DeepSeek Harness的SuperAgent设计 · 话题榜 · TwKit

@Mashiro_0619

就在刚刚，DeepSeek官方 开源了 主动式编程智能体 dsh-superagent-prototype 一款专为单个代码仓库打造的主动式编程智能体研究原型。基于“少占用人类精力，提供最大价值”的理念，它能监听 GitHub/飞书，自主创建任务并提交 PR，还配备了需要人工介入的 Web 管理面板。 https://github.com/deepseek-ai/dsh-superagent-prototype

@AstroHanRay

看到 Deepseek Harness 团队的 SuperAgent，感觉去 Session 化应该是大家都在共同探索的共识。 核心是 Session 这种交互方式下，人的注意力是有上限的，超过 3-5 个就很难在继续工作了。 无论是多个 bot 还是多个 Session，人类的注意力和上下文都会成为下一步最大的瓶颈。

@QuantumTransf

我其实不看好 deepseek harness 新提出的这个 Super-Agent 我认为里面混杂了过多的 idea，以至于无法挑出来说哪些带来了 performance 的提升，哪些是负收益，有一种 idea 清仓大甩卖的感觉 具体哪里不看好，我之后会再发一篇文章/推文说说，总之我认为 Router + Worker 的架构不太可能是 best practice 如果你还不知道我在说什么，对于一个很简单的交互，为什么我要走 input->router->worker，worker->router->output 的链路？这种工作流编排实在太重了，不太可能成为通用的解决方案

@bojie_li

刚发现好多人竟然在通过 API 用 Claude，一个 Claude Ultra 账号每周大约是 2000 美金额度，每月 8000，用 API 可是 40 倍啊。真心建议大家肉身去美国办个手机号 + 银行卡，14 天 3 万人民币就足够了。 - 签证 2000 - 往返机票提前订 5000 - 罗兰岗/圣盖博住民宿，单人间 90 美金一天。除非你是要去 San Francisco 拜访人，住那地方那么贵真没必要。OpenAI 和 Anthropic 门口都没 logo，普通人也没法参观。 - 上飞机之前网购一张 Google Fi 手机卡和一台干净手机（Pixel 入门款合约机就行），到了就把手机配置好 - 第二天去 BOA 办卡，洛杉矶华人区的 BOA 一般不需要地址证明，拿着护照和手机去就行，借记卡和信用卡同时办（不给办信用卡也没关系，借记卡也够用），一定要加急，一周后会寄到地址（这是为什么呆 14 天比较保险） - 不用等实体卡，当天就可以用 BOA App + Google Pay / Apple Pay 开尊贵的 Claude 和 Codex 大会员了 - 租辆车，就可以在洛杉矶和尔湾开始玩了，时间多的还可以去圣地亚哥 - 一张实体卡一般可以绑定 4 个 Claude 账户，加上 Apple Pay、Google Pay，一张借记卡加一张信用卡至少可以开出 10 个 Claude Max 账户 - 海外没有收入的话，可以走个人购汇，也可以走 wise 转账 - 下次去美国把 BOA 的账单打印出来，可以作为地址证明，去 Chase 等银行开卡了 大家会说，我要上班啊，哪来的半个月假呢？那你们组的人有合法 Claude 账号吗？一起去美国团建的话，每个人只要 2 万就行了。 比如 5 个人，可以租个《半熟恋人》这种 5b3b 的大 house，租车和吃饭可以 share，白天还可以一起办公，同吃同住是硅谷 startup 的标配。每天自己做饭的话，14 天人均 2 万基本就能搞定（不含 Claude、手机等开销）。看着两三万人民币挺贵，一个月的 Claude 账单就回来了。 当然，珍贵的 Claude 账号一定要配合美国家宽 IP，在干净环境里使用。我被封的两个账号都是因为在 IP 不干净的环境里用过，其他十几个都没事。

