DeepSeek 在 2026 年 10 月 31 日由 Harness 团队发布的 Super-agent,不是一个新模型,也不是一款装好即用的产品,而是一套 "谁来管会话、谁来派任务" 的 Agent 系统架构设计:它把 Router 调度层和 Worker 执行层拆成两层,靠事件驱动接住群聊、GitHub、邮件、CI 等渠道的消息,让 AI 没人 @也能主动识别问题、后台复现并尝试修复,人只需要定目标、验收结果。这么做的原因很实在 —— 一个人同时跟住的活跃会话通常只有 3 到 5 个,多任务上限卡的是人的注意力,而不是模型能力;步骤上就是先把会话管理从人手上移到系统层,再用常驻 Router 接单分发、隔离 Worker 并行干活、外部 Watchdog 兜底巡检,最终让 Agent 从 "你问一句它答一句" 的个人助手,变成能主动推进任务的团队伙伴。需要先泼一盆冷水:目前开源的只是研究原型,只服务单个 GitHub 仓库,离生产级方案还有距离。
一、发布背景:它到底是什么
| 项目 | 说明 |
|---|---|
| 发布方 | DeepSeek Harness 团队 |
| 发布时间 | 2026 年 10 月 31 日晚(公众号技术文《Super-agent 设计探索:迈向更自主的 Agent 系统》) |
| 性质 | Agent 系统架构设计 + 开源研究原型(GitHub:dsh-superagent-prototype,MIT 协议) |
| 不是什么 | 不是新大模型,不是 DeepSeek 官方产品,不是生产级软件 |
| 内部进展 | 基于该思路的内部 Super-agent 实例已持续运行 |
官方原文自己写明:这是面向工程实践的架构思路探讨,并非对现有 Harness 产品功能的介绍。理解这一点,才不会把它误读成 "DeepSeek 出了个新 AI 产品"。
二、它戳中的痛点:瓶颈在人,不在模型
- 单个 Coding Agent 已经能独立解决复杂问题,很少需要人持续干预。
- 但同时开好几个 Agent 后,人要在多个窗口间切换、挨个盯进度,并行的是 Agent,串行的是人。
- 官方给出的经验值:一个人同时能跟住的活跃会话约 3 到 5 个,超出后脑子装的不再是任务,而是 "哪件事卡在谁那里"。
- 现有 Agent 产品卷的是上下文窗口、子 Agent 数量、一次改几个文件,回答的是 "一个任务做多好",没回答 "十个任务谁来管"。
三、双层架构拆解:Router 管关系,Worker 管细节
| 层级 | 角色 | 职责 | 工具配置 |
|---|---|---|---|
| Router(路由层) | 常驻全局协调节点 | 接人接消息、维护全局上下文、判断消息归属、分派任务、统一对外回复 | 可不配 Bash 等执行工具,靠 "拿掉工具" 守住边界 |
| Worker(工作层) | 独立执行单元 | 在隔离上下文里推进单件任务,必要时自己再开 Subagent | 挂满工具,专心干活 |
和常见 "主 Agent + 子 Agent" 的区别:
- 主 Agent 模式围绕一个复杂任务拆步骤,要吃透细节、高频协调,推理负担重。
- Super-agent 的 Router 只管任务与任务之间的关系,不碰任务内部拆解,所以用轻量模型往往就够;Worker 内部怎么拆,它不干涉。
- 类比:Router 是餐厅大堂经理,只接客、排桌、递单,自己不炒菜;Worker 是后厨灶台,各炒各的,炒完由经理端出去。
四、怎么做到 "主动干活":事件驱动一整套机制
- Trigger(触发事件):群消息、PR 评论、CI 结果、邮件等环境事件就是主要输入,替代人逐条敲提示词。
- 两级过滤:程序层按来源、群范围、白名单先粗筛(快路径,规则直接拦);剩下的交模型结合上下文判断值不值得介入(慢路径)。
- Thread(事件流):同一个 PR、同一个群话题、同一封邮件串起来的连续事件算一条流。
- 订阅直通:Router 给某条 Thread 开了 Worker 后,后续事件由程序直发该 Worker,不再绕回 Router;一条 Thread 可被多个 Worker 订阅,彼此能看到对方动静并自行解决冲突。
- 投机执行:收到会议邀约先在后台查日程冲突、备回复草稿;有人报 bug 先在后台复现,确认问题并找到简单修法才开口,否则全程安静。
直通机制的实测收益:去掉直通后任务完成时间几乎不变,但 Router 要多做约 30% 的判断,总读缓存 token 从 2323 万涨到 3177 万,涨幅约 37%。
五、怎么做到 "一直在线":三处改造
| 维度 | 本地单会话 Agent | Super-agent |
|---|---|---|
| 计算在哪 | 用户电脑 | 云端无状态容器 |
| 状态在哪 | 内存 / 本地文件 | 持久化数据库 |
| 执行环境在哪 | 同一台机器 | 原地轻量 daemon,支持 BYOM 自带机器 / 云端托管 |
| 关机之后 | 任务停 | 继续跑,设备上线后补结果 |
| 谁管会话 | 用户本人 | Router 层 |
- 异步 ReAct Loop:把阻塞式 run () 改成异步 start ()/stop (),派活立刻拿到 "已启动",长任务结果跑完再作为新事件投回(该能力已在 Harness 中实现,但未默认开启)。
- 存算分离:思考循环上云,Session 状态进数据库,容器可重启、替换、水平扩。
- 计算与执行环境分离:本地未提交改动、私有凭据、内网服务不搬上云,环境留原地,端上只放不保存状态的 daemon。
