DeepSeek公开超级智能体底层架构 探索自主Agent新路线

10月31日晚间，DeepSeek Harness团队对外公布了其在自主Agent方向上的探索成果——Super-agent（超级智能体）的底层架构，相关开源项目地址同步释出。据智东西11月1日报道，该团队此次拿出的并非一款新产品，而更接近一套新思路：把计算机系统中调度、缓存、存算分离、看门狗（Watchdog）等经典设计思想引入Agent架构之中。

按照团队的描述，Super-agent可以通俗理解为一个始终在线、能同时处理多件事务、会主动寻找任务、出现异常时能够自行恢复的Agent。这一形态与当前以单一Session为单位的Agent应用形成对照，也构成了此次架构公开的主要背景。

从单任务到持续在线：现有Agent的瓶颈在哪

过去一年，Coding Agent等单任务Agent已经证明模型能够借助工具解决复杂问题，人在底层执行环节的介入越来越少，角色逐渐上移到决策与验收。与此同时，个人助手等持续在线、由事件驱动的新形态开始出现。

但团队指出，现有Agent以单一Session为单位运行，多任务上限受制于人的注意力，简单扩展又会遭遇同步阻塞、上下文混乱、设备离线即停等问题。正是基于这些约束，DeepSeek Harness团队提出Super-agent的构想：一个跨会话保持上下文、并行推进多任务且互不干扰的连续实体。团队透露，内部已有实例能够在IM与GitHub之间连续推进任务，例如持续关注公共群聊，在无人@的情况下主动识别缺陷并提交修复用的Pull Request。

四个基础特征与五大支撑模块

团队将Super-agent的基础特征概括为四点：连续，用户可以在IM聊天、GitHub评论等熟悉界面中与它交互，感觉始终只有一个Agent存在；高效，交互响应迅速，且能并行、高质量地完成多个复杂任务，无需等上一条指令完成即可接受下一条；主动，持续观察环境事件并主动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、直接接入用户真实工作环境，长期运行中遇到异常可自动恢复。

团队认为，单个ReAct Loop无法同时支撑上述四个特征，底层需要一套相应架构。其给出的基本框架由五个模块构成：通过双层架构兼顾连续交互与高效并发，通过事件驱动实现主动响应，通过面向人的交互在过程中同时做到连续与高效，并通过计算、状态与环境分离及外部Watchdog实现跨设备持久在线与异常自愈。

双层架构：Router分派、Worker执行

在具体设计上，团队处理的核心权衡是：跨信道连续交互与多任务高效并发之间存在根本矛盾。全部交给一个Session，上下文最连续，但单ReAct Loop串行、吞吐低、细节混杂；全部开启独立Session，吞吐最高，却缺乏全局上下文、结果割裂、交互混乱。

DeepSeek Harness团队的解法是把“维护全局连续性”与“高并发执行”拆成两层：常驻的Router层承接人类交互与全局协调，上下文隔离的Worker层并发执行具体任务，Session则被视作系统的实现细节而非用户的认知负担。Router层只分派不干活，负责汇总跨任务的信息与决策，充当全局序点、协调点和记忆，自身不直接执行具体任务，甚至可以不配备Bash工具。团队实践显示，Router层任务常常没有想象中复杂，使用较轻量模型往往就能兼顾速度与效果。

Worker层由负责具体执行的会话组成，各Worker上下文隔离、挂载完整执行工具，在独立上下文中专注完成单一任务，通常需要配置能力最强的模型。Worker不直接与人类交互，其推理过程和工具调用向Router层汇报状态，由Router层统一回复用户，以避免多个会话各自回复造成混乱。多个Worker在同一个Pull Request等共享环境中出现冲突时，只要都订阅了对应Thread，就会收到相同事件通知，从而有机会自行发现和解决冲突，少数跨任务协同则由Router层中转。

事件驱动与初步实验数据

要让Super-agent具备主动性，系统的驱动方式也需改变：主要输入不再是人类逐条键入的提示词，而是群聊消息、邮件与日程提醒、代码审查评论、CI运行结果等环境中的半结构化事件，团队称之为Trigger。接入真实群聊与代码平台后，事件流呈现明显的高噪音、低触发率特征，团队因此借鉴Fast Path / Slow Path思想，采用程序策略与大模型相结合的两级过滤机制，先用确定性代码筛除大部分无关消息，再将候选事件交给模型判断。

团队同时公布了初步实验数据：基于该思路的Super-agent任务中，有一半任务在12.4分钟内完成，95%的任务在15.7分钟内完成，显著优于带Subagent工具的单Session；去掉订阅直通后，Router决定数增加约30%，读缓存token从2323万增至3177万；Router批处理能把单个决定分摊的推理时间从6.4秒降到1.6秒。

团队对这些数据的解读较为克制：一方面，多任务完成更快更稳，Router靠直通省开销、靠批处理扛突发；另一方面，这是用更多token换取时间和稳定性，且实验基于合成负载与简化环境，只是初步参考，并非正式产品结论。文章还提出，无论是个人助手还是软件开发等商业场景的Agent，若目标是构建持续在线、并发响应环境事件的系统，底层可能采用相近架构，而其中许多问题与传统计算机系统长期探讨的问题高度相似。

目前，该架构以开源项目形式公开，团队尚未披露后续产品化计划，Super-agent仍处于探索与验证阶段。