La respuesta corta
DeepSeek ha publicado, con licencia MIT, el esquema de un agente de programación que trabaja por iniciativa propia, dentro de los límites que fija el equipo. Super-agent escucha un repositorio de GitHub y, opcionalmente, chats de Feishu, acepta peticiones de personas autorizadas o de reglas escritas por el equipo y responde con pull requests. Para las empresas que planifican el desarrollo de agentes de IA dentro de su cadena de entrega, lo útil es el diseño de permisos, no el código en sí.
¿Qué ha publicado DeepSeek?
El repositorio, dsh-superagent-prototype, empaqueta un agente de programación proactivo como paquete para DeepSeek Harness, la herramienta de agentes de la empresa. Cuando alguien de una lista de autorizados pide trabajo en un issue de GitHub, un pull request o un chat, el agente abre un elemento de trabajo, lo gestiona en su propia sesión de agente y directorio de trabajo, y responde en la conversación original. Un panel web muestra solo los elementos que requieren una decisión humana.
El South China Morning Post informa de que el diseño permite que varios agentes trabajen a la vez y reaccionen a eventos como mensajes y actualizaciones de código sin instrucciones explícitas para cada tarea. El propio manual de DeepSeek resume el objetivo como consumir «la menor atención humana posible» aportando «el mayor valor posible». El equipo es transparente sobre los límites: el código surgió del trabajo interno, gran parte lo escribieron agentes de programación, difiere de la versión interna y algunas ideas de su artículo de diseño no están implementadas.
¿Cómo decide el agente lo que puede hacer?
Es la parte más reutilizable del lanzamiento. El host aplica las listas de autorizados, las reglas del equipo y un «Mandate» por tarea, y la documentación indica que los mensajes, comentarios y documentos citados son datos de entrada para una decisión, pero «no pueden cambiar esos permisos». Es una defensa directa contra la inyección de prompts a través del texto de los issues o de los comentarios de los pull requests.
El trabajo proactivo, como hacerse cargo de una ejecución de CI fallida por la que nadie ha preguntado, tiene tres modos. En off, no se considera nada que no se haya pedido. En observe, el predeterminado, el agente evalúa cada candidato frente a las reglas del equipo y registra lo que habría aceptado sin actuar. En auto, una evaluación positiva pone en marcha el trabajo. DeepSeek recomienda empezar en observe y cambiar solo después de revisar esos registros. Bots como Dependabot pueden, como mucho, sugerir trabajo, nunca hacer una petición explícita, y cualquier cambio en las reglas se versiona y se aplica a las tareas en ejecución.
¿Por qué importa a los desarrolladores un agente de programación proactivo?
La mayoría de los asistentes de programación actuales, incluidos Claude Code y los modos de agente de GitHub Copilot, se ponen en marcha cuando un desarrollador les asigna una tarea. Super-agent apunta al siguiente paso: un agente que permanece en el repositorio, detecta trabajo y lo termina. Bloomberg informó del lanzamiento como la apuesta de DeepSeek para competir con Claude Code de Anthropic, y el SCMP señala que la empresa creó su equipo Harness este año específicamente para desarrollar agentes capaces de rivalizar con la oferta estadounidense.
Un agente que actúa para todo un equipo también puede malgastar la atención de todo un equipo, un riesgo que la propia DeepSeek menciona. Los pull requests no solicitados, los comentarios ruidosos y las correcciones a medias cuestan tiempo a los revisores. Por eso las decisiones de diseño interesantes aquí tienen que ver con la contención: quién puede desencadenar trabajo, qué puede hacer el agente con su resultado y cuándo debe guardar silencio.
Qué significa para los equipos de software de EE. UU. y la UE
Para los equipos de EE. UU., el lanzamiento es una arquitectura de referencia gratuita. Si está conectando agentes a GitHub, los patrones de lista de autorizados, mandate y modo observe pueden reconstruirse sobre el modelo y el runtime de agentes que ya tenga aprobados, sin adoptar el stack de DeepSeek. Los permisos de merge deben quedar en manos de personas o de reglas de ramas protegidas, nunca del propio criterio del agente.
