> ## Content Index > Fetch the complete content index at: https://aihub.vnpay.vn/llms.txt > Use this file to discover other available public pages before exploring further. # DeepSeek công bố mã nguồn mở Super-agent: Nguyên mẫu agent lập trình chủ động với kiến trúc Router–Worker - URL: https://aihub.vnpay.vn/deepseek-cong-bo-ma-nguon-mo-super-agent-nguyen-mau-agent-lap-trinh-chu-dong-voi-kien-truc-router-worker/ - Published: 2026-11-02T09:35:49.000Z - Updated: 2026-11-02T09:35:49.000Z - Description: Ngày 31/10/2026, DeepSeek công bố mã nguồn mở Super-agent, một nguyên mẫu agent lập trình có thể tự nhận việc từ GitHub và Feishu, xử lý song song và trả kết quả dưới dạng pull request. - Author: Nguyễn Ngọc Hải - Tags: Tin tức, DeepSeek, Mô hình Ngày 31/10/2026, nhóm phát triển DeepSeek Harness của DeepSeek đăng bài viết thiết kế về **Super-agent** và cùng ngày công bố kho mã `dsh-superagent-prototype` trên GitHub theo giấy phép **MIT** \[1\]\[2\]\[3\]. Đây là một agent lập trình **chủ động**: Thay vì chờ lập trình viên gõ lệnh trong một cửa sổ, agent theo dõi kho mã GitHub (và tùy chọn nhóm chat Feishu), tự nhận việc khi được người có thẩm quyền yêu cầu hoặc khi quy tắc của nhóm cho phép, rồi trả kết quả ngay tại nơi yêu cầu được đưa ra, ví dụ một pull request \[1\]\[4\]. DeepSeek nói rõ đây là **nguyên mẫu nghiên cứu để tham khảo, không phải sản phẩm chính thức**, và chưa sẵn sàng cho môi trường production \[1\]. Bloomberg, theo i-SCOOP, coi đây là một thách thức với Claude Code của Anthropic \[3\]. ## Bối cảnh: DeepSeek Harness Super-agent được đóng gói như một gói mở rộng cho **DeepSeek Harness** (DSH), bộ khung chạy agent mã nguồn mở mà DeepSeek ra mắt bản xem trước từ 13/08/2026, sau đó có thêm ứng dụng máy tính cho macOS và Windows từ 02/10 \[5\]\[6\]. Harness được thiết kế theo nguyên tắc "mọi thứ đều là plugin": Bộ kết nối model, công cụ, phiên làm việc, môi trường cách ly, lưu trữ và giao diện đều có thể thay thế \[5\]. Theo Startup Fortune, kho mã Harness đạt hơn 188.000 sao trên GitHub \[5\]. Harness mặc định dùng API của DeepSeek nhưng cũng hỗ trợ API của Anthropic, OpenAI, các endpoint tương thích OpenAI và model chạy cục bộ \[3\]. DeepSeek cảnh báo Harness vẫn là phần mềm xem trước, **chưa qua kiểm toán bảo mật**, và các cơ chế cách ly, phê duyệt không bảo đảm tách biệt hoàn toàn \[5\]. ## Super-agent làm gì Theo README của DeepSeek \[1\]: - Theo dõi **một kho mã GitHub** cho mỗi lần cài đặt; Feishu là kênh tùy chọn thứ hai. - Khi người trong danh sách cho phép yêu cầu, agent **mở một hạng mục công việc** và xử lý trong phiên, thư mục riêng. - Trả lời ngay tại cuộc trao đổi ban đầu, chẳng hạn mở pull request hoặc trả lời bình luận review. - Có **trang web chỉ liệt kê những việc cần con người xem xét**. - Được cài đặt bằng chính một agent lập trình khác: người dùng yêu cầu agent đọc tệp hướng dẫn SETUP.md, trả lời vài câu hỏi rồi agent tự cài đặt và cấu hình. Nguyên tắc thiết kế cốt lõi là **"tốn