DeepSeek Harness提出Super Agent架构，技术价值与创新程度受讨论 · 话题榜 · TwKit

@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

@tianyi

Super-agent 文章的官方英文版发布啦～ 做 Agent 产品，DeepSeek 有一流的模型、算法、基建，有优秀的研究员和工程师。但是，目前优秀的产品经理和设计师的数量还远远不够。 欢迎想做世界一流 Agent 产品的优秀产品经理和产品设计师给 DeepSeek 产品部投简历。

@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!!!!!!!!!!!!!!

@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

@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。

@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

@bojie_li

dsh-superagent（DeepSeek 刚开源的主动 coding agent 架构）非常赞。 1. Router-Worker 架构实现了 sessionless，Router 负责与用户交互，调度消息和事件，维持记忆和全局上下文，多个 Worker 并行执行具体任务。 Sessionless 不是简单把多个 session 合成一个 session，难的是实现活人感，有事响应及时、说话简洁，没事少打扰用户。 2025 年在 Pine 做全球首个 personal agent 的时候，Pine 的用户都是不懂 AI 的普通人，总是抱怨 agent 跟用户说话啰嗦，agent 忙着干活的时候不搭理用户、不响应紧急事件。为了让 agent 在文字沟通中也具备活人感，我们引入了前台 agent 跟用户沟通，后台 agent 实际干活。在全双工语音架构中，也是前台 full duplex 说话，后台做长程任务。 Router agent 在电话、短信、Web、邮件等多种渠道跟用户和第三方交互时，适合的信息密度不同，因此 agent 必须知道该用何种渠道跟用户交互，不同渠道的交互规范也不同。 2026 年初，OpenClaw 把这个多 channel 的 sessionless 架构带给了 agent 社区。但 OpenClaw 在多 channel 交互细节上仍然有很多待打磨的地方。 2. 事件驱动的 agent 架构，飞书消息、GitHub issues 都是事件，事件首先经过规则和 Jev 类轻量模型过滤，再送给 LLM 处理。 事件驱动的难点在于，单一的 ReAct loop 可能来不及处理所有事件，也就是 25 年我们遇到的 agent 忙着干活的时候不响应新的事件。但简单交给独立的 agent 来做，又会导致 agent 上下文割裂，不同 agent 的决策互相打架。 dsh-superagent 的解法是根据数据源把事件组织成 thread，每个 thread 在同一时间只有一个实例（Eval），这样不同数据源可以并行处理，相同数据源可以批量处理，就像 Linux epoll 一样。dsh-superagent 把计算机系统的经典 event driven 架构引入到了agent。 3. 异步 ReAct loop，也就是工具调用可以异步执行。以往长时间运行的工具都要像 Claude Code 一样利用后台命令、monitor 等机制来实现异步化。GPT-6 模型原生支持了异步工具。dsh-superagent 把耗时的命令与子任务工具调用改为异步的start() 和 stop()，构成异步 ReAct Loop。 2025 年初我刚提出异步 ReAct loop 的思想时，有些人认为没有必要，有些人认为模型很难支持。今天异步执行命令已经成为 coding agent 必不可少的能力，异步 ReAct 这个思想也终于落地了。 4. dsh superagent 采用了“脑手分离”、“存算分离”的思想，harness 无状态，因此脑可以在端侧也可以在云上，摆脱了单机生命周期限制。Claude Code、OpenClaw 等 agent 仅在端侧，Manus 等 agent 需要昂贵的云侧沙盒，其实把 agent 做进端侧 OS，端云结合是最正确的设计。 从 2025 年至今，我们坚持 agent 无状态化，不做 E2B sanbox 这种重量级的沙盒，很多人好奇我们怎么做到通用 agent 成本还这么低的。这种架构对 agent 开发确实带来了很多约束和麻烦，但对一个服务数百万用户的系统来说是值得的。 5. dsh superagent 的 Watchdog 是非常实用的设计，我在本地也用蓝色大肥鱼做了一个“监工” agent，专门处理 provider 429、rate limit、agent 崩溃、VPN 出问题等。agent 一崩，人在睡觉，几个小时时间就浪费了。对工具调用不太稳定，经常死循环或者早停的模型，watchdog 就更重要了。 6. 在事件内容和工具调用结果注入上下文时，dsh superagent 充分利用了局部性原理，直接喂进去摘要和 ID，agent 需要更多细节时再根据 ID 读取细节。系统中的主要对象都有 ID，构成一张引用图，可以按需读取，便于 agent 协作。 这也是很多 agent 初学者最容易犯的错误：要么把信息一股脑灌进上下文，要么只留摘要导致信息缺失。需要让每个对象有 ID 或路径，渐进式披露。 上述架构设计观点在我的开源书《深入理解 AI Agent》里面基本都有，当然也不是我原创的，是大家做 agent 摸爬滚打的共识。很高兴 dsh superagent 把这些设计原则都开源落地了。

