多Agent工作流实践落地分层架构与注意力守护双轨推进

近期多Agent协同工作流实践取得阶段性进展，DeepSeek Harness团队与独立开发者申飞分别提出系统性解决方案，共同应对多Agent并行带来的注意力管理挑战。DeepSeek在《Super-agent设计探索》中构建Router/Worker分层架构：Router作为常驻协调者，统一接收事件、维持任务关联性并分派给隔离的Worker，避免会话混杂与背景重载；该设计已在开源原型dsh-superagent-prototype中初步实现，但仅支持单GitHub仓库与可选飞书接入，强调“克制的主动性”，新增规则需先经观察模式验证。申飞则从个人工作流出发，搭建本地网关系统（8081决策网关、8082模型出口），采用分层路由逻辑：硬规则优先判断，语义任务由本地轻量模型JEV处理，低置信度且获出站许可后才调用云端兜底；任务编排层面，其主机器人feibot仅负责需求接收、授权确认与分派，执行端须返回含结论、验证方法、引擎类型及停止原因的四要素摘要，并通过“任务卡”实现跨会话交接，确保状态与授权不依赖会话记忆。双方共识明确：任务可分派，但状态与授权必须显式化、可追溯，关键动作如外发发布仍需人工核验，“写完≠已审核≠已发布”成为操作铁律。目前两类方案均处于原型验证期，端到端自动化尚未稳定运行，尚无效率对照数据；行业普遍面临环境权限风险、上下文断裂及成本责任模糊三重约束。务实路径建议聚焦高频任务流，明确定义发起人、自动续办条件与人工验收点，并跟踪人为打断次数、端到端耗时及误触发率三项指标，以真实数据评估注意力消耗是否切实降低。