【DeepSeek又“开源”了，但这次不是模型】10月31日晚上，DeepSeek 的 Harness 团队发表了一篇技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，并同步开源了原型。
注意，这次发布的不是新模型，而是一套"让 AI 指挥 AI 干活"的架构。
瓶颈变了：不是模型不够聪明，而是人跟不过来
DeepSeek 团队在文章里说，随着 AI 承担的工作越来越多，人正在变成"AI 的项目经理"——同时跟进 3 到 5 个活跃会话，来回切换、反复交代上下文。
换句话说，瓶颈已经从"模型能不能做"，变成了"人的注意力跟不跟得上" 。
Super-agent 要解决的就是这个：把任务调度从人手上移到系统层面——人定目标、做验收，AI 负责调度和执行。
核心设计：一个"总调度"加一组"独立工位"
这套架构分两层：
上层是 Router（调度层） ：常驻的全局协调节点，负责接收群聊、GitHub、邮件等消息，并决定谁该干什么。它甚至不执行任何实际任务，只做分派。
下层是 Worker（执行层） ：一组独立执行单元，各自拥有独立上下文，并行处理问题复现、代码审查、功能开发等任务。
精妙的设计叫"订阅 + 直通"：Worker 接手一条 GitHub PR 后，会直接订阅后续评论。有人提新意见时，消息会绕过 Router 直接发给那个 Worker，不用层层转发。
就像你负责一个大需求后，相关消息直接 @ 你，不用找组长再转一手。
最出圈的点：没人 @，它也能主动干活
在传统 Agent 里，没人发消息，AI 就什么也不做。但 Super-agent 把"事件驱动"设计进了底层——群聊、邮件、日程、GitHub 评论，都可以作为"事件"触发 AI 行动。
关键细节有两个：
① 两级过滤。99% 的群聊消息是闲聊，如果每条都让大模型判断，token 会被烧光。做法是：先用程序规则筛掉无关消息，再用大模型判断要不要行动。
② 投机执行 + "静默修复" 。有人在群里反馈某个 bug 时，AI 会先在后台悄悄复现 + 定位 + 尝试修复。如果确实找到简单修法，才提交 PR；否则保持安静。
就像老同事遇到 bug，先在后台默默查一遍，查得出来就提交修复，查不出来也不吭声。
数据：为什么说"快近一半"是可靠的？
DeepSeek 给了个实验：在模拟 300 条消息、20 项工作请求的协作环境里——
Super-agent 完成 20 项请求的中位数是 12.4 分钟
传统单会话的 95 分位是 29.5 分钟
也就是说，Super-agent 比单会话快了近一半。
但要注意代价：取消事件直通机制后，Router 决策次数增加了 30%，缓存读取从 2323 万 Token 涨到 3177 万 Token。所以更准确的说法是：这是用更多 token 换时间，不是"碾压"。官方也强调，实验基于合成负载，没评估真实编码质量。
从 demo 到生产：两个关键细节
很多 Agent 演示都在"实验室环境"里跑。为什么这套被说成"真的在跑起来了"？因为两个工程细节：
① 存算分离。执行循环跑在云端，会话状态存数据库。意思是你电脑关机，任务继续跑。
② Watchdog（看门狗） 。一个独立的监督 AI，定期检查其他 Agent 是否陷入无效循环、偏离目标，发现异常就介入修复。
再配合异步执行机制，这套东西才真正接近"24 小时不下班的员工 + 一个专门盯梢的质检"。
对国产大模型意味着什么？
DeepSeek 官方定位很克制："没有提出全新理论，只是把任务调度、事件驱动、存算分离等经典思想应用到 Agent 架构上。"
但恰恰说明了一件事：国产模型正在补齐"模型之外"的底座能力。
对开发者：你不用再在多个会话间反复交代上下文了，从群聊讨论到代码提交的完整流程，Agent 自己会跟踪
对科普读者：以后评估 AI 产品，光看参数不够了，要看它有没有"主动性"的底层设计——两级过滤、投机执行、Watchdog，会成为新的行业标尺
开源地址：deepseek-ai/dsh-superagent-prototype
留个开放问题：当 AI 能同时管好 10 件事、不用催也不会偷懒时，下一个瓶颈，会不会是"人的注意力"本身？
配资吧提示：文章来自网络，不代表本站观点。
- 上一篇：祥富金融 里斯·詹姆斯, 正在暴露切尔西的阵容短板
- 下一篇：没有了
沪深京行情 实时轮播
热点资讯
