7.3
深览指数
科技虎嗅·字母AI··AI 生成
详解Super Agent：会主动干活，更懂何时闭嘴
DeepSeek Harness 团队于 2025 年 10 月 31 日发布《Super-agent设计探索》并开源原型 dsh-superagent-prototype，提出 Super Agent 概念：用 Router(主管)+Worker(执行者)的隔离架构替代「主 Agent 带子 Agent」，靠 Trigger 触发主动干活、双道筛网过滤噪音。最有反共识的一点是把「闭嘴」当核心能力——尽可能少占用人的注意力，甚至提出「让用户手动管理 Session 是 LLM API 遗留下来的设计惯性」。适合关注 Agent 架构与产品形态的读者。原文 ↗
核心观点
- ▍Super Agent 与普通 Agent 的根本差异不在「更聪明」，而在于主动性与克制：它像正式员工一样记忆跨会话上下文、感知环境主动干活，同时把「少占用人的注意力」当作核心指标。
- ▍DeepSeek 认为用户管理 Session 只是早期 LLM API 延续下来的设计惯性，会话不是正确的产品形态，系统应在背后管理会话，用户只看任务是否办完。
- 01DSH 团队 10 月 31 日发布《Super-agent设计探索：迈向更自主的 Agent 系统》，并在 GitHub 开源原型 dsh-superagent-prototype，但明确其为研究原型而非正式产品，文章里部分设计尚未实现。
- 02Super Agent 将角色拆为 Router(听需求、记背景、决定任务派给谁)与 Worker(持独立上下文、一任务一 Worker 并行开工)，用户只需与最好沟通的 Router 打交道。
- 03DSH 观察单个用户通常只能同时跟进 3-5 个活跃 Session，这一人的精力上限本身就是模型工作效率的瓶颈。
- 04主动性来自 Trigger 机制：群聊报 Bug 等动静经两道筛网处理——第一道是规则(哪些群可看、哪些来源忽略)，第二道由模型用自然语言判断语义，改策略只需改一句提示词。
- 05案例「静默复现并修复」：Worker 在后台复现问题，未复现或修复复杂则保持安静，确认问题且有简单方案才提交 PR 交人验收；任务可跨场景从聊天软件切换到 GitHub 继续推进。
- 06架构上把「大脑」(云端)、任务记录与实际操作电脑分离，云端重启记录仍在；另设 Watchdog 看门狗，不仅监控宕机，还要判断任务是否有进展、方向是否跑偏。
- 07Anthropic 的 Claude Duet(预览版)同样主动读邮件与日历、早晨给简报、每隔几小时检查一次，但发送消息、付款、签署文件、删除内容前必须等人批准。
反方 / 局限
- — Anthropic 在《构建 Agent》一文中主张弄一堆子 Agent 不如单个 Agent 效率高，文章对此仅以「Router 与主 Agent 推理负担不同」作区分，两种架构路线的优劣并未展开。
- — Super Agent 用更多 token 换人的时间与注意力：多 Session 设计带来更高 token 消耗，Duet 的晨报与后台检查同样占用用户套餐额度，成本代价被承认但未量化。
- — 主动性依赖团队预先写下书面规则来划定边界，无人直接请求的任务必须由规则授权——这意味着实际可用性高度取决于组织能否提前写出足够完备的静默策略。
Super AgentDeepSeek Harness (DSH)dsh-superagent-prototypeRouterWorkerClaude DuetAnthropic《构建Agent》梁文锋WatchdogSession
11 分钟 · 6 卡片 · 13 资料
读原文 →