DeepSeek 开源 Super-agent 原型

时间：2026 年 10 月 31 日晚（北京时间），DeepSeek Harness 官方团队发布技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，并在 GitHub 同步公开名为 dsh-superagent-prototype 的原型仓库。 地点：中国（DeepSeek 官方团队线上发布，文章与代码面向全球开发者公开）。 人物：DeepSeek Harness 团队（技术文章未署名个人）；中文原创报道方为量子位记者梦瑶、IT之家记者问舟、爱范儿记者莫崇宇。 事件详情：DeepSeek 把这套运行在 DeepSeek Harness 上的 Agent 形态称为 Super-agent，并归纳为四项特征：连续（跨会话、跨平台保持任务上下文）、高效（多个复杂任务并行执行）、主动（持续观察环境事件并自行推进）、持久（长期在线并能从异常状态恢复）。DeepSeek 团队观察认为，一个人通常只能同时跟进 3 到 5 个活跃 Session。 架构上采用 Router 与 Worker 双层设计。Router 承接人类交互、维护全局上下文并分派任务；Worker 在相互隔离的会话中并发执行具体工作，完成后把状态与结果汇报给 Router，由 Router 统一对外沟通，用户面对的始终是同一个 Agent。某个 Worker 接手一条 GitHub Pull Request 后可以直接订阅后续评论，后续事件不再逐条经过 Router 转发。 主动能力建立在事件驱动之上：群聊消息、邮件与日程提醒、代码审查评论、CI 运行结果等外部信息被定义为 Trigger，先由程序规则过滤，再交由大模型判断是否需要行动。系统还引入投机执行，AI 可以先在后台复现问题、寻找修复方案，确认问题存在且修复方式简单时才把结果交给用户，否则全程保持安静。 为实现长期在线，DeepSeek 把 Agent 的计算逻辑、会话状态与执行环境解耦：计算与持久化状态放在云端，代码仓库和工具链留在本地设备，本地只部署负责执行命令、返回结果的轻量 daemon，设备离线时云端 Agent 仍能维持任务状态。系统另设独立的 Watchdog 会话作为外部控制回路，监控接口报错、状态恢复失败等基础设施问题，并通过模型判断 Worker 是否取得实质进展、是否偏离目标，异常时尝试介入修复。异步 ReAct Loop 把耗时工具调用改为异步的 start() 与 stop()，该机制已在 DeepSeek Harness 中实现，但尚未默认开启。 初步实验模拟了约 300 条消息、其中约 20 条为工作请求的协作环境，每种方案重复运行 5 次。Super-agent 的任务完成时间 p50 为 12.4 分钟、p95 为 15.7 分钟，而中性提示下的传统单 Session 加 Subagent 方案 p95 达到 29.5 分钟。爱范儿援引原文说明称，在中性提示配置下五次实验中模型一次都没有调用 Subagent，所有任务都在主会话中执行。效率提升也有代价：取消事件直通机制后，Router 的决策次数增加约 30%，读取缓存 Token 增加约 37%。IT之家援引原文的 Router 层压力测试显示，Trigger 到达速率从每分钟约 1 条提升至约 40 条时，平均批处理大小从 1.0 增至 2.8，单次请求耗时从 2.5 秒增至 3.9 秒。 基于上述思路并依托 DeepSeek Harness 构建的内部 Super-agent 实例已持续运行，参与问题复现与修复、代码审查响应以及 DeepSeek Harness 自身的迭代。官方同时提供了 dsh-superagent-prototype 原型实现，其仓库 README 明确标注这是供研究参考的原型、并非 DeepSeek 正式产品，采用 MIT 许可；它是一个面向单个 GitHub 仓库的主动式编码 Agent 插件包，监听 GitHub 并可选接入飞书。 背景：过去一年以 Coding Agent 为代表的工具已能独立阅读代码、定位问题、运行测试，但主流 Agent 设计仍以单一 Session 为基本单位，用户需要手动切换并维护各个会话的上下文。DeepSeek Harness 本身以一切皆插件的架构开源公测，一直在扩展子代理与多模型调度能力，这次的 Super-agent 探索是在此之上向持续在线、主动工作的 Personal Agent 形态推进。量子位提到，此前不少人还在等传闻中的 dsh dot，这次先来的是一篇面向工程实践的架构思路探讨。 影响：对开发者与团队而言，这套方案把 Agent 的使用方式从人管会话改成人定目标、人做验收，Router 负责调度、Worker 负责执行，一个持续在岗的 Agent 可以承担复现问题、跟进 PR 评审这类原本需要人盯着的工作。DeepSeek 同时把调度机制公开为 MIT 许可的原型代码，第三方可以直接验证或改造这类主动式 Agent 的工程实现。 但它目前并不是可以直接上手的产品。官方明确说明原型仅供研究参考，文章中部分设计只是未来方向，原型实现也与内部版本不完全一致。实验同样有边界：结果基于合成负载和简化环境，只评估系统调度与协作能力，并不衡量单个任务的实际执行能力。文中列出的待解问题包括 Router 层如何随任务规模扩展、跨月乃至更长时间跨度的长程记忆、脱离 Session 后的人机协作方式、不同 Agent 实例之间的 A2A 通信，以及安全与隐私保护，尤其是云端 Agent 接入本地设备后的提示词注入、端侧凭据泄露和跨设备权限风险。成本侧，事件路由虽然压低了单次决策成本，却让缓存读取 Token 明显上升。 总结：DeepSeek 这次公开的是 Personal Agent 的底层架构思路，而不是面向用户的新产品。Super-agent 用 Router 与 Worker 双层架构、事件驱动与投机执行、存算分离和 Watchdog 监督，把 Agent 从被动响应指令的单会话工具推向持续在线、并行推进、主动发现问题的自主协作者。官方给出的初步数据是任务完成时间 p50 12.4 分钟、p95 15.7 分钟，明显优于传统单 Session 方案的 p95 29.5 分钟，代价是缓存读取 Token 增加约 37%。 参考来源： 量子位：刚刚，DeepSeek 重磅开源：Agent 底座架构！：https://www.qbitai.com/2026/10/506904.html IT之家：DeepSeek 提出 Super-agent 架构设计：Router 与 Worker 双层架构，探索更自主的 Agent 系统：https://www.ithome.com/1/020/615.htm 爱范儿：DeepSeek 重磅发布全新 Agent 架构：AI 开始指挥 AI 干活：https://www.ifanr.com/1687026 DeepSeek 官方开源仓库 dsh-superagent-prototype：https://github.com/deepseek-ai/dsh-superagent-prototype DeepSeek 官方仓库 README 原文（标注为研究原型、非正式产品，MIT 许可）：https://raw.githubusercontent.com/deepseek-ai/dsh-superagent-prototype/main/README.md DeepSeek Harness 官方页面：https://www.deepseek.com/en/harness/