原文:Super-agent 设计探索:迈向更自主的 Agent 系统
来源:DeepSeek Harness 团队(公众号署名 DeepSeek 产品部),2026-10-31
单个 Session 的 Agent 已经能做完一件复杂的事。卡住的地方在任务之外:用户并行推进多项工作时,得自己记住每个 Session 的上下文,作者观察到一个人通常只能同时跟进 3 到 5 个活跃 Session。单任务的上限由模型能力决定,多任务的上限由人的注意力决定。
在本地单会话 Agent 上接 CLI、MCP 或外部连接器也能扩展,但同步阻塞、多任务上下文混杂、设备离线即停这几个问题会原样留下,还要搭上大量人工维护。
Super-agent 要解决的就是这件事:让 Agent 跨会话保持上下文,同时推进多项任务,并且互不干扰。文章给出的四个基础特征是连续、高效、主动、持久,对应的底层架构由五个模块组成。
四个特征与整体结构
| 特征 | 含义 |
|---|---|
| 连续 | 用户在 IM、GitHub 评论等原有界面交互,感觉只有一个 Agent。先在 IM 上定方案 A,后在 PR 评论里改成 B,它能跟着调整 |
| 高效 | 响应快,能并行推进多个复杂任务,不用等上一条命令跑完就能接新指令 |
| 主动 | 不等用户逐条下指令,持续观察环境事件并推进值得处理的事项,不需要介入时保持安静 |
| 持久 | 始终在线,直接接入真实工作环境,长期运行中遇到异常能自动恢复 |
五个模块的分工:双层架构兼顾连续交互与并发(第 2 节),事件驱动实现主动响应(第 3 节),面向人的交互解决连续与高效的冲突(第 4 节),计算、状态与环境的分离加 Watchdog 实现持久在线与自愈(第 5、6 节)。
flowchart LR subgraph 信道 IM["IM 群聊"] GH["GitHub 评论与 PR"] MAIL["邮件与日程"] end IM --> R["Router 层<br/>常驻 Session<br/>全局记忆与分派"] GH --> R MAIL --> R R --> W1["Worker A"] R --> W2["Worker B"] R --> W3["Worker C"] W1 --> ENV["执行环境"] W2 --> ENV W3 --> DAEMON["端侧 daemon"] WD["Watchdog<br/>独立 Session"] -.定时检查.-> R WD -.定时检查.-> W2双层架构:Router 与 Worker
连续性和吞吐量在这里是一对根本矛盾。所有事件都交给同一个 Session,上下文最连续,但受限于单个 ReAct Loop 串行执行的速度上限,多任务的中间细节也会互相干扰。每条事件都新开 Session,吞吐最高,但任务之间不独立时缺全局上下文,多个 Session 各自回复用户也会乱。
拆成两层:常驻的 Router 层统一承接人类交互和全局协调,上下文隔离的 Worker 层并发执行具体任务。
Router 层是全局的序点、协调点和记忆,跨任务的信息与决策都在这里汇总。为了不成为性能瓶颈,它不直接执行具体任务,只做交互与分派,甚至可以不配 Bash 工具。这种中心分派的结构和常见的 Agent Team 形似,区别在负载:Agent Team 的主会话要拆解子任务、理解细节、高频协调,推理负担很重;Router 只处理任务之间的高层关联与分派。作者也提到,如果用提示词约束一个 Agent Team 的主会话只做对外交互和分派,它在形态上就是这种双层架构。Router 层在实现上也不必局限于单个 Session,部分逻辑甚至不需要调用 LLM。实践中 Router 层的任务往往没有想象中复杂,用较轻量的模型往往就能兼顾速度与效果。
单 Router Session 没有预想中那么容易成为瓶颈,原因是批处理:上一轮推理期间到达的 Trigger 会积压,在下一轮 LLM 调用中一并注入。Router 每步通常是长输入、短输出,多条 Trigger 合进一次调用后 Prefill 阶段并行计算,单次请求耗时的增长远慢于 batch 大小的增长。规模再大时,Router 层内部可以做成多层过滤,或水平切分成多个会话,代价是分片之间记忆与上下文连续性的下降。
