10 月 31 日,DeepSeek Harness 团队发表技术文章《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出一套面向工程实践的 Super-agent 双层架构:Router 负责交互与任务分派,Worker 在隔离会话中并发干活,AI 开始「指挥」AI。消息一出即登上多家科技媒体头条,被视为智能体从单任务工具走向自主协作者的重要一步。

一、为什么需要 Super-agent:人的注意力成了瓶颈
DeepSeek 团队在文中指出,随着大模型执行单个任务时越来越不需要人类干预,限制生产力进一步提升的因素正转向人的注意力。现有主流 Agent 仍以单一 Session 为基本单位,Session 之间相互独立,用户并行推进多项工作时只能手动切换维护上下文;团队观察到一个人通常只能同时跟进 3 至 5 个活跃 Session,即使通过 CLI、MCP 或外部连接器扩展,也仍面临单会话同步阻塞、多任务上下文混乱、本地设备离线任务即停等问题。
二、Router 与 Worker 双层架构如何运转
Super-agent 的整体架构由双层架构、事件驱动、面向人的交互、计算与状态及环境分离、Watchdog 五部分组成。其中核心是双层架构:Router 层负责承接人类交互、维护全局上下文并分派任务;Worker 层则在相互隔离的会话中并发执行具体工作,不直接向用户回复,而是把状态和结果汇报给 Router,由后者统一对外沟通。这样的设计让「一个 AI 当总管、多个 AI 当打工人」成为可能。
三、四项基础特征:连续、高效、主动、持久
DeepSeek 归纳了 Super-agent 的四项基础特征:连续——用户可以在即时通讯、GitHub 评论等不同渠道与同一个 Agent 交互;高效——能够并行处理多个复杂任务;主动——系统持续观察环境事件,自行推进值得处理的事项;持久——Agent 始终在线,并能在长期运行中从异常状态恢复。
四、已经在内部用起来了:自动复现 Bug、直接提交 PR
最值得注意的是,DeepSeek 已基于 DeepSeek Harness 构建了一套内部 Super-agent 实例用于日常研发协作:团队成员在群聊反馈软件问题时,即使没有人主动 @AI,它也能识别潜在缺陷,在后台尝试复现问题、寻找修复方案,甚至直接提交 GitHub Pull Request 等待开发人员审查;同一项开发任务还能在群聊与 GitHub 之间连续推进,Agent 能理解需求变化并调整执行方向。
五、离正式产品还有多远
DeepSeek 强调,Super-agent 目前仍是一套面向工程实践的架构探索,部分设计已通过开源原型实现,尚非正式推出的独立产品。架构思路与技术细节值得开发者参考,但「全自动研发协作者」的成熟度仍需持续观察。对国产大模型生态而言,这释放了另一个信号:竞争焦点正从单模型能力转向 Agent 编排与工程化。想横向对比近期模型动态,可回看站内的 GPT-6.1 Terra 发布解读。
常见问题(FAQ)
DeepSeek Harness 团队提出的新型 Agent 架构:Router 层负责与人交互、维护全局上下文并分派任务,Worker 层在隔离会话中并发执行工作,目标是让 AI 系统持续在线、主动推进、并行处理多项任务,人只需在关键节点审查把关。
Router 负责承接人类交互、维护全局上下文、把任务分派给 Worker,并统一对外沟通;Worker 在相互隔离的会话里并发执行具体工作,把状态与结果汇报给 Router,不直接面对用户。
是的。DeepSeek 已基于 DeepSeek Harness 构建内部 Super-agent 实例用于研发协作,能自动识别群聊中的缺陷反馈、复现问题并直接提交 GitHub PR 供开发人员审查。
不是。它目前是面向工程实践的架构探索,部分设计通过开源原型实现,尚未作为独立产品正式发布。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...