ít sự chú ý của con người nhất, mang lại nhiều giá trị nhất"** \[1\]\[3\]. Bài viết thiết kế lập luận rằng một người thường chỉ theo dõi được ba đến năm phiên làm việc cùng lúc; năng lực model quyết định chất lượng từng việc, nhưng sự chú ý của con người mới giới hạn số việc chạy song song \[3\]. Vì vậy agent chỉ xác nhận yêu cầu một lần, làm việc lặng lẽ, và chỉ lên tiếng khi có kết quả, cần quyết định hoặc không thể hoàn thành \[3\]. ## Kiến trúc Router–Worker Super-agent dùng thiết kế hai tầng \[2\]\[3\]\[4\]: - **Router** là phiên thường trực, giao tiếp với con người, giữ ngữ cảnh giữa các việc và giao việc. Router không tự chia nhỏ tác vụ; Cellcog cho biết Router có thể chỉ cần model nhẹ hơn và không nhất thiết được cấp quyền chạy lệnh \[4\]. - **Worker** là các phiên riêng biệt, mỗi phiên nhận một việc, chạy trong thư mục cách ly (thường là một git worktree), thường dùng model mạnh nhất và báo cáo về Router thay vì nhắn trực tiếp cho người dùng \[3\]\[4\]. - Mặc định có **ba chỗ cho Worker** và **một chỗ dự phòng**, để câu hỏi tiếp nối của con người không phải xếp hàng sau việc mới \[3\]. Các sự kiện như issue, pull request, bình luận, kết quả CI trên nhánh chính hay tin nhắn Feishu được lọc bằng mã trước; model chỉ đánh giá những gì đã qua bộ lọc \[3\]\[4\]. ![](https://aihub.vnpay.vn/content/images/2026/11/deepseek-superagent-router-worker.gif) ## Khi nào agent được tự làm việc Super-agent chỉ hành động khi **người được phép yêu cầu trực tiếp**, hoặc khi **quy tắc do nhóm viết sẵn cho phép** \[1\]\[4\]: - **Cổng kiểm tra người gửi:** Người gửi phải nằm trong danh sách cho phép. Bot không được đưa ra yêu cầu trực tiếp, dù một bot được nhóm khai báo có thể tạo ứng viên cho việc chủ động \[3\]. - **Mandate cố định cho mỗi việc:** Việc được nhận sẽ kèm bản ghi không thể sửa về phiên bản chính sách, phạm vi, quy tắc khớp và danh tính người gửi \[3\]. - **Ba chế độ cho việc không được yêu cầu trực tiếp** \[3\]: - *Off*: Chỉ làm khi được yêu cầu. - *Observe* (mặc định): Ghi lại những việc lẽ ra sẽ nhận nhưng không thực hiện. - *Auto*: Tự bắt đầu khi đánh giá là phù hợp. DeepSeek khuyên bắt đầu ở chế độ Observe, đọc nhật ký rồi mới chuyển sang Auto \[3\]. Các tin nhắn mặc định trên GitHub được ghi rõ là do agent tự động gửi; agent không tự bật tính năng tự động merge bằng tài khoản của chính nó, việc này cần một tài khoản merge riêng do nhóm chỉ định \[3\]. ![](https://aihub.vnpay.vn/content/images/2026/11/deepseek-superagent-che-do.gif) ## Kết quả thử nghiệm sơ bộ của DeepSeek DeepSeek so sánh Super-agent với cách dùng một phiên agent duy nhất có subagent, trên môi trường giả lập khoảng 300 tin nhắn, trong đó khoảng 20 yêu cầu công việc, mỗi cấu hình chạy năm lần \[3\]\[4\]: | Cấu hình | Thời gian mỗi việc, trung vị | Thời gian mỗi việc, phân vị 95 | | ------------------------------------------------------ | ---------------------------- | ------------------------------ | | Super-agent | 12,4 phút | 15,7 phút | | Một phiên có subagent, câu lệnh trung tính | 20,4 phút | 29,5 phút | | Một phiên có subagent, câu lệnh khuyến khích giao việc | 13,8 phút | 29,0 phút | *Nguồn: \[3\]. Thời gian được thu nhỏ còn một phần tư và việc lập trình được giả lập, nên kết quả đo khả năng điều phối, không đo chất lượng mã \[3\]\[4\].