DeepSeek 开源 Super-agent 架构原型：把"主管 + 工人 + 看门狗"搬进智能体

10 月 31 日晚，DeepSeek 的 Harness 团队公布了其关于自主 Agent 探索——Super-agent（超级智能体）的底层架构，并在 GitHub 开源了原型代码 dsh-superagent-prototype，采用 MIT 协议，版本为 v0.1 开发者预览。这并非一款新产品，而是一次"架构移植"：把计算机系统里用了几十年的经典思想——调度、缓存、存算分离、看门狗（Watchdog）——搬进了智能体。

核心论点：瓶颈不再是模型，而是人的注意力

DeepSeek 在发布文章中给出一个判断：过去一年半，行业默认的智能体形态是"一个会话干一件事"，所有产品、计费、限额都建立在这个假设上。但随着模型执行单任务越来越不需要人插手，真正的瓶颈不再是模型能力，而是人的注意力——一个人同时只能盯三到五个活跃会话，再多就会因为记不住"哪个会话进行到哪一步"而崩溃。

Super-agent 要解决的，正是这个"会话管理"问题。它想做的不是一个被动的对话窗口，而是一个一直在线、能同时干多件事、会主动找活干、出问题能自己恢复的连续系统。团队把这种系统应具备的四个基础特征概括为：连续（始终感觉只有一个 Agent）、高效（并行推进多任务）、主动（无人召唤也感知环境并推进）、持久（始终在线、异常自愈）。

五大模块：把操作系统老词用进 Agent

支撑这四个特征的，是五个来自计算机系统设计的模块：双层架构、事件驱动、异步多信道交互、存算分离、外部 Watchdog。

双层架构：一层分派，一层干活。 常驻的 Router 层承接所有人类交互、维护全局上下文，只负责分派不亲自执行具体任务，甚至可以不带 Bash 工具，因此常用较轻量模型就能兼顾速度与效果；上下文隔离的 Worker 层由多个会话组成，每个 Worker 挂载完整执行工具，专注完成单一任务，通常配置最强模型。Worker 不直接对外部信道回复，而是把结论汇报给 Router 统一对外，避免多个会话各自发言造成混乱。同一个 GitHub PR 或同一段 IM 讨论，后续事件构成一条"Thread"，Worker 订阅后可直接收到后续评论，无需每次绕 Router 转发。

事件驱动：环境事件当输入。 Agent 的主要输入不再是人逐条键入的提示词，而是群聊消息、邮件、CI 结果等半结构化"Trigger"。系统用两级过滤筛噪音：程序层 Fast Path 按白名单、群组范围等确定性条件先挡掉大部分无关消息；语义层 Slow Path 才把候选事件交给 LLM 判断。上下文组织上借用编译优化的思想，把有限窗口当 Cache 管理——近期用得上的信息直接 Inline 进窗口，低频或超长的信息 Spill 到窗口外只留引用，需要时再按需召回，并由此衍生出"链式召回"机制，让 Router 在长程运行中也能沿引用关系找回旧任务上下文。

投机执行：后台先试，有价值才交付。 借鉴计算机系统的投机执行，Agent 可在不确定结果是否被采用时，根据环境信号在后台提前尝试。例如团队内部配置了一条"静默复现并修复"策略：群里有人反馈 Bug 或讨论改动方案时，Agent 先在后台复现并寻找修复方案，只有确认并找到简单可行的修复后才把结果交付，否则全程保持安静。

异步多信道交互：全双工不卡顿。 经典 ReAct Loop 在工具执行时会阻塞对话，Super-agent 把耗时命令改为异步的 start()/stop()，让前台响应与后台任务解耦，新指令随时可进。不同信道也按习惯定制输出：IM 群聊侧重低打扰，硬性规定单次回复不超过 100 词；GitHub、邮件等异步信道则要求结构化、高密度的完整交付，如撰写完整的 PR 说明与验证结果。

存算分离与外部 Watchdog。 借鉴 Anthropic 提出的"脑手分离"思路，Super-agent 把推进 Agent Loop 的计算、需要持久保存的会话状态、以及本地代码仓库与工具链这三者在逻辑上解耦，使 Agent 摆脱单机生命周期限制，支持把用户的个人电脑作为"自带机器"（BYOM）接入云端，也支持间歇在线的设备重新上线后由云端自动触发任务。持久在线还需要一个独立在主系统之外的 Control Loop——Watchdog Session，由定时消息驱动，既盯接口报错、状态恢复等基础设施故障，也由模型判断各 Worker 是否实质推进、是否偏离目标，发现异常及时介入。

实验数据：更快更稳，但用 token 换时间

团队在合成负载下做了初步实验：约 300 条消息、20 条工作请求的模拟协作环境，对比 Super-agent 与带 Subagent 工具的单 Session。结果显示，Super-agent 任务完成时间中位数 12.4 分钟、95 分位 15.7 分钟，显著优于单 Session 在中性提示下 29.5 分钟的 95 分位。开销上，去掉"订阅直通"后完成时间基本一致，但 Router 决策数增加约 30%，读缓存 token 从 2323 万增至 3177 万——直通不提速，但为 Router 省下可观的 token 与推理开销。单独压测 Router 层时，Trigger 到达速率从约每分钟 1 条升到 40 条，单个决定分摊的推理时间从 6.4 秒降到 1.6 秒，说明突发拥堵时 Router 能自动合并积压事件提高吞吐。

团队自己标注了局限：实验基于合成负载与简化环境，是初步参考而非产品结论；它本质上是拿更多 token 换取更短更稳的完成时间。

安全设计：默认"只观察不行动"

一个容易被标题忽略的细节是接受模式。对于没有人主动请求的工作，系统提供 off、observe、auto 三种模式，默认是 observe——在此模式下，即便 Agent 推断某件事值得做，也只会把判断记录为"本应接受"而并不真正执行；只有显式请求在所有模式下都生效。DeepSeek 自己的建议是先以 observe 运行、读一遍记录下来的决策，再决定是否放开。原型 README 也提示，发布版代码为适配开源做了调整，并非内部完整版本，文章中的部分设计属于尚未实现的未来方向——能装上的，只是能读到的子集。

为什么这件事值得关注

DeepSeek 把脚手架直接开源，等于把"多 Agent 如何协调"这道题的参考答案先公开了。更深层的变化是竞争轴心的迁移：当模型执行单任务已不太需要人插手，胜负手从"谁的模型更强"转向"模型外面的那圈工程"——谁的系统能更好地替人管会话、管上下文、管异常恢复。协调层不再是护城河，而正在变成任何实验室都能 fork 的 commodity。对 Claude Code 这类闭源编码智能体而言，其优势也由此部分从"权重"转向"设计"。

当然，风险与能力共生。一个接入了群聊、代码和 CI 的 Agent，本质上就是一个提示词注入面——任何连接服务里的恶意指令都可能驱使它去做从未被授权的工作，而它在设计上还拥有提交权限。默认 observe 模式与单仓库、单可选聊天源的有限范围，是目前控制损害的主要手段。

结语

Super-agent 不是提出了全新理论，而是把分布式系统和操作系统的成熟工程思想系统地用进了 Agent 构建。它给出的信号很明确：Agent 正从被动的对话窗口，变为持续在线的自主协作者——面向个人是跨设备助手，面向团队则融入研发工作流。当模型把"干活"的成本压到很低，人的角色加速向"决策与验收"两端迁移，而如何为这种自主系统建立可靠的验收与审计，正是下一阶段更重要的命题。