Worker 层挂完整执行工具,在独立上下文里完成单一任务,通常要配能力最强的模型。Worker 不直接和人类交互,推理过程与工具调用不外发,只向 Router 汇报状态,由 Router 统一回复,避免多个会话同时回复造成混乱。多个 Worker 之间通常不直接通信;冲突多发生在同一个 PR 这类共享环境里,只要都订阅了对应 Thread,就会收到相同事件,有机会自己发现和解决,少数跨任务协同由 Router 中转。Worker 内部还可以再开 Subagent,或本身就是一个 Agent Team,这些对 Router 透明。个人助手场景同理:界面上通常只有一个聊天页,用户在同一对话框里讨论多个话题时,前端维持交互的连续性,底层可以为每个话题分别分派 Worker 并行推进、起草回复。
事件驱动
驱动 Agent 的主要输入从人键入的提示词变成环境中的半结构化事件。群聊消息、邮件与日程提醒、代码审查评论、CI 运行结果都算 Trigger。事件生命周期有四个问题:怎么过滤噪音、怎么路由、注入多少上下文、能不能提前行动。
两级过滤
真实群聊和代码平台的事件流是高噪音、低触发率,绝大多数消息不需要 Agent 介入。每条都调用大模型判断,延迟和成本都扛不住。这里借了 Fast Path / Slow Path 的思路:大模型是灵活但昂贵的 Slow Path,明确且稳定的高频判断固化成代码,成为低延迟的 Fast Path。
程序层先按来源、群组范围、用户或机器人白名单做准入检查,例如对不同来源分别设成「仅响应明确请求」「作为候选事件」「直接忽略」。通过准入的候选事件再交给 LLM,按提示词写的策略和上下文判断是否行动。语义层同时是面向人的扩展点,开关策略改提示词即可。
订阅与直通
过滤后的事件如果每条都经 Router 转发,全局节点照样会被压垮。所以 Fast/Slow Path 也用到了路由上:Router 只负责新任务的冷启动和跨任务协调,已确定归属的后续事件由程序直接发往对应的 Worker。
同一 PR、同一 IM 话题、同一封往来邮件串下的连续事件构成一条 Thread。Router 根据 Thread 的初始事件创建 Worker 后,Worker 直接订阅该 Thread。之后的路径分两条:已订阅的事件直通 Worker,不再经 Router;未订阅的事件仍由 Router 观测和分派。Worker 发现事件超出任务范围时可以取消订阅,交回 Router 重新分派。
订阅是多对多的:一个 Worker 可以订阅多个 Thread,一个 Thread 也可以被多个 Worker 订阅。多个 Worker 在同一个 PR 里相遇时,新事件会同时发给所有订阅者,不用点对点通信也能知道彼此的操作。输出侧仍由 Worker 把关键结论汇报给 Router,Router 统一回复并同步全局记忆。
flowchart LR T["新 Trigger"] --> F{"程序层准入"} F -- 忽略 --> X["丢弃"] F -- 候选 --> R["Router 层"] R -- 新建任务 --> W["Worker 订阅该 Thread"] F -- 已订阅 Thread --> W W -- 状态与结论 --> R R --> U["用户回复"]Inline 与 Spill
事件进到 Session 之后,下一个问题是往窗口里注入多少信息。注入过多挤占窗口、稀释注意力,注入过少逼模型反复调工具,增加执行步数。文章把上下文窗口当 Cache 管,用两个操作描述注入策略:Inline 是把近期很可能用到的信息直接内联进窗口,省掉工具调用往返;Spill 是把超出预算或低频使用的完整信息留在窗口外,只留引用或摘要,需要时再读。
优化顺序按局部性走:从最少的 ID 和摘要开始,先附紧密关联对象的 ID,再附时空相邻的内容,比如正文前 50 字、IM 消息的前后相邻消息与所回复的消息、代码评论所在讨论里的相邻评论;长内容设较小长度上限,超出部分截断并保留续读入口。
这套策略一致地用到各类对象上之后,就得到链式召回:Trigger、Thread、Worker Session 都有唯一 ID,注入时内联下一跳对象的 ID,底层构成一张引用图。模型可以从当前消息读到所在 Thread,再沿 ID 追到相关 Worker Session,再追到该 Worker 关联的另一个代码评审 Thread。Router 不必把全部任务历史塞进窗口,也能在用户跨信道提起旧任务时找回上下文。
投机执行
