10月31日晚间，DeepSeek Harness团队发布题为《Super-agent设计探索：迈向更自主的Agent系统》的技术文章，提出”Super Agent”概念，并在GitHub上开源了原型项目dsh-superagent-prototype，供开发者参考。该架构的核心命题是：Agent不应只等待用户指令，而应具备主动感知工作环境、自主推进任务的能力，同时明确自身的行为边界。
根据文章定义，Super Agent与普通Agent的关键差异在于任务连续性与全局视野。普通Agent的每次任务运行于独立会话（Session）中，会话之间互不相通，用户在每个任务中获得的结论无法自动延续到下一个任务。DSH团队观察到，一个人的精力通常只能同时跟进3到5个活跃会话，因此限制模型工作效率的不仅是Agent的智能水平，还包括用户能够同时管理的Agent数量。而将多项任务压缩到单个Agent上同样不可行——输出速度会下降，不同任务的细节也容易混淆。
为此，Super Agent引入Router与Worker两类角色分工。Router承担项目主管职能，负责接收需求、记录背景、判断任务归属，不直接执行具体工作；Worker则各自领取单一任务，在独立空间中并行完成。由于不同Worker的”人格”存在差异，部分易于沟通、部分难以协调，该架构让用户只需与Router交互，无需逐一对接每个Worker。DSH强调，这一设计与”主Agent带子Agent”的模式存在本质区别：主Agent需要深入理解任务细节、规划子任务并高频协调，推理负担较重；Router仅负责任务分发，Worker之间上下文隔离、彼此独立，通过订阅同一Thread感知冲突。
在主动性机制上，Super Agent通过监测工作环境中的”触发器”（Trigger）进入工作状态。触发器可来源于聊天软件消息、新邮件、日程变化或代码自动检查未通过等事件。任务派出后，后续沟通不再必须经过Router——例如Worker开始修复某个Bug后，该话题下的新评论将直达Worker，类似维修师傅接单后用户直接与其沟通。文章展示的内部案例中，群聊里出现”这个项目有BUG”的消息后，即使无人艾特Agent，系统也会先经规则过滤，再由模型判断是否符合团队预设的”静默复现并修复”策略，随后由Router派发任务，Worker在独立空间复现问题、查找原因并尝试修复。若无法复现或修复复杂度过高，Worker保持静默；若确认问题并找到简单方案，则提交PR交由人工验收。该流程可在群聊与GitHub之间连续推进。
为避免模型对无关信息做无效处理，DeepSeek为Super Agent设置了两道筛选机制。第一道为预设规则，明确哪些群组可被监测、哪些人或机器人的消息有效、哪些来源直接忽略；第二道由模型判断候选消息属于闲聊吐槽还是需要处理的实际问题。第二道筛选以自然语言编写，调整策略只需修改提示词。只有两道筛选均通过，Router才会派发任务。
在任务执行层面，Super Agent采用异步机制：先在后台启动任务并告知用户”已经开始做了”，完成后回传结果，期间用户仍可补充要求、叫停或安排下一项任务。DSH表示该机制已在DSH中实现，但尚未默认开启。此外，针对Agent持续运行导致的上下文过长问题，该架构将Agent的”大脑”、任务记录与实际操作的电脑分离：大脑在云端工作，任务记录单独保存，代码和文件保留在用户原电脑上，云端机器重启后记录仍然存在，需要操作本地电脑时再远程连接。DSH同时为Super Agent配置了Watchdog组件用于运行监控。
从行业视角看，Super Agent所代表的”主动式Agent”方向正成为大模型应用层的重要探索路径。Anthropic此前推出的Claude Duet预览版同样具备主动查看邮件与日历、生成晨间简报的能力。DeepSeek Harness此次开源原型，为开发者提供了Router-Worker分工、触发器机制与双层信息过滤的可参考实现，其后续在真实企业协作场景中的稳定性与任务边界控制效果，仍有待进一步验证。
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。
