一个人盯不住第六个会话:读 DeepSeek Super-agent
DeepSeek Harness 团队(下面称 DSH)10 月 31 日发了《Super-agent 设计探索:迈向更自主的 Agent 系统》,并放出配套原型。我没有在发布后一小时内转述。这类文章的成本在消化,不在复述。大号半小时就能发出去,我对着架构和实验表多看了几遍,今天才写成。
值得慢读的不是又一个 Agent 名词。他们把会话共享、缓存、fork、文件系统、存算分离和外部控制回路,搬进了现在这套「一个会话干一件事」的用法里。
人已经不该再当会话调度器
DSH 的起点和我自己的感受一致。近一年模型变强,多 Agent 也能把一段执行跑完,人从底层执行往上撤,留在决策和验收。今年早些时候的 OpenClaw 一类工具,现在被收成一个说法:Personal Agent。
Personal Agent 本身没有多少新理论,无非是更好用、延迟更低。卡住的是规模。主流做法仍是一个 Session 一件事,Session 之间相互独立。要并行,就得人手动切。DSH 的观察是,一个人的注意力大约只够 3 到 5 个活跃 Session。我自己同时跑很多会话时也是这个数,第六个开始就记不住谁在干什么,质量一起掉。
两句分开说。单任务的上限看模型。多任务的上限看人的注意力。
MCP 把工具接宽了,接不掉另外两件事:上下文搅在一起,以及单个会话里的同步阻塞。你还是得自己记得切。
Super-agent 要打的就是这一层。Agent 不再绑在某一次手开的 Session 上。它跨会话保持上下文,同时把多件事往前推。系统在底层接管上下文和并发,用户侧始终看到一个入口。Session 不该是用户的负担。很多多 Agent 产品其实仍把用户当成项目经理,这条路从用户侧就是反的。
四个词,一个 ReAct 循环给不了
DSH 用四个词描述这套系统:连续、高效、主动、持久。
他们自己的内部实例跑在 DeepSeek Harness 上。同一次开发可以在 IM 和 GitHub 之间接着做;群里没人 @ 它,它也会看反馈,先定位原因,再开 Pull Request。连续,是同一个人设跨渠道还在;高效,是上一件事没做完也能接新指令,多件事并行;主动,是环境事件来了它自己判断要不要动;持久,是换机器、出异常,任务还在。
我前几天写过 Claude Code 现在的玩法。那篇管的是一件任务内部:单 Agent 加 Main Loop,能收成流程的 subagent 收成 Skills,系统读写交给 Tools 和 MCP,必须留下的 subagent 再由主 Agent 当工具调用。担心的是多个专家来回交接,信息和延迟一起丢。
DSH 这篇是另一轴。一组任务怎么长期并行,同时让人少盯着。前者收任务内部的推理结构,后者组织跨任务的执行。两篇可以对着看,不是同一层的答案。
yetone 做 Magpie 时公布过自己的工作流,可以看成这件事的个人版:三个 /loop,一个看 GitHub 要不要修,一个看 X 上有没有反馈,一个看代码要不要收拾。我自己用 /loop 连续迭代过 72 小时,最后几乎不能用。循环能盯,盯出来的东西没有共享上下文,没有订阅,也没有人负责把结果交回同一个入口。DSH 的判断是,单个 ReAct Loop 撑不起那四个词,还是得从计算机底层切。
五个模块:双层架构、事件驱动、多通道交互、计算 / 状态 / 环境分离、Watchdog。
双层:Router 只分发,Worker 才干活
全部塞进一个 Session,连续性强,吞吐差,执行也被新消息反复打断。Session 开够,吞吐上来,任务就裂开,还可能好几个会话分别回复你。
所以拆成两层。
Router 常驻,是全局路由。所有入口的人话进这里,跨任务的信息和决定也在这里汇总。它不执行具体任务,原文甚至说可以不配 Bash。从角色看它是秘书,不是项目经理。Agent Teams 里的 Team Lead 还要管任务细节,这里的 Router 只做分发。这一层的活比预想的简单,轻量模型往往就够,换的是速度。Router 自己也可以是多节点,但节点之间做的仍是分发,不是干活。
Worker 彼此上下文隔离,挂完整的执行工具,用能力最强的模型,在自己的上下文里做一件事。代码质量由这一层决定,所以模型不能省。Worker 之间不互相通信,状态和结果汇报给 Router,由 Router 统一对外说。一个 Worker 碰到复杂任务,还可以再 fork subagent,自己变成一个小的 Agent Team。