借鉴投机执行,Agent 在结果是否被采用还不确定时,就按环境信号在后台先试,用额外算力换人类的等待时间。结果有价值就交付,没有就丢弃。个人助手场景里,收到会议邀约可以先核对日程冲突、搜集背景、备好回复草稿,用户过目后直接确认。研发场景里,他们在 DSH 内部用户群配了一条「静默复现并修复」策略:群里有人反馈问题或讨论改动方案时,Agent 先在后台复现和找修复方案,确认问题且找到简单修法后才交付,否则全程安静。
面向人的交互
全双工
经典 ReAct Loop 里,模型发起同步的 run() 后循环阻塞,直到工具返回,期间无法响应新输入。改成异步的 start() 和 stop():start() 立即返回「已启动」,循环不等待;后台执行完成后,结果作为一条新事件投递进会话;模型也可以按上下文调 stop() 终止跑太久的命令。前台对话和后台任务由此解耦,新输入在当前推理步结束后就被处理。
这个异步机制已经在 DeepSeek Harness 里实现,但尚未默认开启。
多信道
不同信道的信息密度和习惯不同。把终端里的交互方式直接搬进群聊,冗长的推理和密集的工具调用在多人协作里就是信息过载。双层架构已经隔离掉一部分:Worker 的推理过程不外发,Router 统一对外。在此之上按信道定制交互规范:
- IM 等即时通讯信道:低打扰的轻量沟通,只在需要决策或验收时通知,只问直接问题、给简短结论。他们验证过一条简单有效的硬规定:单次回复不超过 100 词。
- GitHub、邮件、文档等异步信道:结构化、高信息密度的交付,例如按项目规范写完整的问题背景、改动说明和验证结果,或直接起草结构化的邮件与文档摘要。
计算、状态与环境的分离
本地 Agent 默认把推进 Loop 的计算、要持久保存的会话状态、代码仓库和工具链绑在同一台设备上。设备一休眠或离线,Agent 就停,也够不到其他设备上的环境。这里借存算分离,分两步解耦。
第一步把计算和会话状态分开:推进 Loop 的计算放进云端无状态弹性容器,Session 等持久状态存数据库。容器可以水平扩展、重启、替换,连续性由存储保证,Agent 不再受单台设备的生命周期限制。
第二步把云端的 Loop 和重状态的执行环境分开。云端沙箱拉代码重建环境的思路成本很高,真实环境里往往有未提交的本地修改、私有凭据、内网服务依赖和特定硬件工具链,同步容易遗漏;要求用户整体迁到云端,迁移成本又太高。既然难复制的是环境本身,就让环境留在原地,端侧只部署一个不保存会话状态的轻量 daemon,负责执行命令、返回结果,Agent 按需读取其中的上下文。
这跟 Anthropic 提出的「脑手分离」一致,都是让 harness 保持无状态、会话日志放在 harness 之外、通过统一接口按需接入执行环境。区别在场景:那篇讲的是托管服务,主要讨论按需创建的沙箱和客户 VPC 内的资源;这里要接入的是用户日常使用、可能间歇在线的个人机器。设计上既支持 BYOM(Bring Your Own Machine),也支持云端托管机器或按需创建的计算环境。一个 Agent 因此可以在不同设备间切换,也能在用户的某台设备重新上线后自动触发需要在该设备上执行的任务。
Watchdog
持久在线的分布式系统很难只靠主系统内部逻辑保证长期可靠,需要在主系统之外放一个独立的 Control Loop。Agent 系统还多一层:进程没崩,但模型可能陷入无效循环或偏离目标,光靠进程存活探测和监控脚本不够。
他们在主系统外配了一个独立的 Watchdog Session,用定时消息驱动,构成外部 Control Loop。它处理接口报错、状态恢复失败这类基础设施故障,也由模型判断各个 Worker 有没有实质进展、方向有没有偏离目标,发现异常及时介入,外部偶发故障则持续复查。Watchdog 本身是有完整工具能力的 Agent Session,维护者可以用自然语言问它故障原因,也可以让它在线改主系统的行为,比如增删提示词、调整触发规则。
初步实验
实验基于合成负载和简化环境,作者声明结果只作初步参考。端到端实验用群聊和 GitHub CI 消息流同时驱动四种方案,单次约 300 条消息,其中约 20 条是工作请求,其余是闲聊、跟进、叫停和 CI 消息;编码工作用一个只消耗时间的工具代替,衡量的是调度与协作能力,不是单个任务的执行能力。每种方案跑 5 次。
| 方案 | 结果 |
|---|---|
| Super-agent | p50 12.4 分钟,p95 15.7 分钟 |
| 去掉直通的 Super-agent | 完成时间基本一致,Router 决定数 +30%,读缓存 token 2323 万 → 3177 万(+37%) |
