DeepSeek Super-agent深度解读：让AI自己当领导，人终于可以“少打工”了

大家好，我是数码博主文兰公子。

10月31日晚，DeepSeek Harness团队发了一篇技术文章，标题叫《Super-agent 设计探索：迈向更自主的Agent系统》，同时把原型dsh-superagent以MIT协议开源到了GitHub。

很多人看到“架构”“开源”这些词就划走了。但我仔细读完这篇文章之后，觉得它可能是DeepSeek今年以来最值得普通用户也看一眼的东西。因为它讨论的不是“模型还能多聪明”，而是一件更现实的事：你一个人，到底能同时管几个AI？

答案是3到5个。这是DeepSeek团队观察到的数字——一个人通常只能同时跟进3到5个活跃会话。每多开一个Agent，你就多一个需要创建、投喂、盯进度、搬结果的窗口。模型能力在涨，但人的注意力没有涨。

Super-agent要解决的，就是这个矛盾。它的核心思路极其干脆：把“管AI”这件事，从人身上拿走，交给系统。

一、问题出在哪：你不是在用一个AI，你是在当一群AI的“秘书”

先把这个痛点说透，因为它是理解整个架构的前提。

现在的Agent产品，基本逻辑都是“一个会话干一件事”。你开一个窗口让它写代码，再开一个窗口让它查资料，再开一个窗口让它回邮件。三个窗口同时跑，你的大脑就在三个上下文之间来回切换。切一次，忘一点；再切一次，再忘一点。到后来你不是在“使用AI”，你是在给AI当调度员。

更麻烦的是，会话之间是隔离的。A会话里聊过的信息，B会话不知道。你在群聊里讨论的需求，要手动搬到GitHub上去跟进。Agent离线了，任务就停了。模型越强，你能同时开的会话越多，但你能管好的会话，始终只有那么几个。

DeepSeek把这叫做“多任务上限从模型能力转向人的注意力”。这句话的分量很重——它意味着Agent产品的竞争，正在从“谁的模型更能干”，转向“谁的系统更能管”。

二、Router + Worker：给AI配一个“项目经理”

Super-agent的解法，在计算机系统里其实很经典：调度和执行分开。

上层是Router，一个持续在线的全局协调节点。它统一接收群聊、GitHub、邮件等多渠道的消息，维护全局上下文，判断哪些事情该做、谁来做、做到哪一步了。下层是Worker，每个Worker在相互隔离的会话里并行执行具体任务，比如复现问题、审查代码、开发功能，必要时还可以调用Subagent。

Worker不直接向用户回复，它把状态和结果汇报给Router，由Router统一交付。 用户的感觉是“我在跟同一个Agent说话”，背后其实是一组Agent在同时干活。

打个比方。以前的Agent像一个全能但只有一双手的助理，你交代一件事，他做一件事，做的时候你只能等着。Super-agent像一个项目经理带一个团队：你只需要跟项目经理说“把这个Bug修了”，项目经理拆任务、派活、盯进度、汇总结果，你拿到的是最终交付物，不是中间过程。

这个设计的精妙之处在于，它把“上下文管理”从人的脑子里搬到了系统里。Router维护全局上下文，Worker各自维护局部上下文。人不用再记住“A会话里聊到哪了、B会话里那个需求有没有跟进”。人往后退了一步，从“调度员”变成了“决策者和验收者”。

三、五个关键机制，每一个都在解决一个具体的“人肉痛点”

Router/Worker是骨架，真正让它跑起来的是五个配套机制。

第一，事件驱动。 系统持续观察环境变化，而不是等人来Request。这是“主动找活干”，不是“等活干”。

第二，异步多信道交互。 你可以在IM里提需求，在GitHub上评审修改，同一个任务在不同渠道之间连续推进，不需要手动搬运上下文。

第三，订阅与直通。 Router不需要把每一条消息都完整地推给每个Worker，Worker可以“订阅”自己关心的信息，“直通”获取需要的数据。这个机制为Router层节省了约37%的Token开销。

第四，存算分离，“脑手分离”。 计算和状态分开管理，Agent可以持久在线，本地设备离线了任务也不会停。

第五，外部Watchdog。 一个独立的监督进程，负责发现异常、触发恢复。系统能“自愈”，不需要人盯着它有没有挂掉。部分高级设计（比如Watchdog、异步ReAct Loop）在公开原型里还没有完全实现，官方也坦率地标注了这一点。

