2026年10月31日晚，DeepSeek Harness团队在官方公众号发布题为《Super-agent 设计探索：迈向更自主的 Agent 系统》的技术长文，系统阐述了一套面向软件工程的Super-agent研究原型架构。该方案的核心主张是：随着底层模型单点生成能力持续增强，制约AI编程产出规模的瓶颈已从模型能力转向人类开发者的注意力极限，智能体架构需要从单会话串行模式转向调度与执行分离的分布式系统。
长文指出，当前主流代码助手无论以命令行工具还是桌面插件形式存在，底层逻辑基本绑定在单一的思考与行动循环中，同一对话框需同时承担意图理解、命令行执行、文件读写与超长上下文维持等任务。据团队观察，一名工程师实际工作中能够保持深度记忆并有效跟进的活跃会话通常只有三到五个，一旦超出该数量，开发者只能在不同窗口间反复切换，沦为上下文搬运工与高频确认的审批工具。在跨模块排障或依赖重构场景中，会话窗口很快被数十轮上下文撑满，容易导致答非所问。
针对上述问题，原型方案将系统拆分为两层：前端常驻一个负责统揽全局的Router，后端挂载多个相互独立的Worker。Router仅负责阅读事件消息、评估意图并生成带严格权限边界的工单，自身不配置高危执行工具，仅运行轻量级模型，以保证全局交互通道通畅。Worker在拿到工单后于后台自动启动，每个Worker拥有独立执行会话与隔离工作区，系统自动分配独立的Git临时工作树，使开发新接口与排查线上报错等任务可并行推进，单个任务崩溃不会污染主分支或主控上下文。
在消息治理层面，该设计引入类似传统网络协议的事件过滤与直通机制：先用轻量代码规则过滤闲聊与杂音，仅白名单事件交由大模型理解意图。对于从讨论中推断出的潜在任务，系统默认仅开启观察模式，未经人类确认不擅自领取工单。当Worker认领Pull Request后，系统在底层建立多对多事件映射，后续评审意见直接投递给对应Worker进程，不再经Router二次转发。据团队公布的模拟测试数据，消除对主控的反复打扰后，调度中枢冗余决策次数下降约三成，读取缓存所需计算资源缩减三分之一以上。
可靠性方面，系统将状态存储与模型计算分离，任务授权状态、工单进展与交互历史落盘存入本地轻量数据库，执行环境完全容器化，配合外部独立看门狗机制，可在宿主机重启或会话进程超时后从最后一次快照恢复推进。在针对约三百条消息、二十项工作请求的模拟调度实验中，该分治系统面对高并发消息冲击时P95任务耗时维持在15.7分钟，而未做分层的单会话方案最慢任务耗时接近半小时。团队同时指出，系统级吞吐量的提升伴随多进程并行带来的资源开销，需在工程效率与计算成本之间取得平衡。
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。
