10 月 31 日，DeepSeek Harness 官方团队发布《Super-agent 设计探索：迈向更自主的 Agent 系统》，提出一套名为 Super-agent 的架构设计：上层 Router 负责与人沟通和分派任务，下层多个 Worker 在隔离会话里并发干活。团队同步放出了名为 dsh-superagent-prototype 的原型实现，并明确表示这是技术路线验证，距离正式产品还有距离。
瓶颈转移：从模型能力到人的注意力
DeepSeek 在文中的判断很直接：模型执行单个任务时越来越不需要人的干预，真正限制生产力进一步提升的因素正转向人的注意力。现有主流 Agent 以单一会话为基本单位，互相独立，用户并行推进多件事时得手动切换、逐个维护上下文。
按团队观察，一个人通常只能同时跟进 3 至 5 个活跃会话。即便通过 CLI、MCP 或外部连接器扩展本地 Agent，也绕不开三个老问题：单会话同步阻塞、多任务上下文混乱、本地设备一离线任务就停。Super-agent 要解决的，正是这几个结构性约束。
双层架构：Router 对外，Worker 对内
设计文档把 Super-agent 归纳出四项基础特征：连续、高效、主动、持久。连续指用户可以在即时通讯、GitHub 评论等不同渠道与同一个 Agent 交互；主动指系统持续观察环境事件并自行推进值得处理的事项；持久要求 Agent 始终在线，并能在长期运行中从异常状态恢复。
架构上，Router 层承接人类交互、维护全局上下文并分派任务；Worker 层在相互隔离的会话中并发执行，不直接对用户说话，状态和结果统一交回 Router 对外输出。事件驱动机制把群聊消息、邮件、代码审查评论、CI 结果都当作 Trigger，先由程序规则过滤掉大部分无关消息，再交模型判断是否行动。已分配任务的事件流可以让 Worker 直接订阅对应 Thread，后续相关事件直达 Worker，不必每次绕经 Router，路由负载随之下降。
主架构之外还挂了一个独立的 Watchdog 会话，除了监控接口报错、状态恢复失败等基础设施问题，还会用模型判断 Worker 是否取得实质进展、执行方向是否跑偏，发现异常时介入修复。
实验数据：快了一倍以上，短板也明牌
初步实验对比了 Super-agent 与单会话加 Subagent 等方案，每组约 300 条消息、其中 20 条工作请求，重复运行 5 次。Super-agent 的任务完成时间 p50 为 12.4 分钟，p95 为 15.7 分钟；中性提示词下的单会话方案 p95 达 29.5 分钟。Router 压力测试里，Trigger 到达速率从每分钟约 1 条提到约 40 条，单个决定分摊的推理时间从 6.4 秒降到 1.6 秒，团队据此认为事件突发时合并积压反而能提高有效吞吐。
团队同时把短板摊开来讲：Router 层如何随任务规模扩展、跨月级的长程记忆、不同 Agent 实例之间的 A2A 通信，以及云端 Agent 接入本地设备后的提示词注入、端侧凭据泄露和跨设备权限风险，都还没有答案。异步 ReAct Loop 这类耗时工具调用异步化机制，已在 DeepSeek Harness 中实现，但尚未默认开启。
写在最后
这份设计最有意思的地方，在于把组织学的问题带进了 Agent 工程：谁对外发言、谁埋头干活、谁负责盯梢。模型能力趋同之后，调度与协作的效率会成为下一个竞争维度。DeepSeek 把架构、实验数据和原型一起放出来，等于把考卷抄送给了全行业，接下来的比拼就看谁先把这套思路跑进产品。
配图说明：本文封面为 AI 生成图像。
参考：DeepSeek Harness 团队《Super-agent 设计探索：迈向更自主的 Agent 系统》、IT之家《DeepSeek 提出 Super-agent 架构设计》报道，本文为基于公开信息的独立评述。