* Đổi lại, Super-agent tiêu tốn khoảng **23,2 triệu token lưu đệm mỗi lượt chạy**, gấp khoảng hai lần cấu hình một phiên có giao việc và gần bốn lần cấu hình không giao việc \[3\]. Thời gian ra quyết định của Router giảm từ 6,4 giây xuống 1,6 giây khi tải tăng khoảng 40 lần \[4\]. ## Giới hạn và rủi ro bảo mật - **Agent chạy lệnh không cần duyệt:** Worker chạy lệnh với toàn quyền của tài khoản hệ điều hành đang vận hành; danh sách lệnh bị chặn không phải ranh giới bảo mật. DeepSeek khuyên dùng một tài khoản hệ điều hành riêng chỉ có thông tin xác thực của agent \[3\]\[4\]. - **Chưa kiểm toán bảo mật:** Harness chưa qua kiểm toán; DeepSeek khuyên rà soát plugin, các lệnh được sinh ra, và chạy với quyền tối thiểu \[5\]. - **Mã công bố khác bản nội bộ:** Một số thiết kế trong bài viết, như phiên giám sát tiến độ Worker hay tách vòng lặp agent lên đám mây trong khi lệnh chạy cục bộ, chưa có trong mã công bố \[1\]\[3\]\[4\]. Nhiều phần mã do chính agent lập trình viết, có thể còn lỗi \[1\]\[2\]. - **Phạm vi hẹp:** Chỉ hỗ trợ github.com, không hỗ trợ GitHub Enterprise Server, và cần một tài khoản người dùng GitHub thông thường \[3\]. - **Dữ liệu đi qua model nào:** Chính sách quyền riêng tư của DeepSeek cho biết dữ liệu cá nhân được lưu tại Trung Quốc; dùng Harness với model khác hoặc model tự triển khai sẽ tránh được việc chuyển dữ liệu này \[3\]. ![](https://aihub.vnpay.vn/content/images/2026/11/deepseek-superagent-an-toan.gif) ## Nhìn cho tỉnh táo **Thông tin chính thức:** - README và kho mã `dsh-superagent-prototype` trên GitHub của DeepSeek \[1\]. - Bài viết thiết kế của nhóm DeepSeek Harness trên WeChat, được i-SCOOP và Cellcog thuật lại \[3\]\[4\]. **Nguồn bên ngoài:** - AI Weekly, Startup Fortune, yuv.ai về bối cảnh Harness và phản hồi ban đầu \[2\]\[5\]\[6\]. - Cellcog là công ty trong cùng lĩnh vực agent, nên phân tích của họ không hoàn toàn độc lập \[4\]. **Ba điểm không nên đọc lệch:** 1. **Đây là nguyên mẫu tham khảo, không phải sản phẩm.** DeepSeek tự nói mã có thể còn lỗi, khác bản nội bộ và chưa sẵn sàng cho production \[1\]. 2. **Nhanh hơn trong thử nghiệm không có nghĩa là viết mã tốt hơn.** Thử nghiệm giả lập đo khả năng điều phối, không đo chất lượng mã, và Super-agent tốn nhiều token hơn \[3\]\[4\]. 3. **Mã nguồn mở không đồng nghĩa dữ liệu ở lại trong nhà.** Nếu dùng cấu hình mặc định với API của DeepSeek, mã nguồn và nội dung trao đổi vẫn được gửi tới máy chủ của DeepSeek \[3\]. ## Ý nghĩa với chúng ta *Các gợi ý dưới đây là góc nhìn chung, team cần đối chiếu với quy trình và chính sách thực tế của VNPAY (an toàn thông tin, quản lý mã nguồn, quản trị dữ liệu).