四、数据说话：p50 12.4分钟，到底好在哪

团队自测的数据是这样的：在约300条消息、20项工作请求的测试中，Super-agent的任务完成时间p50为12.4分钟，p95为15.7分钟。作为对照，带Subagent工具的单会话方案，在中性提示下p95是29.5分钟。

p50和p95这两个数字要一起看。p50是“一半任务在这个时间内完成”，p95是“95%的任务在这个时间内完成”，后者更能反映最差情况下的体验。Super-agent的p95比单会话方案快了将近一半。 这意味着它不只是“平均快一点”，而是在任务堆积、并发上来的时候，依然能稳住交付节奏。

37%的Token节省同样值得注意。在Agent系统里，Token消耗会随着任务拆解、工具调用和上下文积累快速放大。Router层的两级过滤机制把大量不需要Worker处理的噪声拦在了外面，省下来的不只是钱，还有延迟。

五、开源了什么，没开源什么：一句“研究原型”必须认真读

dsh-superagent已经在GitHub上以MIT协议开源，仓库名是deepseek-ai/dsh-superagent-prototype。它被定义为一个“主动式编程Agent”，服务于单个GitHub仓库，监听GitHub和飞书，当有人请求工作时，它会在独立的会话和目录里干活，然后把结果（比如一个Pull Request）返回到原来的对话里。

但README里有一段话，我建议每个想部署的人都认真读一遍：“仅供研究参考，不是DeepSeek官方产品。这是研究代码，不是生产就绪的软件。” 它还明确说，文章里讨论的部分设计是未来方向，原型里并没有实现；公开版本经过了适配，和内部版本不完全一致。

部署门槛也不低。需要一个专门的GitHub账号给Agent用，Node.js 22.19以上，GitHub CLI 2.48以上，还要在DeepSeek Harness里配置模型提供商。目前只支持github.com。

所以定位很清楚：这是给开发者看“思路长什么样”的参考实现，不是给普通用户“下载就能用”的产品。 但恰恰是这种“把设计哲学也开源”的做法，让它的参考价值超出了代码本身。

六、放在DeepSeek的节奏里看：技术叙事和资本叙事撞在了同一周

10月30日，DeepSeek第二轮融资的细节曝光：募资1055亿元，投后估值6155亿元，近30家投资者，腾讯和宁德时代是两大主要出资方，长鑫存储、中芯国际、中国移动、中国电信等产业资本也在名单里。国资占比从上轮的2%提升到了27%。

10月31日，Super-agent架构发布。

技术叙事和资本叙事，在一周之内交汇了。这个时间顺序本身就在传递一个信息：DeepSeek在拿到钱之后，第一件公开拿出来讲的事，不是“更大的模型”，而是“怎么让Agent变得可运营”。

这跟行业的大方向是吻合的。OpenAI把Sessions、Agents SDK、Tracing做成一等开发面；Anthropic在补Memory、Compaction、Managed Agents；Google把ADK、Agent Runtime、Memory Bank组织成完整平台。方向都指向同一个目标：把Agent从“一次模型调用”变成“一套可以持续运行的系统” 。Super-agent是DeepSeek对这个方向的回答，而且回答的方式很“DeepSeek”——用计算机系统的经典思想（调度、缓存、存算分离、看门狗），而不是发明新概念。

写在最后

Super-agent最值得记住的，不是某个架构图，而是它承认了一件事：人管不过来。

过去一年Agent产品的繁荣，很大程度上是在给人“加会话”。每多一个Agent，人就多一个窗口要盯。Super-agent把调度从人手里拿走，交给Router；把执行拆给Worker；把异常交给Watchdog。人退回到自己最该待的位置——定目标、做判断、验收结果。

它现在还是一个研究原型，离“每个人都能用”还有距离。但方向是清楚的：Agent的下一个战场，不是比谁的模型更会写代码，是比谁的系统更会管代码。 DeepSeek开源这套架构，等于把“怎么管”这个问题摊开给整个行业看。

至于它能不能变成你手机里那个“帮你管着一群AI”的东西，要看后面的工程迭代。但至少从10月31日晚上开始，这件事有了一个可以讨论、可以复现、可以改的起点。

我是文兰公子，我们下期再见。数码闲聊站