@luojiuyue

朋友们啊!!!!!!! DeepSeek是真的有什么好东西都往外掏啊!!!!!!! 晚上8点半,他们在DeepSeek Harness的公众号,更新了一篇重磅文章 Super agent 设计探索:迈向更自主的Agent系统 旨在解决面向真实使用场景的,多agent,多任务并发的agent系统设计痛点!!!!! 他们提出了一个名为Super agent的设计架构!!!!!!! 该架构主要有四个基本特征: 连续👉: 能跨上下文长度限制,跨session合作 高效👉: 可以并行处理,前后台分离高效无阻塞 主动👉: 能主动观察环境,响应环境 持久👉: 能持续在线,多session协同以容错 具体内容见文章,不过其中的关键技术点,我比较感兴趣,相信大家也很感兴趣!!!!! 我先拎出来给大家总结一下,方便大家看的时候去找重点!!!!! Router 层 👉: 微服务网关 Thread（事件流） 👉 ：MQ Topic 订阅 异步 ReAct Loop 👉 ：异步回调 / 消息推送 存算分离 👉 ：分布式状态管理 Watchdog 👉 ：Sidecar（边车模式） 正是这些基础的工程技术,支撑起前面4项基本特征的扎实实现!!!! 看完这篇文章,我其实想说: 大模型正在沦为基建!!!!!!!!! 以后拼的百分百不再是谁的 Prompt 写得花哨，而是谁能用最成熟的微服务架构，把大模型这个“高延迟、会幻觉的熊孩子”给彻底管住!!!! 能把大模型丝滑地塞进传统架构里，才是接下来 AI 产品真正的护城河!!!!! 这篇文，值得所有 AI 开发者反复盘啊!!!!!!!!!!!!!!!!!! DeepSeek真牛啊!!!!!!!!!!!!!! 把这么好的东西分享出来!!!!!!!!!!!!!! 还有哦!!!!!!!!!!!!!!! 到底是谁说DeepSeek全员不加班的!!!我看崔添翼老师他们应该天天加班!!!!!!!! 不过!!!!不管加班与否!!!!!!!他们为了喜欢的事业奋斗,给所有人带来助益,真的很幸福啊!!!!!!!!!!!!!!

@huangruiteng

DeepSeek 最新开源 dsh-superagent 的架构设计，指明下一代 agent 系统的核心目标是 much value and little human attention。 这个目标只能说和 loopx 在 8、9 月 blog title 中 指出的 “More useful work, less human attention” 一模一样（见图片）。 更具体的： 1. 状态与 session 分离的思想，和 loopx 所走的路线一致； 2. 上下文组织，做了精细的效率和效果优化，loopx 近期也落地了 渐进式 & 压缩周期内差分上下文的优化，后者是基于结构化上下文体系的创新。 3. 将通用长程能力视作 personal agent 的基座，将 管家 or router 作为和用户交互、最小化注意力的接口，router 负责任务的 delegation。区别在于 loopx 有 per goal and per agent 的丰富的稠密状态信息，对 router or controller 的智能要求更高。 综合来看，目前通用长程任务的趋势，既要通过 semantic control plane 跑稳长程任务、提升效果，也要尽量将控制面的开销抽离出干活 session，避免损耗模型智能。 近期 loopx 有一个 control session and executor session 分离的 rfc，欢迎开发者参与。 RFC：https://github.com/loopx-project/loopx/blob/main/docs/architecture/rfcs/controller-executor-unified-contract-v0.zh-CN.md loopx 9 月初 blog：https://loopx-project.github.io/loopx/blog/from-one-shot-agents-to-long-horizon-control/ deepseek 新仓库：https://github.com/deepseek-ai/dsh-superagent-prototype deepseek 技术文章：https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg loopx：https://github.com/loopx-project/loopx loopx 管家：https://github.com/loopx-project/loopx#personal-agents-teams-and-self-improving-workflows

@NFT_Chen

🔥牛哇！DSH超级代理，一个人顶一个团队！24 小时盯着你的仓库，让 GitHub 自己修 bug 了！ 有人提 Issue、开 PR，它直接上手改代码、出修复草案、提 PR，把结果丢给你审，你只需醒来扫一眼 diff，点同意或拒绝，不用再翻一堆消息。 核心亮点 🔹主动干活：只在被点名或规则允许时才行动，尽量少打扰你 🔹并行处理小任务，不堵塞你的对话窗口 🔹支持 GitHub + 飞书触发，规则、权限、提示词全可自定义 🔹Router + Worker 双层架构，朝更自主的 Agent 迈进 🔹MIT 开源，研究原型（非官方正式产品） 快速上手 1️⃣安装 DeepSeek Harness，克隆仓库 2️⃣按 SETUP.md 让 Agent 引导配置（或看 docs/006-deployment.md 手动部署） 3️⃣建独立 superagent profile，配好 GitHub Agent 账号和监听仓库 4️⃣启动服务，在 Panel 设置允许用户/策略 5️⃣在 Issue/PR 里 @Agent，它就开始自动干活并回结果 Repo：https://github.com/deepseek-ai/dsh-superagent-prototype #DeepSeek #DSH #AIAgent #GitHub #开源 #编程助手 #SuperAgent

