核心架构与设计目标

DeepSeek Harness团队在发表的技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》中，详细介绍了其探索的Super-agent架构。该架构旨在推动AI Agent从被动响应指令的单任务工具，演进为持续在线且能并行处理多项任务的自主协作者。

DeepSeek指出，目前主流Agent设计以单一Session（会话）为基本单位，导致用户在并行处理多项工作时需手动切换并维护上下文。根据团队观察，一个人通常只能同时跟进3至5个活跃Session。此外，单会话模式还面临同步阻塞、上下文混乱以及本地设备离线导致任务中断等问题。

Super-agent被定义为具有四项基础特征的新型Agent形态：连续（支持跨即时通讯、GitHub评论等多渠道交互）、高效（能并行处理多个复杂任务）、主动（能持续观察环境事件并自行推进事项）以及持久（始终在线并在异常状态后恢复）。

技术实现与运行机制

Super-agent的整体架构由五部分组成：双层架构、事件驱动、面向人的交互、计算与状态及环境分离、以及Watchdog。其核心的双层架构分为：

  • Router层：负责承接人类交互、维护全局上下文并分派任务，统一负责对外沟通。
  • Worker层：在相互隔离的会话中并发执行具体工作，不直接回复用户，而是将状态和结果汇报给Router。

在事件驱动机制中，系统将群聊消息、邮件、代码审查评论等外部信息视为Trigger。系统先通过程序规则过滤事件，再由大模型判断是否行动。此外，该系统引入了Inline & Spill、链式召回、投机执行及异步ReAct Loop等机制，并将计算与会话状态置于云端，执行环境保留在用户本地设备。

应用实践与性能表现

DeepSeek已基于该架构构建内部Super-agent实例用于研发协作。例如，Agent能在无人主动提醒的情况下，识别群聊中的软件问题，在后台尝试复现并提交GitHub Pull Request。同一任务可在群聊与GitHub之间连续推进，Agent能够理解前后变化并调整执行方向。

初步实验数据显示，Super-agent的任务完成时间p50为12.4分钟，p95为15.7分钟；而中性提示下单Session方案的p95为29.5分钟。在Router层压力测试中，当Trigger到达速率从每分钟约1条提升至约40条时，单次请求耗时从2.5秒增至3.9秒，单个决定分摊的推理时间从6.4秒降至1.6秒。

后续挑战与产品状态

DeepSeek团队指出，目前在Router层扩展、长程记忆、人机协作方式、Agent间通信及安全隐私等方面仍待解决。针对云端Agent接入本地设备后的提示词注入及端侧凭据泄露风险，需进一步应对。

目前，Super-agent仍是一套面向工程实践的架构探索，并非正式推出的独立产品。团队已提供名为dsh-superagent-prototype的原型实现用于验证技术路线。