DeepSeek开源Super-agent：会主动找活干
10月31日晚，DeepSeek Harness团队发表技术文章《Super-agent设计探索：迈向更自主的Agent系统》，并同步开源了一个研究原型dsh-superagent-prototype，采用MIT协议发布在GitHub上。这不是一款面向普通用户的正式产品，而是一套关于“更自主的智能体该怎么工作”的架构探索：让一个智能体持续在线、并行处理多项任务，并在规则允许时主动发现问题、提出解法，而不是每次都等人类下指令。
事件详情：一个为整个团队工作的编码智能体
根据项目README，公开的原型是一个“面向单个GitHub仓库的主动式编码智能体”，以套件形式运行在DeepSeek Harness之上。它会监听GitHub，也可以选择接上字节跳动旗下的办公通讯软件飞书。经授权的人员提出工作请求后，它会创建工作项，在独立的会话和目录中执行任务，再回到原对话中交付结果，典型的交付物是一份包含代码修改建议的拉取请求。
更值得注意的是内部版本的能力。据团队介绍，其内部实例已经在日常研发中运行：它会持续读取公开群聊中的反馈，判断某个被报告的问题是否属实、尝试复现、找到解法后直接提交拉取请求，而不需要有人在群里点名呼叫它。也就是说，智能体的角色从“被问一句、答一句的助手”，变成了“常驻团队里的初级工程师”。
架构解析：把会话管理从人手上移到系统层
DeepSeek指出，当前编程智能体的瓶颈往往不是模型能力，而是人类注意力：一个人通常只能同时跟进3到5个活跃会话，任务一多，管理会话、同步上下文的负担就超过了执行本身。Super-agent的解法，是把会话管理和上下文同步从人手上移到系统层面——人负责定目标和验收，调度与执行交给系统。
为此，架构拆成Router和Worker两层：常驻的Router作为全局协调节点，统一接收群聊、GitHub、邮件等渠道的消息并分配任务；多个Worker各自拥有独立上下文，并行处理问题复现、代码审查、功能开发等不同任务，必要时还能调用Subagent。支撑这一设计的还有五大模块：双层架构兼顾连续交互与高效并发，事件驱动实现主动响应，异步多信道交互让智能体在执行耗时任务时仍能响应新指令，存算分离让执行循环放在云端、会话状态存入数据库、本地只留一个轻量守护进程（电脑离线任务也能继续），外部Watchdog则负责检查任务是否陷入无效循环并尝试修复。
与“越自主越好”的直觉不同，这套架构给主动性上了锁。它的设计原则是“尽量少占用人的注意力，尽量多创造价值”：只在被要求、或团队写下的规则允许时行动，也只在有人必须采取行动、或能用上结果时才发言。接单模式分三档：off模式下推断出的工作一律不列为候选；observe为默认模式，只把判断该接的工作记录为“会接受”，实际并不接手；auto模式下判断该接就直接接下。DeepSeek建议团队从observe开始，审阅记录下来的决策后，再切换到auto。
实验数据：更快，但要看清前提
在一组模拟实验中，团队构造了约300条消息、约20项工作请求的协作环境，每种方案重复5次。结果显示，Super-agent在12.4分钟内完成了一半任务，95%的任务在15.7分钟内完成；而传统单会话方案在中性提示下，95分位完成时间达29.5分钟，且五次实验中模型一次都没有调用Subagent。另两组对照也值得参考：取消事件直通机制后，Router决策数增加约30%，缓存读取量从2323万增至3177万Token；Router批处理则把单个决定分摊的推理时间从6.4秒降到1.6秒。
但这组数据只能当作“可行性信号”，不能当作产品结论。首先，它是DeepSeek自己的模拟实验，基于合成负载与简化环境；其次，实验没有评估真实编码质量；第三，速度提升某种程度上是“拿更多Token换时间和稳定性”。团队在文末也坦言，他们没有提出全新理论，只是把任务调度、事件驱动、存算分离等经典计算机系统思想用到了智能体架构上。
边界提醒：研究原型，不是正式产品
DeepSeek在README开头就明确标注：这是“仅供参考的研究原型，不是DeepSeek的正式产品”。公开版与内部版本、以及设计文章描述的实现并不完全相同，文章讨论的部分设计属于未来开发方向，原型并未实现。代码源自团队的日常开发工作，不少工程工作本身就是由编码代理完成的，因此“可能仍有错误，程式风格与工程做法也可能不一致”，应视为研究代码而非可直接上线的软件，使用前需要审阅和调整。
部署门槛也印证了这一点：团队需要为智能体另开一个专用的GitHub账号，不能用操作者本人的账号，因为智能体写下的所有内容都会以这个账号的名义出现；运行环境要求Node.js 22.19或更高版本、GitHub CLI 2.48或更高版本，且仅支持github.com，不支持GitHub企业服务器版。尽管如此，该仓库上线不到一天就收获了数千个Star，说明开发者社区对“更自主的编码智能体”这一方向兴趣浓厚。
背景分析：瞄准Claude Code，也踩在Harness的肩膀上
Super-agent建立在DeepSeek Harness之上。Harness是DeepSeek今年5月组建专门团队打造的软件框架，包在大型语言模型外层，负责协调任务与串接外部工具，并于8月以MIT协议开源了开发者预览版。类似的“脚手架”思路也被Anthropic的Claude Code采用，这也是彭博社将此次发布解读为“正面挑战Claude Code”的原因：双方争夺的不仅是模型能力，更是“谁来定义编程智能体的工作方式”。
时间点同样耐人寻味。Anthropic在10月底公开递交了S-1招股书，计划以代码ANT登陆纳斯达克，成为首家冲刺上市的头部AI公司；DeepSeek则在最新一轮融资中筹得约1000亿人民币（约150亿美元），同样在为上市铺路。开源Super-agent原型，既是一次技术路线的公开验证，也是一次面向开发者社区的人才与生态争夺。
影响与展望：竞争从“单会话更强”转向“系统层接管”
如果说过去一年编程智能体的竞争焦点是“单个会话里能写多难的代码”，Super-agent代表的方向是“一个智能体能否像团队成员一样持续在线、同时推进多件事”。对开发者而言，MIT协议意味着可以检查、修改、自托管这套代码，并自行选择底层模型，这对希望把智能体接入内部流程的团队很有吸引力；对行业而言，Router-Worker分层、事件驱动、存算分离等设计一旦被验证有效，很可能被更多编码工具借鉴。
但落地仍有几道坎：权限与安全上，主动监听群聊、自动提交拉取请求的能力必须配上严格的授权与审计，否则“主动”很容易变成“添乱”；质量上，真实编码质量、长周期任务的稳定性仍待独立评估；工程上，研究原型与生产系统之间还有相当距离。务实的路径是先以observe模式小范围试点，审阅智能体的接单决策记录，确认其判断可靠后再逐步放开到auto。Super-agent未必会立刻改变开发者的日常工作，但它指出了一个明确趋势：下一代编程智能体的战场，正在从“回答问题”转向“管理任务”。