* - **"Ngân sách chú ý" là nguyên tắc đáng học khi thiết kế agent nội bộ.** Dù dùng công cụ nào, một agent tốt cần lên tiếng đúng lúc, gom câu hỏi, và chỉ hiện ra những việc cần người quyết định. Nguyên tắc này áp dụng được cho cả agent tự động hóa quy trình trên Jira hay các hệ thống nội bộ. - **Mô hình cấp quyền của Super-agent là mẫu tham khảo tốt:** Danh sách người được phép yêu cầu, bản ghi Mandate cho từng việc, quan sát trước rồi mới tự động, con người merge thay đổi, giới hạn số việc chạy song song \[3\]. - **Không thử nghiệm trên kho mã có dữ liệu nhạy cảm.** Kho mã của hệ thống thanh toán thường chứa cấu hình, logic nghiệp vụ và đôi khi cả thông tin xác thực. Nếu muốn thử, nên dùng một kho mã mẫu, tài khoản riêng, môi trường tách biệt và được bộ phận an toàn thông tin chấp thuận. - **Xác định rõ dữ liệu đi qua model nào.** Với Harness, có thể chọn endpoint model khác thay cho API mặc định; việc chọn nhà cung cấp model cần theo quy định nội bộ về dữ liệu và nơi xử lý dữ liệu \[3\]. - **Tính cả chi phí token, không chỉ thời gian tiết kiệm được.** Kiến trúc nhiều agent song song giúp nhanh hơn nhưng có thể tốn gấp đôi, gấp bốn lần token \[3\]; khi đánh giá, nên đo cả chi phí cho mỗi việc hoàn thành. --- ## References 1. DeepSeek — *dsh-superagent-prototype: README* (GitHub, 31/10/2026). Available at: [https://raw.githubusercontent.com/deepseek-ai/dsh-superagent-prototype/main/README.md](https://raw.githubusercontent.com/deepseek-ai/dsh-superagent-prototype/main/README.md?ref=aihub.vnpay.vn) (Accessed: 02/11/2026). 2. AI Weekly — *DeepSeek open-sources router-worker coding-agent prototype* (01/11/2026). Available at: [https://aiweekly.co/alerts/deepseek-open-sources-router-worker-coding-agent-prototype](https://aiweekly.co/alerts/deepseek-open-sources-router-worker-coding-agent-prototype?ref=aihub.vnpay.vn) (Accessed: 02/11/2026). 3. i-SCOOP — *DeepSeek's Super-agent starts work on its own, and treats your team's attention as the budget* (01/11/2026). Available at: [https://www.i-scoop.eu/deepseek-super-agent/](https://www.i-scoop.eu/deepseek-super-agent/?ref=aihub.vnpay.vn) (Accessed: 02/11/2026). 4. Cellcog — *DeepSeek's Super-agent: One Router, Many Workers* (01/11/2026). Available at: [https://cellcog.ai/blog/deepseek-super-agent/](https://cellcog.ai/blog/deepseek-super-agent/?ref=aihub.vnpay.vn) (Accessed: 02/11/2026). 5. Startup Fortune (Walter Schulze) — *DeepSeek Open Sources the Architecture Behind Its Super-Agent* (01/11/2026). Available at: [https://startupfortune.com/deepseek-open-sources-the-architecture-behind-its-super-agent/](https://startupfortune.com/deepseek-open-sources-the-architecture-behind-its-super-agent/?ref=aihub.vnpay.vn) (Accessed: 02/11/2026). 6. yuv.ai — *DeepSeek Harness & V4.1 Flash: Open-Source Code Agent, MIT Model, Free Search* (10/2026). Available at: [https://yuv.ai/blog/deepseek-harness-v4-1-flash](https://yuv.ai/blog/deepseek-harness-v4-1-flash?ref=aihub.vnpay.vn) (Accessed: 02/11/2026).