多件事同时在跑时,各干各的。用户不再被要求记得自己开了哪些会话。
事件驱动:大多数消息不该见到模型
日常用模型是拉的。你写一条 prompt,它答一条。Super-agent 把群消息、邮件、日程提醒、代码评审评论、CI 结果都叫做 Trigger。有触发器,它才能自己发现事情,而不是干等下一条指令。
一条事情从发现到处理,过四步:过滤、路由、组织上下文、提前行动。
接进真实环境之后,大多数事件没有行动价值。降噪有两层。第一层是程序策略,快,用规则把噪音丢掉。这一层应该吃掉绝大多数消息,轮不到模型。第二层是语义策略,慢,留下来的才进 LLM,按写好的策略和当前上下文判断要不要动。
过滤之后,也不该全部再挤进 Router。Router 只负责新任务的冷启动,以及跨任务协调。已经有主的后续消息,程序直接投给订阅读它的 Worker。不然全局路由自己会先被打满。
这里有两套快慢,不要混在一起。
降噪的快慢:规则先筛,模型后判。
投递的快慢:新出现的 Thread 还没人认领,走 Router,这是慢路径;Thread 已经有 Worker 订阅,后来的消息直接投递,这是快路径。
DSH 把具备连续上下文的请求叫做 Thread。一条 Trigger 是一个点,一串相关的 Trigger 连成一条线。一个 Pull Request、一封邮件的来回、一个 IM 话题,各是一条 Thread。图上常见的三条线,可能是同一件事的三个面,也可能是三件并行的事。关键不在它们是不是同一件事,而在一个 Worker 可以同时订好几条。
后面再来消息发给谁,就看有没有人订。没有,Router 判断归谁,建一个 Worker,让它订阅这条 Thread。有了,程序直接投,不再问 Router。
窗口里放什么:Inline 和 Spill
事件进了会话,下一个问题是塞多少上下文。塞多了挤占窗口,稀释注意力。塞少了,模型反复调用工具去读,轮次上去,窗口还是被过程占掉。浪费上下文窗口,就是浪费模型的智能。
他们借了编译优化里的 inline。近期很可能用到的信息,直接内联进当前窗口,省掉一次工具往返。超出窗口预算、或者很少用到的完整内容,Spill 到窗口外,窗口里只留引用或摘要,模型按需再读。手边是工作台,其余进档案柜。
这和操作系统的换页像,但换页的人不同。缺页是硬件和内核做的,程序不用知道自己被换出去了。LLM 没有这个机制。东西被 Spill 出去之后,模型得自己看见那条引用,再决定读不读、读多少。所以同一套 Inline / Spill,换一个模型,效果可以差很多。它要求模型知道自己缺什么。
链式召回,不是一个大记忆库
系统给 Trigger、Thread、Worker 都编了 ID,注入时带上下一跳。这些对象在底层连成一张引用图。
假设你在群里问:昨天那个问题修得怎么样了。Router 手上只有这条消息,消息上挂着 Thread 的 ID。顺着 Thread 找到正在处理它的 Worker,Worker 的状态里又挂着那个 PR 的 Thread ID,再查过去就是修改记录。
它靠的不是一个事先塞满的记忆库,而是一张能顺着 ID 现查的地图。
不确定会不会被采纳,也可以先做
这里还借了投机执行。结果还不确定会不会被用,Agent 也可以按环境信号在后台先试。多花的是后台算力,省的是人的等待和介入。有价值就交付,没有价值就丢掉。
多通道:对话不要被后台堵住
滤完、分完,还要能跟你说话。计算机网络里的全双工,是双向、非阻塞。DSH 用异步 ReAct Loop 做的就是这件事:后台的耗时操作不再堵住前台。上一条命令或任务没结束,新指令也能进。
老的 ReAct 是 run() 发出去,整个循环卡住等结果。你这时再说话,只能排队。异步是 start() 立刻返回已启动,循环继续,工具执行完再把结果送回来。
我特意对过另外两家,能力已经有,叫法不同。Claude Code 的 subagent 分前台和后台:后台的可以和主对话并行,做完用通知把结果带回来;前台的仍会挡住主对话。ChatGPT 在长任务跑着的时候,也可以继续补要求、改约束。
DSH 写明,这套异步任务在 DeepSeek Harness 里已经实现,默认还没有打开。回复也按渠道塑形:即时消息宜短,GitHub 和邮件可以保留结构。同一个人设,不要在每个渠道都倾倒一份执行日志。
计算、状态、环境,拆成三份
这一节我读了三遍。三样东西要分开命名。
