智能体外循环实践,任务编排、隔离执行与可靠交付的工程化路径

DeepSeek Harness 团队提出的 Super-agent 架构,通过事件驱动的外循环机制,将多任务执行从人工盯会话转向系统自动调度。文章解析其基于 Task/Run/Runner/Trig...

人工智能 阅读量: 1.19万

近期,DeepSeek Harness 团队公开了 Super-agent 架构的设计思路,核心目标是解决一个现实痛点:当多个 Agent 同时运行时,用户仍需在多个窗口间手动切换、记忆各任务进度,导致效率瓶颈。该方案并非提升单个 Agent 的能力,而是重构任务执行的组织方式——将交互与执行分层,由常驻入口接收事件,再派发至隔离的 Worker 执行,从而实现“系统按事件推进任务”,而非“人盯多个会话”。

这一转变的关键在于引入“外循环”(Outer Loop)概念:它不关注单次 Agent 内部的推理循环(Agent Loop),而是将多次独立执行(如开发、审查、返工)串联成一个可追踪、可重复、可交付的闭环流程。外循环的本质是工程化的任务调度系统,其设计逻辑高度借鉴软件工程中的分布式系统思想。

一、四要素定义:Task、Run、Runner 与 Trigger

外循环的最小结构单元由四个对象构成,术语源自 Matt Pocock 提出的“软件工厂”模型,并被 DeepSeek Harness 与得物等团队实践验证:

  • Task:定义一类可重复执行的工作类型,例如“实现需求”“自动审查 PR”“修复回归缺陷”。它相当于一份标准化菜谱,不指向某一次具体执行。
  • Trigger:启动一次执行的事件源,包括工单状态变更、GitHub PR 提交、CI/CD 触发、定时任务,甚至前一次 Run 的完成。
  • Run:一个 Task 在特定 Runner 上的一次具体执行实例,从触发到结束视为黑盒;内部可包含多个 Agent Session,但对外只暴露输入、输出与状态。
  • Runner:一次性执行环境,无论物理机器是否长期存在,Run 结束后其现场即被清理,历史仅能通过工单系统、Git 仓库或调度器恢复。

这种设计带来两个关键约束:第一,Run 不等待人工干预;若需人工判断(如确认修复方案),Run 将记录“待人工介入”状态并终止,后续由人的操作(如提交新 PR)触发新的 Run。第二,执行现场严格隔离——下一次 Run 无法继承上一次的本地上下文,必须从外部系统重建环境,确保可复现性与可审计性。

文章配图

二、调度机制:事件过滤、Orchestrator 与确定性规则

当 Trigger 进入系统后,调度流程分为三步:

  • 事件过滤:先由程序规则剔除明显无关事件(如非目标仓库的 push),再交由轻量级模型判断是否需响应;
  • Orchestrator 分配:接收有效任务,选择空闲 Runner 启动 Run,并实时记录排队、执行与结束状态;
  • 规则约束执行:并发上限、重试次数封顶、去重逻辑等由代码硬性保障;而工单分诊、行动决策与 Task 类型选择则交由模型动态判断。
  • 这一架构使所有关键信息分层留存:需求与决策存于工单系统(如禅道),代码历史存于 Git 平台(如 GitHub),执行状态与排队信息由调度器管理。由此形成单一事实源(SSOT),避免上下文丢失。

    值得注意的是,计算与环境可解耦:Agent Loop 及其会话状态可在云端运行,而代码仓库、内网依赖与凭证保留在用户设备侧,通过轻量通道(如 SSH 或本地代理)执行命令。类似 Cursor 已支持此类混合部署模式,既保障安全性,又提升资源利用率。

    三、实践落地:从工单接入到交付验证

    以 GitHub 为中枢,一条典型交付链路可被完整串起:

  • 任务接入:工单系统(如禅道)中某需求状态变为“开发中”,触发 Trigger;
  • 任务分派:Orchestrator 创建 Run,调用 Firstmate 协同工具分配子任务(如前端实现、接口联调、自动化测试);
  • 隔离执行:TreeHouse 为每个子任务创建独立 worktree,避免污染;ego browser 用于访问业务页面、操作并留存验收截图作为证据;
  • 结果回收与验证:Firstmate 汇总各并行 Run 的输出,调用 sdev 启动本地服务验证功能,再执行 dtis ready 完成交付前检查;
  • 交付与反馈:通过 OMP 查询部署环境,dt-proxy 切换代理目标进行灰度验证;最终将结果写回工单,并触发新一轮审查 Run。
  • 例如,“自动审查 PR”这一 Task 可被反复执行:当 PR #12、#13、#14 相继提交时,系统自动为每个 PR 启动一次独立 Run,执行相同的审查规则,确保一致性与可追溯性。这种“规则定义一次,重复执行多次”的模式,显著降低了人工漏审风险。

    四、可观测性:OpenTelemetry 与 Langfuse 的协同

    一个Task可重复触发多个Run,用于自动审查不同PR

    外循环的可靠性依赖于完整的可观测体系。OpenTelemetry(OTel)作为行业标准,被用于采集每一次 Run 的轨迹(trace)、日志(log)与指标(metric),实现端到端执行链路追踪。例如,可清晰看到某次 PR 审查 Run 中,模型调用了 ego browser 的哪几次操作、耗时多少、是否触发异常。

    Langfuse 则作为专用观测与评测平台,汇聚所有 Run 的执行数据,支持:

    • 失败案例归因分析(如某类 PR 总是误判为高危);
    • 多版本 Agent 对比评测(如新 Prompt 是否提升审查准确率);
    • 长期趋势监控(如平均交付周期是否随 Task 优化而缩短)。

    这套组合使外循环不仅是自动化工具链,更成为一个可迭代、可度量的工程系统。

    五、行业意义与演进方向

    当前多数 Agent 应用仍停留在“单次会话式”交互,而外循环代表了一种向工程化交付迈进的趋势。它将 Agent 从“助手”角色升级为“协作者”——不是替代开发者,而是承担标准化、重复性、高一致性的环节,释放人类专注复杂决策。

    值得指出的是,该模式对基础设施提出更高要求:需要稳定的事件总线、可靠的 Runner 管理、细粒度的权限控制,以及与现有 DevOps 工具链(如 Git、Jira、CI)的深度集成。未来演进可能包括:

    • 更细粒度的 Task 编排语言(类似 Workflow DSL);
    • 基于执行历史的自适应调度策略(如优先处理高频失败 Task);
    • 多 Agent 协作中的冲突消解机制(如两个 Runner 同时修改同一文件)。

    外循环尚未成为主流,但其思路已在 DeepSeek、得物、部分头部 AI 工具链团队中落地验证。随着任务复杂度上升,能否构建稳定、可观测、可交付的外循环系统,将成为衡量 Agent 实际生产力的关键标尺。