- Watchdog(外部看门狗):主系统之外单开一个定时驱动的 Session,不只盯接口报错和恢复失败,还让模型判断每个 Worker 有没有实质进展、方向有没有跑偏,发现问题介入修复;维护者可以用自然语言问它 "昨天那个 Worker 为什么卡住了"。
六、公开实验数据能说明什么
- 端到端消融:一次实验约 300 条消息,真正工作请求仅 20 条上下;写代码步骤换成空转假工具,每方案跑 5 遍。Super-agent 完成时间 p95 为 15.7 分钟,单 Session+Subagent(中性提示)为 29.5 分钟,缩短约 47%。
- 关键观察:中性提示下模型 5 次运行一次都没主动调 Subagent;换成鼓励委派的提示词后 5 次里 4 次委派。同样模型同样工具,只换提示词协作行为就变 —— 这正是要把协调写进架构的理由:提示词太不稳。
- Router 压测:Mock Worker,Trigger 从每分钟 1 条加到 40 条,平均 batch 从 1.0 涨到 2.8,单次请求耗时仅从 2.5 秒升到 3.9 秒,摊到每条决定反而从 6.4 秒降到 1.6 秒。
- 边界:合成负载、简化环境、假工具,作者注明 "仅作为初步参考",衡量的是调度协作能力,不是写代码能力,不能推出 "上线就省一半时间"。
七、开源原型的真实边界
- 仓库 dsh-superagent-prototype 为研究原型,非官方产品,非生产级软件,与内部版本、原文描述不完全一致,部分设计只停留在方向层面。
- 原型实际只服务一个 GitHub 仓库,监听 GitHub(可选飞书),有人提需求就开工单、在独立会话和目录里干,再回到原对话回复(比如直接开 PR),另配一个 web 面板列出待人处理事项。
- Thread 订阅直通、投机执行、云端存算分离、BYOM、跨实例 A2A 通信、跨月长程记忆等,在原型中未全部实现,原文也把跨实例通信、长程记忆列为开放问题。
- 安全风险官方已列:提示词注入、端侧凭据泄露、跨设备权限;设计方向是让 Agent 在不接触凭据本身的前提下使用凭据。
【常见问题】
问题 1:DeepSeek Super-agent 是一个新发布的大模型吗?
回答 1:不是。Super-agent 是 DeepSeek Harness 团队 2026 年 10 月 31 日公开的 Agent 系统架构设计,核心是 Router+Worker 双层架构、事件驱动和存算分离,它不是模型,也不是装好即用的官方产品。
问题 2:Super-agent 说的 "从个人助手到团队伙伴" 是什么意思?
回答 2:个人助手模式下 Agent 只响应你主动发出的指令;Super-agent 把 Agent 接入群聊、GitHub、邮件、CI 等真实工作流,靠 Trigger 事件驱动,没人 @也能主动识别缺陷、后台复现并尝试修复,像团队里一个能自行接活推进的伙伴,人只负责定目标和验收。
问题 3:Super-agent 的 Router 和 Worker 是怎么分工的?
回答 3:Router 是常驻全局协调节点,只做接消息、判归属、派任务、统一回复,不写具体代码;Worker 是隔离上下文的执行单元,负责从头到尾推进一件任务,必要时自己再开 Subagent,即 "Router 管关系、Worker 管细节"。
问题 4:Super-agent 凭什么能在没人 @的情况下主动干活?
回答 4:靠事件驱动加两级过滤:群消息、PR 评论、CI 结果、邮件等环境事件以 Trigger 形式进入系统,程序层先按来源和白名单粗筛,剩下的交模型判断是否值得介入;判断通过后由对应 Worker 订阅该 Thread 并直通处理,还可先在后台投机复现、确认后再开口。
问题 5:Super-agent 关机断电后任务还会继续吗?
回答 5:设计上会。Super-agent 采用存算分离,思考循环放在云端无状态容器、Session 状态进数据库,执行环境留本地并配轻量 daemon,配合异步 ReAct Loop 和外部 Watchdog,设备关机或重连后任务可持续推进并补结果,但目前公开原型仍以单机、单仓库为中心。
问题 6:现在能不能直接部署 Super-agent 提效?
回答 6:不建议当成现成效率方案。公开的 dsh-superagent-prototype 是 MIT 协议研究原型,只服务单个 GitHub 仓库,Thread 直通、投机执行、云端存算分离等部分设计尚未实现,应作为可阅读的架构参考,而非生产级工具。
【参考资料】
- [2026-11-12](DeepSeek 开源的 Super-agent 是什么)CSDN 博客
- [2026-11-06](解放开发效率!DeepSeek 开源 Super-agent,支持主动发起任务,不用 @ 唤醒)阿里云开发者社区
- [2026-11-05](常驻 AI 如何持续工作:DeepSeek SuperAgent 深度解读)腾讯云 ADP
- [2026-11-03](DeepSeek 发布的新架构 Super-agent 是什么,带你认识新理念)阿里云开发者社区
- [2026-11-02](DeepSeek 发布全新 Agent 架构 "Super-agent")央广网
- [2026-11-02](Super-agent [DeepSeek Harness 团队发布的智能体架构])抖音百科
【免责声明】
本文依据 DeepSeek 官方公众号技术文及公开媒体报道整理,仅作技术架构科普参考,不构成投资建议或部署承诺;Super-agent 尚处研究原型阶段,功能、实验数据与设计方向以 DeepSeek 官方最新发布为准,请勿据此直接开展生产环境改造。
