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：

角色 |
职责 |
输出内容 |
使用模型 |

Lead Agent |
负责团队管理、任务拆解、流程调度、结果汇总 |
任务计划、最终方案 |
GPT-6 Astra |

Architect |
分析整体架构，设计优化方向 |
架构设计文档 |
GPT-6 Astra |

Researcher |
阅读源码，分析关键接口和调用链路 |
源码分析报告 |
GPT-6 Astra |

Developer |
根据设计方案实现代码修改 |
代码提交、实现方案 |
Gemini-3.8-flash-tiered |

Tester |
编写测试，验证功能，发现边界问题 |
测试报告 |
Gemini-3.8-flash-tiered |

Reviewer |
汇总所有 Agent 输出，进行最终审核 |
最终交付报告 |
GPT-6 Astra |

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：

阶段 |
推荐模型 |
原因 |

架构设计 |
GPT-6 Astra |
复杂推理、系统设计能力强 |

源码分析 |
GPT-6 Astra |
理解复杂代码结构 |

编码实现 |
Gemini-3.8-flash-tiered |
速度快、成本低 |

测试验证 |
Gemini-3.8-flash-tiered |
适合大量执行任务 |

---

3. 更接近真实工程团队

整个流程类似：

阶段 |
负责人 |

需求分析 |
Lead Agent |

架构设计 |
Architect |

源码研究 |
Researcher |

开发实现 |
Developer |

测试验证 |
Tester |

代码审查 |
Reviewer |

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：

问题 |
说明 |

团队管理能力 |
复杂项目下任务状态管理仍需增强 |

上下文同步 |
多 Agent 间信息传递还有优化空间 |

调度机制 |
更复杂的依赖关系需要更完善的编排 |

Reviewer 能力 |
自动审查和质量控制仍需提升 |

---

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。