DeepSeek全新Agent架构亮相——这下AI居然能指挥着AI干活啦！

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》，详细介绍了他们正在探索的 Super-agent 架构。

按照 DeepSeek 的设想，未来的 AI Agent 将不再局限于单个聊天窗口，而是能够持续在线、同时处理多项任务，并根据外部环境变化主动采取行动。

更值得关注的是，DeepSeek 已经基于 DeepSeek Harness 构建了一套内部 Super-agent 实例，并将其用于日常研发协作。当团队成员在群聊中反馈软件问题时，即使没有人主动 @ AI，它也能识别潜在缺陷，在后台尝试复现问题、寻找修复方案，甚至直接提交 GitHub Pull Request，等待开发人员审查。

同一项开发任务还能在群聊和 GitHub 之间连续推进。开发者先在群聊中确定方案，随后又在 GitHub 评论中修改要求，Agent 能够理解前后变化，并调整执行方向。不过，Super-agent 目前仍是一套面向工程实践的架构探索，部分设计已通过开源原型实现，尚非 DeepSeek 正式推出的独立产品。

过去一年，以 Coding Agent 为代表的 AI 工具已经能够独立阅读代码、定位 Bug、运行测试，甚至完成复杂的软件开发任务。

然而，随着模型能力越来越强，另一个问题也开始显现。AI 能够同时完成的任务越来越多，人类管理这些任务的注意力却没有同步增长。

目前，大多数 Agent 仍以 Session，也就是会话为基本工作单位。用户需要在不同窗口之间反复切换，记住各个任务的上下文，并持续跟踪执行进度。

DeepSeek 团队提到，根据他们的观察，一个人通常只能同时跟进 3 到 5 个活跃 Session。即使通过 CLI、MCP 等工具让 Agent 接入更多平台，仍然难以解决单会话串行执行、多任务上下文混乱，以及本地设备离线后任务中断等问题。

为此，DeepSeek 提出了 Super-agent，希望让 Agent 从单次会话中解放出来，成为一个能够长期运行、跨平台保持上下文、并行推进任务的连续实体。

按照文章中的定义，Super-agent 需要具备四项能力，包括跨会话的连续交互、多任务高效并行、主动响应环境事件，以及长期在线和异常恢复。

换句话说，人类可以更多地负责确定目标和验收结果，具体的任务调度与执行过程则交给 AI 管理。

为了实现这一目标，DeepSeek 设计了一套由 Router 和 Worker 组成的双层架构。可以将其理解为一个由 AI 组成的虚拟团队，Router 负责统筹协调，Worker 负责具体执行。

Router 是持续运行的全局协调节点，统一接收来自群聊、GitHub、邮件等不同平台的信息，判断任务应该如何分配，并维护跨任务上下文。

真正执行任务的则是 Worker。每个 Worker 拥有独立的上下文和工具能力，可以分别负责问题复现、代码审查、功能开发等任务，必要时还能继续调用 Subagent。

任务完成后，Worker 将关键结果汇报给 Router，再由后者统一与用户沟通。对于用户而言，面对的始终是同一个 AI 助手；对于系统而言，背后可能已经有多个独立 Agent 同时工作。