DeepSeek Harness官方团队于10月31日发布《Super-agent设计探索：迈向更自主的Agent系统》一文，系统阐述了其面向工程实践的Super-agent架构设计思路，并公开了名为dsh-superagent-prototype的原型实现。该架构以Router与Worker双层分离为核心，试图解决现有Agent系统在并行任务处理、上下文维护和长期在线运行方面的结构性瓶颈。
DeepSeek团队指出，随着大模型执行单一任务对人的干预需求持续下降，制约生产力提升的关键因素正从模型能力转向人的注意力。现有主流Agent设计以单一Session为基本单位，不同Session之间相互独立，用户并行推进多项工作时需手动切换并维护各自上下文。据团队观察，一个人通常只能同时跟进3至5个活跃Session。即便通过CLI、MCP或外部连接器扩展本地Agent，仍会面临单会话同步阻塞、多任务上下文混乱以及本地设备离线后任务中断等问题。
针对上述问题，DeepSeek将这种新型Agent形态及其系统架构命名为Super-agent，并归纳出连续、高效、主动、持久四项基础特征。连续指用户可在即时通讯、GitHub评论等不同渠道与同一Agent交互；高效指系统能并行处理多个复杂任务；主动指系统可持续观察环境事件并自行推进值得处理的事项；持久则要求Agent始终在线，并能在长期运行中从异常状态恢复。
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。双层架构将系统划分为Router层和Worker层：Router负责承接人类交互、维护全局上下文并分派任务，Worker在相互隔离的会话中并发执行具体工作。Worker不直接向用户回复，而是将状态和结果汇报给Router，由后者统一对外沟通。
在事件驱动机制中，群聊消息、邮件与日程提醒、代码审查评论、CI运行结果等外部信息被定义为Trigger。系统先通过程序规则过滤事件，再交由大模型判断是否需要采取行动。对于已分配任务的事件流，Worker可订阅对应Thread，后续相关事件由程序直接发送给Worker，无需每次经过Router，从而降低路由负载。团队同时介绍了Inline & Spill和链式召回机制：前者将近期可能用到的信息直接放入模型上下文窗口，超出预算或低频使用的内容保留在窗口之外供模型按需读取；后者通过Trigger、Thread和Worker Session等对象之间的引用关系，让模型沿关联ID逐步找回历史任务信息。
为减少人类等待时间，Super-agent引入投机执行机制，可根据环境信号在后台提前开展工作。例如收到会议邀约后先检查日程冲突、搜集背景资料并准备回复草稿；在研发协作场景中，可在群聊讨论问题时尝试复现故障、寻找修复方案，确认问题并找到简单修复方式后再向用户交付结果。人机交互方面，文章提出异步ReAct Loop，将耗时工具调用改为异步的start()和stop()，Agent启动后台任务后即可返回Started状态，后台结果随后作为新事件进入会话。DeepSeek团队特别说明，该异步任务机制已在DeepSeek Harness中实现，但尚未默认开启。
针对长期在线运行，DeepSeek将Agent Loop的计算、会话状态和执行环境解耦：计算与持久化状态放在云端，执行环境可保留在用户本地设备，仅部署负责执行命令和返回结果的轻量daemon。该设计支持BYOM（Bring Your Own Machine），即将用户日常使用的开发机或个人电脑接入云端Agent，也支持连接云端托管机器或按需创建的计算环境。此外，系统在主架构之外设置独立的Watchdog Session形成外部控制回路，不仅监控接口报错、状态恢复失败等基础设施问题，还会通过模型判断Worker是否取得实质进展、执行方向是否偏离目标，并在发现异常时介入修复。
DeepSeek团队进行了初步实验，对比Super-agent、去掉事件直通机制的Super-agent，以及两种提示词配置下的单Session加Subagent方案。实验每次包含约300条消息，其中约20条为工作请求，每种方案重复运行5次。结果显示，Super-agent的任务完成时间p50和p95分别为12.4分钟和15.7分钟，中性提示下的单Session方案p95为29.5分钟。团队指出，实验基于合成负载和简化环境，主要评估系统调度与协作能力，并不衡量单个任务的实际执行能力。在Router层压力测试中，Trigger到达速率从每分钟约1条提升至约40条时，平均批处理大小从1.0增至2.8，单次请求耗时从2.5秒增至3.9秒，单个决定分摊的推理时间从6.4秒降至1.6秒。团队据此认为，事件突发时Router可通过合并积压事件提高有效吞吐。
文章同时列出该架构尚待解决的问题，包括Router层如何随任务规模扩展、跨月乃至更长时间跨度的长程记忆、脱离Session后的人机协作方式、不同Agent实例之间的A2A通信，以及安全与隐私保护。尤其是云端Agent接入本地设备后，提示词注入、端侧凭据泄露和跨设备权限风险均需进一步解决。DeepSeek团队表示，基于上述思路和DeepSeek Harness构建的内部Super-agent实例已持续运行，参与问题复现与修复、代码审查响应以及DeepSeek Harness自身迭代，但明确说明公开的原型插件用于验证技术路线，并非完整产品。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
