10月31日晚，DeepSeek Harness团队在官方公众号发布技术文章《Super-agent设计探索：迈向更自主的Agent系统》，配套原型dsh-superagent-prototype同日在GitHub以MIT协议开源。文章定位为面向工程实践的架构思路探讨，而非现有产品功能介绍，但其中提出的判断较为具体：随着模型能力提升，AI完成单个任务已越来越不需要人工干预，而人管理多任务的注意力并未同步增长，一个人依然只能同时跟进3到5个活跃会话。
文章指出，现有主流智能体以单个会话为基本单位，会话之间彼此独立，A会话中得出的结论B会话无法获知。当用户并行推进多项工作时，必须手动切换并自行记忆上下文，最终只有人掌握所有任务的全貌。针对这一卡点，DeepSeek提出的解法是给AI分工：一层为持续运行的全局协调节点router，统一接收群聊、GitHub、邮件等多渠道消息，维护共享上下文并分派任务，自身不深入执行；另一层为worker，各自维护独立上下文，并行完成问题复现、代码审查、功能开发，必要时可调用子智能体。
该设计与常见的“主智能体带子智能体”模式存在差异。主智能体需理解任务细节、规划子任务并高频协调，推理负担较重；router仅负责判断任务该推给谁，worker之间上下文隔离，冲突通过订阅同一话题自行发现，worker接手任务后可直接订阅后续消息，省去经router转发的协调开销。DeepSeek表示，这套设计并未提出全新理论，而是将计算机系统中的经典工程思想迁移至智能体，包括事件驱动、存算分离、外部watchdog检查无效循环、异步ReActLoop以及投机执行等机制。
在“主动”能力上，DeepSeek设置了两级过滤：先用程序规则筛除明显无关的群聊消息，再由大模型判断剩余内容是否为真实问题，两道均通过才派发任务。文章给出一个内部实例：团队成员在群聊中提及项目存在BUG且未@智能体，Super-agent在后台静默复现，确认问题并找到简单修复方法后提交拉取请求供人验收；后续有人在GitHub评论中要求更换修法，系统可从聊天软件上下文切换至GitHub继续执行。该策略在内部被称为“静默复现并修复”。实验数据显示，基于该思路的Super-agent任务完成时间中位数为12.4分钟，95分位为15.7分钟，优于带子工具的普通会话，但DeepSeek说明这是基于合成负载与简化环境的初步实验，并非正式产品结论。
产品边界方面，GitHub上的原型为研究原型而非正式产品，公开发布版本与DeepSeek内部运行系统并不相同，部分功能仍在开发中。目前该原型主要面向一个GitHub仓库，也可选择接入飞书，仅在被请求或团队事先写好规则允许时行动。发布方为Harness团队而非模型团队。从行业背景看，同期字节跳动、腾讯、阿里、蚂蚁等厂商均在智能体与个人代理方向密集布局，DeepSeek选择以开源原型输出“如何干活”的工程方案，而非直接交付成品，其后续演进值得持续观察。
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。
