DSH最强性价比用法-Agent Teams

最近测试了 DeepSeek Harness 的实验性插件 @deepseek-ai/dsh-experimental-agent-team，发现它提供了一种更接近真实软件团队的 Agent 协作方式。

相比让一个强模型（例如 GPT-6 Astra）自己无限拆分 SubAgent，Agent Team 可以由 Lead Agent 统一管理，通过预定义角色、阶段流程和模型分配，实现更加可控的多 Agent 协作。

Step 1：安装 Agent Team 插件

首先给 DeepSeek Harness 安装官方实验性插件：

@deepseek-ai/dsh-experimental-agent-team

安装完成后，即可在项目中创建自己的 Agent Team。

Step 2：按照真实研发流程组建 Agent 团队

例如，一个优化项目：

目标：

根据 xxx.md，优化 xxx 全流程推理速度

不要让 Lead Agent 自己完成所有工作，而是创建专门角色：

Agent Team 提示词示例

你现在是 Lead Agent。



请创建一个 Agent Team 完成下面任务：



目标：

根据 xxx.md，优化 xxx 全流程推理速度。



创建成员：



1. architect



职责：

- 分析整体架构

- 输出设计文档



模型：

gpt-6-astra



2. researcher



职责：

- 阅读源码

- 找关键接口

- 输出调用流程



模型：

gpt-6-astra



3. developer



职责：

- 根据设计方案实现代码



模型：

gemini-3.8-flash-tiered



4. tester



职责：

- 编写测试

- 找边界问题



模型：

gemini-3.8-flash-tiered



执行要求：



1. 首先拆分任务到任务板

2. 并行启动 researcher 和 architect

3. 等待结果后通知 developer

4. developer 完成后通知 tester

5. 最后由 reviewer 汇总所有结果



不要自己完成全部工作。



优先通过 teammate 协作。

Step 3：把真正任务交给 Lead Agent

创建好 Team 后，只需要把实际需求发送给 Lead Agent。

Lead Agent 负责：

• 管理任务拆解


• 调度不同角色


• 控制执行顺序


• 汇总最终结果

这种模式的优势

1. 避免强模型过度拆分

如果直接让 GPT-6 Astra 自己管理 Agent：

• 容易创建大量 SubAgent


• 层级不可控


• 调试困难


• Token 消耗增加

Agent Team 可以提前定义团队结构，让协作更加稳定。

2. 灵活控制模型成本

不同阶段使用不同模型：

3. 更接近真实工程团队

整个流程类似：

AI Agent 不再只是聊天机器人，而更像一个可管理的软件研发团队。

当前不足

Agent Team 目前仍属于实验阶段：

总体来看，DeepSeek Harness + Agent Team 提供了一种更合理的 AI 工程模式：

不要让一个超级 Agent 包办所有事情，而是像管理真实团队一样管理多个专业 Agent。

通过角色划分、模型分工和流程控制，可以获得更稳定、更低成本、更容易维护的 Agent 开发体验。