AllWorkin / Articles / 2026.11.02

DeepSeek Harness Super-agent 详细拆解

单任务上限看模型,多任务上限看人的注意力。DeepSeek Harness的Super-agent 要解决的不是「再强一点的对话」,而是让你面对同一个持续同事,而底层用调度、准入、状态与自愈把会话管理吃掉。

2026.11.02约 9 分钟#Agent#DeepSeek#设计#MCP

image

一句话主张

单任务上限看模型,多任务上限看人的注意力。DeepSeek Harness的Super-agent 要解决的不是「再强一点的对话」,而是让你面对同一个持续同事,而底层用调度、准入、状态与自愈把会话管理吃掉。


先认清瓶颈

你现在搭 Agent,多半还是这样:每个活开一个窗口,长任务卡住整条对话,换个群或 GitHub 线程就要重新交代背景,电脑一休眠工作就断。工具接了 MCP、CLI、IM 机器人之后,边界其实还在——Session 既是模型上下文,又是你心里的项目管理单位。

DeepSeek Harness 团队在《Super-agent 设计探索:迈向更自主的 Agent 系统》里把经验数字写死了:一个人大约只能同时跟进 3–5 个活跃会话。模型再强,也救不了「人脑多开窗口」这件事。

单任务上限看模型,多任务上限看人的注意力。—— DeepSeek Harness · Super-agent 设计探索

所以这篇拆解不跟发布会走。目标是:你读完能画出五块积木,并带走一套「少占注意力」的默认规则——无论你用 DeepSeek Harness、自建 Router,还是先在一个 GitHub 仓上跑研究原型。


白话:Super-agent 是什么

Super-agent = 一个跨会话保持上下文、能并行推进多项复杂任务且互不干扰的连续实体。用户侧感觉是「同一个同事」;实现上可以有很多 Session,但那是系统细节,不该变成你的认知负担。

内部例子写得很具体:同一开发任务可在 IM 与 GitHub 之间连续推进;公共群里没人 @,它也能从双击复现类反馈里找根因并开 PR。强主动性必须配窄准入——不然你就是在给全队制造噪音。


五模块总图

四个特征靠一个 ReAct 环撑不住,得靠外围系统。文章把系统拆成五块:双层调度、事件触发、面向人的多信道交互、计算/状态/环境分离、外部 Watchdog。

先记一句总原则:共享连续性放在上面,隔离执行放在下面;对外只留一个嘴巴。

image

习惯的 Agent 图是模型居中、工具围一圈。这里反过来:模型是控制系统里的一个部件;调度、准入、状态耐久、执行可达与故障恢复,都是基础设施,不是再堆几句 Prompt 能糊上的。


Router + Worker:既连续又并发

全塞进一个 Session:上下文共享最好,但 ReAct 一步一步走,吞吐差,任务互相污染。每个事件新开 Session:并发上去了,全局关系没了,同一人可能收到互相不知道的多条回复。

解法是双层:长驻 Router 收全渠道交互、维护全局记忆、对外沟通、分派新工作;Worker 层上下文隔离、带齐执行工具、并行干活。Router 故意做浅——可以没有 Bash,只跟人说话、分派任务。这和「Team Lead 深拆一个复杂任务」不同:Super-agent 的 Router 管任务之间,不介入任务内部拆解。

默认可抄

  • Router 用轻量模型 + 短输出;突发 Trigger 排队合并进下一轮

  • Worker 用最强模型

  • Worker 只向 Router 汇报,禁止直接对用户抢麦

  • 同 PR Thread 可多 Worker 订阅协作;跨任务冲突才上交 Router

实验里(约 300 条消息/轮、约 20 个工作请求、编码用耗时工具模拟、各跑 5 次):Super-agent 任务完成时间 p50 / p95 为 12.4 / 15.7 分钟;中性提示的「单 Session + Subagent」为 20.4 / 29.5 分钟——后者常自己干完、被新消息打断。文章强调这是调度行为证据,不是全能工程加速榜。


Triggers:主动但不吵

主动系统的主输入不是人在对话框里逐条打字,而是环境里的半结构化事件:群消息、邮件、日程、PR 评论、Issue、CI 结果——统称 Trigger。真实流大多是噪音,不能每条都扔给大模型。

  1. Fast Path(确定性代码) 按来源、群、发送者、是否机器人、是否显式请求等规则:忽略 / 候选 / 仅显式才回。

  2. Slow Path(语义策略) 幸存事件带上下文进 LLM,用自然语言策略判断值不值得动手——策略可改,不必改路由代码。

  3. Thread 直通 同一 PR / 话题 / 邮件链形成 Thread;首事件经 Router 开 Worker 并订阅后,后续直达该 Worker,省掉重复冷决策。

订阅是多对多:一个 Worker 可订多个相关 Thread,一个 Thread 可有多个 Worker。关掉 pass-through 时,实验里 cache-read token 从约 23.2M 升到约 31.8M——直通不只是快,还省上下文重复阅读。

