7.3
深览指数
科技腾讯新闻·爱范儿··AI 生成
DeepSeek发布全新Agent架构：AI开始指挥AI干活
DeepSeek Harness团队公开Super-agent架构探索：用Router+Worker双层结构替代传统单Session，让Agent跨平台持续在线、并行多任务、主动响应群聊/GitHub事件。内部实测p95完成时间从29.5分钟降到15.7分钟，但缓存读取Token增加37%，论文直言只是将经典系统思想引入Agent，且长期记忆与提示词注入风险未解。适合关注Agent工程化落地的技术人员。原文 ↗
核心观点
- ▍Super-agent的核心是让Agent从单次会话中解放出来，成为长期在线、跨平台保持上下文、并行推进任务的连续实体，人类只负责定目标和验收结果。
- ▍传统Agent以Session为工作单位，人只能同时跟进3到5个活跃会话，这成为AI能力继续释放的瓶颈；Session应退化为系统内部技术细节。
- 01DeepSeek设计Router+Worker双层架构：Router持续运行、统一接收群聊/GitHub/邮件信息并分派任务，Worker独立执行并可调用Subagent，通过订阅机制减少Router协调开销。
- 02引入投机执行思想：Agent在后台静默复现Bug并准备修复，只有确认问题存在且修复简单时才提交GitHub Pull Request，否则全程保持安静。
- 03模拟实验：单次约300条消息中约20条为有效工作请求，Super-agent的p50完成时间12.4分钟、p95为15.7分钟；中性提示词的传统单Session方案p95达29.5分钟，且五次实验中模型一次都没调用Subagent。
- 04代价是Token开销上升：取消事件直通机制后Router决策量增加约30%，总缓存读取量从2323万增至3177万Token，增幅约37%。
- 05异步ReAct Loop已在DeepSeek Harness中实现但未默认开启；存算分离让执行循环在云端、会话状态存数据库，本地只留轻量daemon，设备离线后任务可续跑。
反方 / 局限
- — 实验使用合成消息和模拟耗时工具，只验证任务调度与协作能力，并未评估真实编码质量。
- — 长期记忆（数周至数月后如何准确恢复历史上下文）仍是难题；云端持续接收消息并访问本地设备，面临提示词注入与服务端入侵风险，可能威胁代码仓库和本地凭据。
- — Super-agent目前只是架构探索和开源原型dsh-superagent-prototype，并非DeepSeek正式产品；团队自认未提出全新理论，只是把任务调度、缓存管理、事件驱动、存算分离等经典系统思想应用到Agent架构。
DeepSeekDeepSeek HarnessSuper-agentRouterWorkerSubagentGitHub Pull Request投机执行存算分离异步ReAct LoopWatchdog提示词注入dsh-superagent-prototype
12 分钟 · 6 卡片 · 11 资料
读原文 →