@0xcherry

如果你没有精读过 DSH Super Agent，那我不要和你说话 但我很想和你交朋友，于是我精读完了，接下来你只需要 10 分钟就能精读完成本文

@NFT_Chen

🚨重磅！梁文峰给Agent系统指明方向！DeepSeek 官方给出最新思路：让 AI 从“听话的工具”变成“自己干活的同事”！ 以前的 AI Agent 像一个很能干的实习生：你得开一个聊天窗口盯着它，一步步指挥。你同时只能盯住 3～5 个窗口，再多就乱了、忘了上下文。它一等你指令，就停在那儿不动。 DeepSeek Harness 团队提出 Super-agent，想解决这个问题。目标很简单：人只负责定目标、做验收，AI 自己持续干活。 它有四个特点： 🔹连续：不管你在微信群、GitHub 还是邮件里找它，它都记得之前的事，感觉始终是同一个 AI 在跟你说话，不用自己记“哪个窗口说了什么”。 🔹高效：同时推进好几件事，互不耽误，你随时可以插话或改方向。 🔹主动：不用等你 @ 它。群里有人反馈问题、代码评审有评论、邮件来了，它自己观察并决定要不要动手，不需要时就安静待着。 🔹持久：一直在线，电脑关机也不停，出错了能自己恢复。 怎么实现的？核心思路很朴素： 1️⃣一个协调者 + 多个干活的：上面有个“调度员”AI（Router）负责听你说话、分配任务、记住全局；下面多个“工人”AI（Worker）各自独立干活，干完把结果汇报给调度员，再由它统一回复你。你感觉只有一个 AI，背后其实在并行跑多个。 2️⃣事件驱动，而不是等人下命令：群消息、代码评论、CI 结果等，都变成触发信号。系统先用简单规则过滤噪音，再让 AI 判断要不要行动。已经分出去的任务，后续消息直接发给对应的工人，不用每次都绕回调度员。 3️⃣后台先试试再说：看到可能有问题，先悄悄在后台复现、找修复方案。确认有价值再告诉你，没价值就丢掉，不打扰你。 4️⃣人机交互更自然：后台跑长任务时，前台还能继续聊天（不会卡住等结果）。回复风格也按渠道调整：群里短一点，GitHub 上详细一点。 5️⃣一直在线 + 能自愈：计算放云端，真正干活的环境可以留在你自己的电脑上（只跑一个轻量小程序）。外面再加个“监视器”AI，盯着有没有跑偏或卡住，及时纠正。 简单说：Session 不再是你需要操心的东西，变成系统自己的实现细节。人从“全程盯梢”上移到“定方向 + 验收结果”。 他们内部已经在用这套思路跑，公共群里有人反馈问题，即使没 @ AI，它也能自己定位、提修复 PR。 详见原文：https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg #DeepSeek #SuperAgent #AI同事 #Agent #自主AI #Harness #工程实践 #梁文峰 #崔添翼

@criscxuan

DeepSeek Harness 团队的这个玩法，和叶天帝实时盯着 x 上的反馈通过 GitHub 直接修 bug 的方式是一样的。 果然大佬们都喜欢自动化工作流。 学到了。

@leon7hao

Deepseek 回回都不让人周末省心，super agent 看完了，确实是没有新东西。以一篇论文的形式描述了 multi-agent loop 把这个坑占了下来，但是论文最重要的实验部分只有短短的两个小节。 无论做 agent 还是用 agent 搞得多了大家很容易得到相同的结论，人的注意力是有限的，human 在 loop 里越多，整个系统的效率越低。

@antiAIvo

准备搞一个新系列：「拆解 DeepSeek-Harness」 DeepSeek 开源了自己的 Agent 框架 DSH后 关注的人很多， 但真正拆解它架构的内容很少 原因也简单： 这个仓库太大了 一百多万行 TypeScript，两万多个文件， 打开目录，大部分人就放弃了 我花时间把它fork下来过了一遍， 发现一件有意思的事： 真正驱动 Agent 运转的核心循环， 只有两千行左右 剩下的大量代码， 是 UI、实验功能和各种插件 所以这个系列想做的， 不是逐行翻译源码 而是帮你找到那几千行真正该看的东西， 并讲清楚它为什么这样设计 计划写这几块： 1. 全景地图：一百多万行里，哪些该看，哪些可以跳过 2. 一切皆插件：为什么连 Agent 循环本身都是一个插件 3. 一句话的旅程：从你按下回车，到模型回答，中间发生了什么 4. 会话日志：为什么模型看到的一切都必须被记录下来 5. 工具调用：审批、沙箱、并发是怎么串起来的 6. 上下文管理：Prompt 怎么组装，长对话怎么压缩 7. 子 Agent、计划与任务拆解 8. 同一个内核，如何变成网页端、命令行和桌面端 9. 横向对比：DSH 和 Claude Code 等主流 Agent 的设计差异 项目还在快速迭代， 文章会基于固定版本来写， 有理解不对的地方，欢迎指出 https://github.com/deepseek-ai/deepseek-harness