.

O repositório dsh-superagent-prototype representa um pacote de agente de codificação proativo, destinado a operar com um repositório do GitHub dentro do ecossistema DeepSeek Harness. O agente monitora a atividade no GitHub, bem como opcionalmente no Feishu. Quando um usuário autenticado solicita a execução de uma tarefa, o agente cria um item de trabalho, processa-o em sua sessão e diretório, e então responde no diálogo original, por exemplo, criando um pedido de pull request.

Na documentação anexa, é enfatizado que este código é de natureza de pesquisa e não um produto oficial da DeepSeek, e algumas das concepções descritas no documento ainda não foram implementadas.

Arquitetura do Sistema

O conceito principal é construído sobre uma arquitetura de duas camadas. A Sessão do Roteador (Router) recebe toda a atividade humana de vários canais, mas não executa o trabalho e pode nem ter a ferramenta Bash. As tarefas são delegadas a sessões isoladas de agentes de trabalho (Worker), que executam o trabalho em paralelo usando um conjunto completo de ferramentas, e enviam relatórios de volta ao Roteador, sem comunicação com os usuários.

Cada Agente de Trabalho se inscreve nos branches de seu interesse, como discussões no chat ou pedidos de pull request, permitindo que eventos subsequentes cheguem diretamente a ele, sem passar pelo Roteador. O sistema funciona com base em eventos: os gatilhos são mensagens de chat, e-mails, comentários em revisões e resultados de integração contínua (CI), que são primeiro filtrados por código determinístico e depois pelo modelo.

A equipe também separou o estado do agente e do ambiente de execução para que o agente possa permanecer ativo na nuvem, interagindo com máquinas locais do usuário. Uma sessão externa de Vigilante (Watchdog) é usada adicionalmente para monitorar se os Agentes de Trabalho estão obtendo progresso real. Em um grupo interno de usuários, a equipe estabeleceu uma regra: a instância deve reproduzir silenciosamente os erros relatados e só comunicá-los após encontrar uma solução simples, às vezes abrindo um pull request antes que alguém marque o problema.

Durante testes preliminares com cargas sintéticas, incluindo cerca de 300 mensagens e aproximadamente 20 solicitações de trabalho, o Superagente concluiu metade das tarefas em 12,4 minutos e 95% em 15,7 minutos. Esses resultados superaram os alcançados por uma única sessão com ferramenta de subagente, embora tenham exigido mais tokens em cache. Sem o direcionamento direto dos eventos subsequentes aos Agentes de Trabalho, as soluções do Roteador aumentaram em cerca de 30%, e o processamento em lote sob alta carga reduziu o tempo de saída de uma solução do Roteador de 6,4 segundos para 1,6 segundo. A equipe classificou esses resultados como um ponto de referência preliminar.

Entre as questões não resolvidas listadas pela equipe estão: escalabilidade do Roteador, memória de longo prazo, interação entre agentes e o risco de injeção de prompts (prompt-injection) caso o agente em nuvem tenha acesso às credenciais em dispositivos locais.