8.0
深览指数
科技微博·机器之心Pro··AI 生成
刚刚，DeepSeek公布下一代agent harness理念
DeepSeek Harness 团队公开 Super-agent 架构思路，核心判断是限制 Agent 生产力的瓶颈已从模型能力转向人的注意力（一人只能并行追踪 3-5 个 Session）。方案把计算机系统经典设计搬到 Agent 上：Router/Worker 双层架构拆分连续性与吞吐、事件驱动的 Trigger 过滤与订阅直通、Inline & Spill 上下文管理与链式召回、计算/状态/环境两层解耦、外部 Watchdog 自愈。消融实验显示 Super-agent p50/p95 完成时间为 12.4/15.7 分钟，显著优于单 Session + Subagent。适合做 Agent 系统与基础设施工程的人精读。原文 ↗
核心观点
- ▍单任务上限取决于模型能力，多任务上限取决于人的注意力——一个人通常只能同时跟进 3-5 个活跃 Session，要突破必须打破 Agent 与单次手动会话的绑定，使其成为跨会话保持上下文的连续实体（Super-agent）。
- ▍面向个人助手与面向软件开发场景的 Agent，若目标都是持续在线、并发响应环境事件，相似的设计约束会导出相似的架构，因此计算机系统中的经典设计思想（Fast/Slow Path、存算分离、投机执行、局部性）可直接迁移。
- 01双层架构把「维护全局连续性」与「高并发执行」拆分：常驻 Router 层统一承接人类交互与任务分派且不配备 Bash，Worker 层上下文隔离、挂载完整工具、只向 Router 汇报，从而在用户侧淡化 Session 的存在。
- 02消融实验（约 300 条消息 / 每种方案跑 5 次）：Super-agent p50 与 p95 完成时间为 12.4 分钟与 15.7 分钟；中性提示下的单 Session 在 5 次运行中没有一次调用 Subagent，p95 达 29.5 分钟。
- 03去掉订阅直通机制后任务完成时间基本不变，但 Router 需要做出的决定增加约 30%，单次实验读缓存 token 从 2323 万升至 3177 万（约 +37%）——直通不提升质量，但显著节省 Router 的开销。
- 04Router 层批处理使其不成为吞吐瓶颈：上一轮推理期间积压的多条 Trigger 会在下一次 LLM 调用中一次性注入，Prefill 阶段并行计算，单次请求耗时增长远慢于批处理大小，因此一定范围内积压越多、单个决定分摊的推理时间越低。
- 05上下文被当作 Cache 管理，用 Inline & Spill 配合局部性：先注入对象 ID 与摘要，再内联时空相邻内容，超限则截断保留续读入口；一致应用后形成按需展开的链式召回，解决 Router 层长程丢失信息的问题。
- 06持久在线分两步解耦：先把 Agent Loop（无状态弹性容器）与 Session 状态（数据库）分离，再将云端 Agent Loop 与重状态执行环境解耦，端侧只保留不存状态的轻量 daemon，支持 BYOM 与间歇在线设备。
- 07团队在内部 DeepSeek Harness 用户群配置「静默复现并修复」策略：群里有人反馈问题时 Agent 先在后台尝试复现与修复，确认问题并找到简单修复方案后才交付，否则全程保持安静。
反方 / 局限
- — 作者承认当前系统以低复杂度运转，很大程度依赖一系列工程与场景简化；超出这些简化范围后，单 Router Session 何时需要水平切分、Worker 之间何时引入直接通信，均无定论。
- — 安全与隐私是最明显的未解风险：云端 Agent Loop 若被服务端入侵或提示词注入攻破，其连接的全部端侧设备都面临被控制风险；即使云端未被攻破，凭据一旦进入模型上下文也可能泄露，需要设计让 Agent 不接触凭据本身即可使用的机制。
- — 本文设计未做端到端安全验证，实验基于合成负载与简化环境（编码工作用一个只消耗时间的工具代替），衡量的是调度与协作能力而非真实任务执行能力，作者自称仅为初步参考。
DeepSeek HarnessSuper-agentRouter 层Worker 层Trigger 事件驱动链式召回（Chain of Recall）Inline & Spill投机执行（Speculative Execution）存算分离（Compute-Storage Separation）Watchdog Control LoopAnthropic 脑手分离BYOM（Bring Your Own Machine）A2A Agent 间通信dsh-superagent-prototypeYujia Qiao
32 分钟 · 7 卡片 · 15 资料
读原文 →