10月31日晚，DeepSeek Harness团队在官方公众号发布技术文章《Super-agent设计探索：迈向更自主的Agent系统》，同日在GitHub开源了配套原型仓库，MIT协议，截至发稿已收获约1.07万颗星。先把最容易误读的部分说清：这不是一次新模型发布，也不是一个你可以马上打开使用的产品，发布物是一份设计文章加一个研究原型。它要解决的问题一句话可以说完：AI单个任务已经能干得不错，但多开几个任务，盯不过来的是人。Super-agent（超级智能体）要做的，就是把"盯"这件事交给系统——一个智能体负责接活派活，多个智能体在后台并发干活，会话切换和上下文同步在底层自动完成，人上移到定目标、做决策、验收结果。第一财经日报GitHub知乎
瓶颈不在模型，在人的注意力
现有主流Agent大多围绕单个执行循环设计，以"一次会话"为单位：人得主动开客户端、发消息、等结果，任务一多就要手动切换并维护上下文。受注意力限制，人通常只能同时跟进3到5个活跃会话，更多就会上下文混乱、认知负担严重；设计文章对此的概括是，多任务上限取决于人的注意力。问题不是模型不够聪明，而是系统把协调成本都压在了人身上。知乎
团队做过一个只换提示词的对照实验，把这个判断钉死。同一模型、同一场景下，中性提示时Agent一次都没有调用子代理，全部自己干，被新消息不断打断，95分位完成时间拖到29.5分钟；换成"优先委派"提示词，5次里4次派了活，剩下1次它判断"这活很小"又自己干了——同样的输入，分工决策5次跑出5种结果。由此得出的结论不是把提示词写得更好，而是"要不要分工"不该由模型临场判断，应该写进系统结构里。知乎
拆开看：这套架构具体做了几件事
调度与执行分层：常驻的Router层负责与人对话、派活，只处理任务之间的高层关联，按团队经验用轻量模型往往就够，甚至可以不配执行工具；Worker层上下文隔离、挂全套工具、通常用最强模型，但没有对用户直接说话的通道，只回报结构化汇报。对外口径统一、减少持有工具的智能体直接外联，用户拿到的是一个结论而不是几份报告。整套架构最核心的约束就一句——Router不许亲自干活。知乎
事件替代提示词：群聊消息、邮件日程、代码评审评论、CI结果作为半结构化事件进入系统。事件流噪音高、触发率低，所以先过规则再进模型——设计文章举例，一天1000个事件，规则可先筛掉约95%，模型调用量降到约二十分之一；已被订阅的任务线程，事件直接投递给对应Worker，不必每次回Router重新判断。知乎
任务不绑定一台机器：执行循环上云、会话状态入库、代码环境留在本地只挂一个轻量驻留程序，工作不再依附于某一次模型对话而存在；机器休眠，任务不停。设计文章把这种解法和Anthropic的"脑手分离"方案做了对照，同时指出场景差异：托管方案面对的是按需沙箱和客户内网，而这里要接的是用户日常在用、可能间歇在线的个人机器，上面还有未提交的修改和本地凭据。异步执行也是同样思路：原型里前台命令5秒后自动转后台，后台任务最长跑30分钟，到点终止并写进汇报，循环不再被慢任务堵死。
主链路之外配监督会话：长期运行的故障大多不是崩溃，而是模型陷入无效循环或偏离目标，因此需要外部Watchdog定时醒来，检查各执行体有没有实质进展、处理基础设施故障，维护者还能用自然语言问它"为什么卡住"。
凭规则授权才动手：仓库README把这套原则写得很直白——只在被要求、或团队写好的规则允许时行动，只在有人必须处理或结果有用时才开口说话。内部群就配置了一条"静默复现并修复"：有人在群里反馈软件问题，即使没有人主动@AI，它也能识别潜在缺陷，在后台先尝试复现和定位，确认问题存在且找到简单修复方案才提交PR，否则全程不发声。GitHub第一财经日报
内部已经在跑，但外部能用到的还很有限
第一财经在报道中转述，基于这套思路构建的内部Super-agent实例已经在持续运行，日常参与问题复现与修复、代码审查响应以及DeepSeek Harness自身的迭代。但内部状态不等于外部可用，传播中最容易混淆的正是这一点。开源出来的是一个原型仓库，README开篇就声明它仅供研究参考、不是DeepSeek官方产品，经过发表适配后既不等于内部版本、也不等于文章里描述的实现，文章中的部分设计属于未来方向、原型并未实现。原型当前瞄准的场景也比标题窄：它是面向单个GitHub仓库的主动式编码智能体，监听GitHub、可选接入飞书，以Harness组件包形式交给开发者自行部署。第一财经日报GitHub
对正在做Agent的开发者，这个仓库的价值更接近"参考实现"而不是"框架演示"：数据库、事件循环、授权、消息投递全部手写，没有套LangGraph之类的框架，运行时依赖只有两个；它把"凭什么可以干、干到哪、怎么停、怎么审计"这些常被含糊过去的问题做成了结构化的数据对象，值得对照源码细读。对普通用户，这件事的意义是一个信号：AI正在从"人盯着用的工具"走向"自己管多任务的数字同事"，人的角色向定目标和验收上移。接下来值得盯的，是它能否从内部实例和原型仓库走到客户端上的产品形态——这次发布的所有材料里，没有给出时间表。知乎
校验提示文案
校验提示文案