DeepSeek Harness достиг 1,54 миллиона ежедневных пользователей и планирует запуск официального маркетплейса плагинов

Команда DeepSeek's Harness продемонстрировала Creator Mode 2 ноября, который позволяет пользователям создавать индивидуальные плагины, используя запросы на естественном языке. В рамках демонстрации были представлены рабочее пространство для дизайна, видеоредактор и интерактивные трехмерные визуализации.

Компания выпустила семь демонстрационных запросов на китайском и английском языках. Эти примеры охватывают различные инструменты, такие как программа для чтения документов, дизайнер постеров и панель для мониторинга статистики диалогов. Пользователи могут скопировать эти запросы в Harness и активировать Creator Mode для разработки собственных версий.

Harness является платформой открытых агентов от DeepSeek, и плагины расширяют функциональность, навыки и интерфейс этой платформы. DeepSeek сообщила, что некоторые из представленных плагинов были доработаны в результате нескольких раундов общения.

Команда DeepSeek Harness опубликовала описание своего проекта, который они назвали Супер-агент. Этот агент спроектирован как постоянно действующая система, которая одновременно продвигает несколько задач, самостоятельно ищет работу и восстанавливается после сбоев. Соответствующий исследовательский прототип был выпущен на GitHub под лицензией MIT, как сообщили китайские технологические СМИ.

Репозиторий dsh-superagent-prototype представляет собой пакет проактивного кодирующего агента, предназначенного для работы с одним репозиторием GitHub в рамках экосистемы DeepSeek Harness. Агент отслеживает активность в GitHub, а также опционально в Feishu. Когда авторизованный пользователь запрашивает выполнение задачи, агент создает рабочий элемент, обрабатывает его в своей сессии и каталоге, а затем отвечает в исходном диалоге, например, через создание запроса на слияние (pull request).

В сопроводительной документации подчеркивается, что данный код является исследовательским, а не официальным продуктом DeepSeek, и некоторые концепции, описанные в документе, еще не реализованы.

Архитектура системы

Основная концепция построена на двухслойной архитектуре. Сессия маршрутизатора (Router) принимает всю человеческую активность из разных каналов, но сама не выполняет работу и может даже не иметь инструмента Bash. Задачи делегируются изолированным сессиям рабочих агентов (Worker), которые выполняют работу параллельно, используя полный набор инструментов, и отправляют отчеты обратно Маршрутизатору, минуя общение с пользователями.

Каждый Рабочий агент подписывается на интересующие его ветки, такие как обсуждение в чате или запрос на слияние, что позволяет последующим событиям поступать непосредственно к нему, не проходя через Маршрутизатор. Система функционирует на основе событий: триггерами выступают сообщения в чатах, электронные письма, комментарии к обзорам и результаты непрерывной интеграции (CI), которые сначала фильтруются детерминированным кодом, а затем моделью.

Команда также разделила состояние агента и среды выполнения, чтобы агент мог оставаться активным в облаке, взаимодействуя с локальными машинами пользователя. Дополнительно используется внешняя сессия Наблюдателя (Watchdog), которая контролирует, добиваются ли Рабочие агенты реального прогресса. В внутренней группе пользователей команда установила правило: экземпляр должен молча воспроизводить заявленные ошибки и сообщать о них только после того, как найдет простое решение, иногда открывая запрос на слияние до того, как кто-либо отметит проблему.

В ходе предварительных испытаний на синтетических нагрузках, включавших около 300 сообщений и примерно 20 запросов на работу, Супер-агент завершил половину задач за 12,4 минуты, а 95% — за 15,7 минут. Эти показатели превзошли результаты, достигнутые одной сессией с инструментом под-агента, хотя и потребовали больше кешированных токенов. Без прямого направления последующих событий к Рабочим агентам решения Маршрутизатора увеличились примерно на 30%, а пакетная обработка при высокой нагрузке снизила время вывода одного решения Маршрутизатора с 6,4 секунд до 1,6 секунды. Команда назвала эти результаты предварительным ориентиром.

Среди нерешенных вопросов, перечисленных командой, — масштабирование Маршрутизатора, долгосрочная память, межагентное взаимодействие и риск внедрения подсказок (prompt-injection) в случае, если облачный агент получает доступ к учетным данным на локальных устройствах.

Согласно данным QuestMobile, опубликованным изданием Jiemian, мини-программа коротких драм Tencent Lvpaopao достигла показателя в 143 миллиона активных пользователей в августе.

Кроме того, в первую неделю октября количество еженедельно активных пользователей составило 89,68 миллиона, что демонстрирует рост на 44,1% по сравнению с первой неделей сентября.

Этот сервис доступен внутри WeChat и предоставляет пользователям бесплатные драмы с живыми актерами, а также анимационные и сгенерированные искусственным интеллектом драмы, которые сопровождаются рекламой между эпизодами. Распространение сервиса выгодно благодаря существующей экосистеме видеоконтента и трафика WeChat.

По данным DataEye, в период с 1 по 7 октября Lvpaopao разместил 43 000 рекламных креативов. При этом среднее ежедневное количество показов увеличилось на 57% относительно предыдущей недели, поскольку Tencent усиливал продвижение данной услуги.