@0xcherry

如果你没有精读过 Deepseek Harness 的 Super Agent，那我不要和你说话

@aigclink

DeepSeek Harness刚刚提出：Super-agent，迈向更自主的Agent系统 来自DeepSeek Harness刚发布的工程架构构想，当单个Coding Agent越来越能独立做事后，如何把Agent从“一个会话一个任务”的工具，变成持续在线、跨会话、能并行推进多任务的数字协作者 直白讲，就是现在很多AI Agent就像按会话分配的临时工，这个Session修Bug，那个Session写代码，另一个Session查看CI，任务一多，人就成了切换器和记事本 所以真正卡生产力的目前不是模型会不会做单个任务，而是人的注意力管不过来这么多并行任务 DeepSeek Harness团队提出了一个Super-agent，就是把这些管理工作交给系统 用户感知层只跟同一个助手说话，一个统一的Super-agent，底层由多个独立的Worker并行执行任务 核心设计包括： 1、Router+Worker双层架构：Router负责全局上下文、任务分派和对外交互，多个Worker在隔离的Session中并行执行任务 2、事件驱动+主动执行：持续接收群聊、GitHub PR、CI 等环境事件，通过规则和模型判断是否需要行动，而不是等待用户逐条下指令 3、异步执行+上下文管理：后台任务运行时仍能接收新指令，通过Inline&Spill、链式召回等机制按需管理上下文，减少不必要的信息注入与工具调用 4、持久运行+Watchdog：将Agent计算、会话状态和执行环境解耦，支持跨设备持续运行，并通过独立Watchdog监控任务进展、检测异常和尝试恢复 研究团队展示了一个内部实践案例： 有人在群聊中反馈 Bug，即使没有@ Agent，Super-agent 也能主动识别问题、尝试复现和修复，并提交GitHub Pull Request 不过，实验使用合成负载和模拟编码任务，验证的主要是多任务调度与协作效率，并不是证明模型写代码的能力提升了 该团队也指出了未解决的问题，包括跨月长程记忆、大规模 Worker协同、权限隔离、提示词注入，以及云端Agent控制本地设备带来的安全风险等 这个架构的部分设计已在dsh-superagent-prototype中实现，这个插件也只是一种为了验证技术路线，并非DeepSeek的正式产品 #Superagent #DeepSeekHarness #自主式AI

@iamtheQwen

话说DeepSeek团队不是沉迷于打游戏嘛，怎么又悄无声息掏出个大的!!!!!! 最近硅谷和国区的AI大厂画风，真是走上了两条完全不同的科技树： -OpenAI 忙着驱逐Plus用户，并打算在12月阴我们一手； -Anthropic 忙着给 Claude Code 下发不可关闭的死命令，严防死守你复刻任何一个怀旧小游戏；  -而我们DeepSeek Harness 团队，就在刚刚，反手甩出了一套面向实战的 Super-agent 架构，还直接用 MIT 协议把原型开源了。 看完他们这套设计，我只有一个感受：这才是真正懂打工人痛点的全自动赛博牛马！ 挑几个最戳痛点的神仙设计说一下： 1. 告别多窗口精分（Router + Worker 双层架构） 以前同时推进 4 个任务，人脑得在 4 个窗口间来回切换同步。现在你只面对一个常驻的总包工头（Router），哪怕你前一秒在飞书聊方案 A，后一秒去 GitHub 改口方案 B，它都能自动跨平台认出是同一件事，精准同步给后台并发干活的小弟。 2. 极致的眼里有活儿（投机执行） 它甚至不需要你手动 @ 它！群里有人讨论某个 Bug，它自己监听到信号后，直接在后台静默复现问题、写好修复代码。跑通了就直接给你交 PR 邀功；跑不通就悄悄销毁，绝不出来废话刷屏。 3. 治好木头人等待（异步交互） 后台跑耗时任务时前台绝不卡死，随时能插话改需求；而且严守“即时通讯回复不超过 100 词”的纪律，绝不给你倒垃圾。 4. 大脑在云端，双手留本地 计算和状态上云实现 7x24 小时持久在线，但本地代码和私密凭据全留在你自己的电脑里通过轻量 daemon 调用——既不断连，又不用把身家性命交出去。 再一次祭出这张神图： 当硅谷模型推了推眼镜跟你说“主公，这次任务有安全风险/额度已尽”时， 大法师只会淡淡地说一句：“去把 DeepSeek 叫来。”