| 单 Session + Subagent 工具(中性提示) | 5 次运行一次都没调用 Subagent,全部在主 Session 执行并不断被打断,p95 29.5 分钟 |
| 单 Session + Subagent 工具(优先委派提示) | 4/5 次做了委派,快一些但仍慢于 Super-agent,剩下 1 次判断工作很小自己执行,形成长尾 |
结论有两层。带 Subagent 的单 Session 表现受提示词影响较大,模型经常决定自己干,这属于把分不分工交给提示词工程和临场判断;双层架构从系统层面把这个决定拿走了:Router 不直接执行具体工作,Worker 只接收所订阅 Thread 的消息。代价是维护多个独立会话,读缓存 token 高于单 Session,用更多 token 换更短、更稳定的完成时间。
在实验负载下,直通机制不提高完成质量和速度,但给 Router 省下可观的开销。去掉直通后 Router 要多做约 30% 的决定,token 多花约 37%。
Router 批处理的单独压测里,需要决定的 Trigger 到达速率从每分钟约 1 条升到约 40 条,平均 batch 从 1.0 升到 2.8,单次请求耗时只从 2.5 秒增到 3.9 秒,单个决定分摊的推理时间从 6.4 秒降到 1.6 秒。事件突发拥堵时,Router 靠合并积压提高有效吞吐,这也解释了为什么去掉直通、峰值负载上升后仍未触及单 Router 的瓶颈。
开放问题
文章列了四类没解决的问题。
双层架构怎么扩展:单 Router Session 加订阅直通、Worker 间不直接通信这套简化,覆盖了目前的多数日常任务。任务规模和耦合度再往上,Router 何时需要水平切分、粒度怎么定,同层 Worker 之间何时引入直接通信、用什么协作拓扑,都还没有定论。针对 Router 的事件判别、批量分派、上下文召回做专项训练(co-design)也是一个方向。跨月尺度的长程记忆是另一个瓶颈,现在的 Router 加链式召回主要解决近期任务和会话历史的按需检索。
脱离 Session 之后怎么协作:底层的执行会话不再对应界面上的会话后,怎么向用户呈现任务、怎么做项目管理成了新问题。作者认为以聊天窗口为中心的交互有一部分是路径依赖,交互可以更多发生在领域特化的界面里,比如让 Super-agent 直接在 GitHub 的 Issue 和 PR 里工作;界面上保留会话也可以,但用户看到的一个会话底层未必只对应一个 Session。过渡期内很多任务还需要人在中途参与,怎么兼顾关键细节的逐步干预和后台自主推进,同样没定。
上下文边界与 A2A:组织扩大后,配备 Super-agent 实际上是在划上下文共享与隔离的边界,需要共享的共用一个实例,需要隔离的各配各的。一旦存在多个互不共享上下文、各自代表不同权限边界的实例,跨边界协同就落到 Agent 间通信(A2A,不特指某个协议)上。互不共享底层上下文、各自代表不同权限边界时怎么做到安全可靠的 A2A,文章说仍需进一步探索。
安全与隐私:事件驱动扩大了接触不可信输入的面。云端 Loop 加端侧 daemon 默认两边互信,可当云端持续接入外部事件、端侧又存着私有代码和凭据时,云端一旦被入侵或提示词注入攻破,连接的所有端侧设备都有被控制的风险。即使云端没被攻破,凭据进了模型上下文也有泄露风险,需要设计让 Agent 完全不接触凭据本身就能使用凭据的机制。文章的判断是,解决不了安全与隐私,Super-agent 只能在很小且可信的范围内工作。
值得记的几点
文章自己说得很清楚,这套设计没有新理论,是把计算机系统里成熟的工程思想搬到 Agent 系统上:Fast/Slow Path、缓存与局部性、投机执行、存算分离、外部 Control Loop。实现方式会随技术发展演进,背后这套系统设计思路有更长期的参考价值。
我自己的判断,这套架构成立的前提是任务之间确实低耦合、事件来源稳定、团队规模在单 Router 能承受的范围内。文章里「一个人通常只能同时跟进 3 到 5 个活跃 Session」是对人的注意力的观察,「单 Router 在目前团队规模够用」则明确带着规模前提。换到更大的组织,先要回答的是 Router 分片和跨实例 A2A 怎么划边界,而不是继续加 Worker。
部分设计在 dsh-superagent-prototype 中实现,作者强调这只是验证技术路线的原型,不是 DeepSeek 的正式产品。基于这套思路和 DSH 构建的内部 Super-agent 实例已经在跑问题复现与修复、代码审查响应和 DSH 自身的迭代。