主动性默认闸:未写入团队规则的推断任务,先只记录「本来会做什么」,不要直接改代码或群里刷屏。扩权之前,用面板核对一段时间。


多信道交互:像同一个同事

产品体验要像一个不间断同事:你在 IM 提需求、在 PR 里改口径、Agent 回评审并汇报合并——实现可能跨多个 Session,用户不该感知「切窗口」。

交互侧要点是全双工与信道感知:人可以在上一条还没跑完时继续下指令;系统按信道习惯说话(群聊短、PR 评论贴上下文、面板只展示等人的事)。原型哲学写得更狠:少占人的注意力、多给可用结果;只在被请求或团队规则允许时行动;只在有人必须行动或能用结果时发言。

Take as little human attention as possible, and give as much value as possible. —— dsh-superagent docs/000-philosophy

  • 确认请求一次,说清将做什么,干活时保持安静

  • 有结果、要决策、做不完时再开口;一次只问一个具体问题

  • 面板优先列「等人」的事项;健康状态不占版面


存算 / 环境分离:机子睡了不丢活

本地 Agent 常把三件事绑在同一台机器上:推进 Loop 的计算、要持久的会话状态、代码仓与工具链环境。设备休眠或离线,Agent 就停,也碰不到别的机器上的环境。

  1. 计算 ↔ 状态 Agent Loop 可迁移;会话与票据状态落在可持久存储,不跟笔记本休眠绑定。

  2. Loop ↔ 执行环境 仓库、本地工具链、密钥边界留在工作发生地;云端调度,就地执行。

文章分两步解耦:先把 Loop 计算与持久状态分开,让云端能持续在线;再把云端 Loop 与重状态执行环境拆开,让真实仓库/工具留在原地并支持跨设备访问。抄的时候别一上来追求「全上云」——先保证状态可恢复、执行环境可指到真实仓库。


Watchdog:长跑自愈

长跑系统会遇到接口报错、状态恢复失败,以及「Worker 看似在跑、其实没实质进展或方向跑偏」。文章的做法是在主系统外挂独立 Watchdog Session,用定时消息驱动,构成外部 Control Loop。

  • 基础设施:接口错误、状态恢复失败 → 持续复查直到恢复

  • 任务语义:由模型判断 Worker 有无实质进展、是否偏离整体目标 → 介入修复

  • 运维入口:维护者可用自然语言问故障原因,或让它在线改提示词/触发规则

默认可抄:Watchdog 不要塞进 Router 自己巡自己。外部环路才能在主环卡住时仍有人叫醒它。巡检输出默认进运维通道,不进用户群。


最容易抄错的地方

  • 把「多开几个 Chat」当成 Super-agent——没有 Router 统一对外,只会多几个互相抢麦的嘴

  • Router 又路由又 bash 改代码——浅层被打穿后,连续性和隔离一起塌

  • 群里全量语义倾听却不设 Fast Path——账单与延迟先爆,团队注意力后爆

  • 主动性默认全开——原型明确:未请求且无规则,先只记录,不生产批量 PR

  • 把研究原型当官方 SaaS——仓库自己写了 not a product / not production-ready

  • 用实验 p50 对外承诺「比单 Session 快一倍写业务」——实验模拟编码耗时,测的是调度


可以借鉴的思路

  1. 钉范围:一个 GitHub 仓;请求者白名单;主动模式先 observation-only

  2. 钉嘴巴:只有 Router(或主 Session)对用户说话;Worker 禁直回

  3. 钉准入:显式 @/白名单 → 可接;其余走规则表;模糊才进 LLM 策略

  4. 钉 Thread 直通:同 PR/话题后续事件进已订阅 Worker;冷启动才经 Router

  5. 钉面板:只展示 blocked / 等人决策;健康运行不刷通知

  6. 钉 Watchdog:主系统外独立巡检;修基础设施与进度偏离;改规则要可审计


参考链接

  1. Exploring Super-agent Design(英译完整改编)https://agientry.com/en/articles/deepseek-harness-super-agent

  2. dsh-superagent-prototype(MIT 研究原型)https://github.com/deepseek-ai/dsh-superagent-prototype

  3. 000 Philosophy:少占注意力 https://raw.githubusercontent.com/deepseek-ai/dsh-superagent-prototype/main/docs/000-philosophy.md

  4. 007 Architecture:实现映射 https://raw.githubusercontent.com/deepseek-ai/dsh-superagent-prototype/main/docs/007-architecture.md

中文原文标题:《Super-agent 设计探索:迈向更自主的 Agent 系统》(Yujia Qiao / DeepSeek Harness 团队,约 2026-10-31)

AI工具实战派

觉得有用?每周的新笔记先发公众号。

每周的实战笔记先发在这里。扫码关注,新文章第一时间推给你。

关注 / 加入社群 →