Para los equipos de la UE, la cuestión es el flujo de datos. Un agente que lee un repositorio y los chats del equipo envía código fuente y mensajes, que a veces contienen datos personales, al backend de modelo que utilice. Antes de ejecutar este prototipo o cualquier otro similar, documente adónde van esos datos y con qué base jurídica; una revisión de cumplimiento del RGPD sale más barata que implantarla a posteriori tras una observación de auditoría. Muchos equipos de compras querrán además una posición clara sobre los proveedores de modelos según su jurisdicción. Para el mercado español, enviar código de repositorios o chats a un backend de modelo exige un contrato de encargo del tratamiento según el RGPD y, si el proveedor aloja los datos en China, una evaluación de la transferencia internacional de datos con arreglo a las reglas del RGPD sobre terceros países; la autoridad de control competente es la AEPD. La AESIA es la agencia española de supervisión de la IA en el marco del Reglamento de IA de la UE, y las Administraciones públicas y sus proveedores deben tener en cuenta además el ENS (Esquema Nacional de Seguridad).
¿Qué deben hacer ahora los equipos?
- Lea el documento de autorización. Es la parte más trasladable del repositorio y se lee en menos de una hora.
- Defina listas de autorizados. Decida qué personas y qué bots pueden pedir trabajo al agente, por repositorio.
- Empiece en modo observe. Registre durante unas semanas lo que haría un agente antes de dejarle actuar sobre trabajo no solicitado.
- Mantenga los merges en manos humanas. Los agentes abren pull requests; la protección de ramas y los revisores designados deciden qué se publica.
- Aísle cada tarea. Sesiones, directorios y credenciales separados por tarea limitan el daño de una ejecución fallida.
- Mapee el flujo de datos. Registre qué endpoint de modelo ve su código y sus chats antes de cualquier piloto.
Nada de esto constituye asesoramiento jurídico. Aun así, la dirección está clara: los agentes de programación están pasando de ser herramientas a las que se llama a ser compañeros que vigilan el repositorio. Los equipos que fijen ahora las reglas de colaboración podrán adoptarlos más rápido y con menos sorpresas.
Preguntas frecuentes
¿Qué es DeepSeek Super-agent?
Super-agent, publicado en GitHub como dsh-superagent-prototype, es un prototipo de investigación del equipo Harness de DeepSeek. Es un agente de programación proactivo para un único repositorio de GitHub: escucha GitHub y, opcionalmente, chats de Feishu, abre un elemento de trabajo cuando una persona autorizada pide algo, trabaja en su propia sesión y directorio, y responde en el hilo original, por ejemplo con un pull request.
¿Está DeepSeek Super-agent listo para producción?
No. DeepSeek califica el repositorio de prototipo de investigación solo como referencia y no como producto oficial de DeepSeek. Advierte de que el código puede contener errores, de que difiere de la versión que el equipo usa internamente y de que algunos diseños descritos en el artículo que lo acompaña no están implementados.
¿Cómo decide Super-agent cuándo actuar?
El trabajo empieza solo cuando una persona de una lista de autorizados se dirige al agente o cuando una regla escrita por el equipo permite el trabajo proactivo. El trabajo proactivo tiene tres modos: off, observe (el predeterminado, que registra lo que el agente habría aceptado sin actuar) y auto. Los mensajes y comentarios no pueden cambiar estos permisos.
¿Con qué licencia se publica Super-agent?
El código se publica con licencia MIT, por lo que los equipos pueden estudiarlo, hacer un fork y adaptarlo, también con fines comerciales, siempre que se conserve el aviso de licencia.
¿Deben usarlo las empresas de EE. UU. y la UE?
Trátelo como una referencia de diseño, no como una herramienta para desplegar. Merece la pena copiar su modelo de permisos en su propia configuración de agentes, pero ejecutarlo tal cual implica enviar el contenido del repositorio al backend de modelo para el que esté configurado, lo que exige antes una revisión de protección de datos y de seguridad.
Fuentes
DeepSeek — repositorio y documentación de dsh-superagent-prototype en GitHub (fuente primaria, 31 de octubre de 2026)
Bloomberg — DeepSeek Drops Enhanced Coding Agent With Aim to Rival Anthropic (en inglés) (1 de noviembre de 2026)
South China Morning Post — DeepSeek unveils AI ‘super agent’ in coding race with OpenAI, Anthropic (en inglés) (1 de noviembre de 2026)