发生了什么
10 月 31 日晚间，DeepSeek 下属 Harness 团队在官方渠道发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，并同步在 GitHub 开源原型 dsh-superagent-prototype，采用 MIT 许可。文章开头给出的判断是：单任务层面人工介入已越来越少，真正的瓶颈转移到人——一个人通常只能同时跟进三到五个活跃会话，多任务上限因此不再由模型决定，而由注意力决定。
按这一判断，Super-agent 要做的事情是把会话管理与上下文同步从人手上移到系统层：人负责设定目标与验收结果，调度与执行交给 AI。团队强调这不是一款新产品的发布，而是一次面向工程实践的架构探讨，原型代码在 README 中标注为「仅供参考，非 DeepSeek 官方产品」，并注明大量工程工作由编码智能体完成。
两层结构与五个模块
- Router 层：常驻的全局协调会话，统一接收群聊、GitHub、邮件等入口消息并分派任务，本身不执行具体工作，甚至可以不配命令行工具；团队发现它并不容易成为瓶颈，因为上一轮推理期间积压的事件会被合并进下一次调用，形成天然批处理。
- Worker 层：每个任务一个上下文隔离的会话，挂满执行工具，并行推进问题复现、代码审查、功能开发，必要时再向下调用子智能体，且不直接与人类对话，只向 Router 汇报。
- 事件驱动：群聊消息、邮件与日程、代码评审评论、持续集成结果都作为触发器；先用确定性程序规则做快筛，再交给大模型判断是否值得动手，避免每条消息都调用一次模型。
- 订阅与直通：某个 Worker 接手任务后直接订阅对应的讨论串，后续评论直发该 Worker，不再经 Router 转发；团队实测去掉直通后，Router 决策次数增加约三成，读缓存词元从 2323 万涨到 3177 万。
- 存算分离与看门狗：执行循环放在云端，会话状态落库，本地只留轻量进程，电脑离线任务仍可继续；独立看门狗检测无效循环并尝试修复。
投机执行：先默默修好，再决定说不说
文章借用计算机系统的投机执行思路处理「主动性」：结果是否被采用尚不确定时，先在后台尝试，有价值再提交。内部配置的策略叫「静默复现并修复」——有人反馈缺陷时，智能体先在后台复现、定位原因，确认问题存在且找到简单可行的修复后才提交，否则保持安静。同一机制也可用于个人助手场景，例如收到会议邀请后提前核对日程、整理资料、备好回复草稿。
上下文组织上，团队把有限的窗口当作缓存来管：近期很可能用到的信息直接内联，低频或超预算的完整内容留在窗口外只保留引用与摘要，按需读取。文章的原话是，浪费上下文窗口就是浪费模型的智能。
实验数据与边界
实验基于模拟团队：每轮约 300 条群聊与持续集成消息，其中约 20 条是真实工作请求，每种配置跑五次。Super-agent 的任务完成时间中位数为 12.4 分钟，95 分位 15.7 分钟；对照组是带子智能体工具的单会话方案，在中性提示下 95 分位为 29.5 分钟。Router 批处理把单个决定分摊的推理时间从 6.4 秒压到 1.6 秒。
不确定之处需要点明。上述数字均为团队自报，负载是合成的，团队自己也说明实验测的是调度与协调，不是代码写得对不对。开源版与内部运行版存在差异，文章中的部分设计并未进入公开代码；公开版只监听一个 GitHub 仓库，可选接入飞书会话。另外，Worker 会话以操作者本人身份执行命令且默认不逐条审批，官方建议先在隔离环境中试用。