DeepSeek发布Super-agent架构：Router与Worker双层设计，内部实例已持续运行

DeepSeek Harness团队10月31日晚在官方公众号发布技术文章《Super-agent设计探索：迈向更自主的Agent系统》，提出名为Super-agent的Agent形态及系统架构。

文章称，随着模型执行单个任务对人力的需求下降，生产力提升的限制逐渐转向人的注意力。

团队观察到，现有主流Agent以单一Session为基本单位，用户并行推进多项工作需要手动切换并维护各会话上下文，一个人通常只能同时跟进3至5个活跃Session；本地Agent还可能遇到单会话同步阻塞、多任务上下文混乱以及设备离线后任务停止等问题。

DeepSeek将Super-agent归纳为四项基础特征：连续、高效、主动和持久。整体架构由双层架构、事件驱动、面向人的交互、计算与状态及环境分离、Watchdog五部分组成。

其中，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具体任务，不直接回复用户，而是将状态和结果汇报给Router，由其统一对外沟通。

在事件驱动机制下，群聊消息、邮件与日程提醒、代码审查评论、CI运行结果等外部信息被称作Trigger。系统先由程序规则过滤，再交由大模型判断是否行动；已分配任务的事件流可由Worker订阅对应Thread，后续事件直接送达Worker，无需每次经过Router。

交互层面，文章提出异步ReAct Loop，将耗时工具调用改为异步的start和stop。团队说明，该机制已在DeepSeek Harness中实现，但尚未默认开启。

长期在线方面，系统将计算与持久化状态放在云端，执行环境可保留在用户本地设备，仅部署负责执行命令和返回结果的轻量daemon，设计上支持BYOM（Bring Your Own Machine）。

此外，独立的Watchdog Session构成外部控制回路，除监控接口报错、状态恢复失败等基础设施问题外，还会通过模型判断Worker是否取得实质进展、执行方向是否偏离目标。

团队公布的初步实验显示，每次实验包含约300条消息，其中约20条为工作请求，每种方案重复运行5次。Super-agent任务完成时间p50和p95分别为12.4分钟和15.7分钟；中性提示下单Session方案p95为29.5分钟。

Router层压力测试中，Trigger到达速率从每分钟约1条升至约40条时，平均批处理大小从1.0增至2.8，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。

团队指出，上述实验基于合成负载和简化环境，主要评估系统调度与协作能力，并不衡量单个任务的实际执行能力。

据悉，团队同时公开了名为dsh-superagent-prototype的原型实现，用于验证技术路线，并非正式产品。

基于该思路构建的内部Super-agent实例已持续运行，参与问题复现与修复、代码审查响应及DeepSeek Harness自身迭代；团队成员在群聊中反馈软件问题时，即使无人主动@，它也能识别潜在缺陷，并在后台尝试复现问题和寻找修复方案。

文章还列出待解决问题，包括Router层如何随任务规模扩展、跨月乃至更长时间跨度的长程记忆、脱离Session后的人机协作方式、不同Agent实例之间的A2A通信，以及安全与隐私保护；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也需进一步应