计算,是 Agent Loop 正在跑的过程。状态,是留下来的会话记录和任务记录。环境,是真正干活的代码仓库、本地文件和工具链。
三样都堆在一台电脑上,关机就停。换一台电脑,本地环境又没了。
第一步,计算和状态分开。Agent Loop 放进云上可替换的容器,会话状态单独进数据库。容器挂了换一个,状态还在,任务就能续。
第二步,计算和环境分开。很多人的第一反应是把本地环境搬上云。真实环境里有没提交的改动、私有凭据、特定的硬件和工具链。全搬上去,跑出来的往往不是同一份结果,还会带出一串别的问题。所以他们反过来。本地环境不动,端上装一个轻量 daemon,只负责执行命令,把结果送回去。
这就是 BYOM,Bring Your Own Machine。你的个人电脑,甚至一台时不时才上线的机器,都能接进来。云上托管的环境也可以。电脑离线,任务状态不跟着丢。
前提要写在明处。云端和端侧必须互相信任。云端一旦被攻破,连着的机器都危险。这不是一句附注,是这套持久在线的信任边界。
Watchdog:进程活着,不代表还在往前走
要持久在线,存算分离不够,还得能从异常里恢复。长期运行的分布式系统,很难只靠主系统内部逻辑保证自己。需要在主系统外面再加一条控制回路。
Agent 的保活如果只做心跳和进程探测,会漏掉最常见的坏法。很多时候不是进程没了,而是 LLM 的循环死锁了,或者工具还在被调用,方向已经偏了。DSH 另开一个 Watchdog Session,由定时消息驱动。它看接口报错、状态恢复失败这类基础设施故障,也让模型判断每个 Worker 有没有实质进展、是不是在无效打转。发现异常就介入、纠偏。
Watchdog 自己也是一个 Agent Session。人可以问它错在哪里,也可以当场调整。它不是一段看进程在不在的脚本。
实验实际说明了什么
原文的实验是合成负载、简化环境,作者写了仅供初步参考。不要把 12.4 分钟当成生产承诺。
设置大致是这样。用群聊和 GitHub CI 的消息流驱动四种方案。单次大约 300 条消息,其中大约 20 条是工作请求,其余是闲聊、跟进、叫停和 CI 消息。编码工作用一个只消耗时间的工具代替,所以测的是调度和协作,不是代码写得好不好。每种方案跑 5 次。消息间隔和工作时长按四分之一缩放,模型调用耗时不缩放。任务完成时间从工作请求算到结果消息。
| 方案 | p50 / p95(分钟) | 单次读缓存 token |
|---|---|---|
| Super-agent | 12.4 / 15.7 | 2323 万 |
| 去掉订阅直通 | 12.6 / 15.5 | 3177 万 |
| 单 Session + Subagent,中性提示 | 20.4 / 29.5 | 605 万 |
| 单 Session + Subagent,提示优先委派 | 13.8 / 29.0 | 1082 万 |
我更在意表里另外三件事。
第一,中性提示下,单 Session 五次运行一次都没有调用 Subagent。活全堆在主会话里,不停被新消息打断,p95 到 29.5 分钟。改成优先委派之后,五次里有四次委派了,p50 掉到 13.8 分钟,已经接近 Super-agent 的 12.4;剩下一次,模型觉得工作很小,自己做了,尾部仍是 29.0 分钟。提示词是概率约束,能压中位数,压不住尾部。双层架构把「分不分工」从模型的临场判断挪到结构里。Router 不执行,甚至可以没有 Bash。Worker 只接收自己订阅的 Thread。不分派,在结构上就做不到。
第二,去掉直通之后,完成时间基本不变,p95 甚至是 15.5 对 15.7。但 Router 要做的决定大约多 30%,读缓存 token 从 2323 万增加到 3177 万,大约多 37%。在这组负载下,直通不是用来提速的,它省的是 Router 的 token 和推理开销。
第三,Super-agent 单次读缓存 token 大约是中性单 Session 的 3.8 倍,大约是「提示优先委派」的 2.1 倍。原文的说法很克制:用更多 token,换更短、更稳的完成时间。读缓存通常比新输入便宜,账仍然要按自己的模型价格算一遍。多会话不是免费的。
Router 还有一组单独的压测。Router 调真实模型,Worker 用模拟模型,把需要 Router 决策的 Trigger 从每分钟大约 1 条加到大约 40 条。平均批大小从 1.0 升到 2.8,单次请求从 2.5 秒升到 3.9 秒,摊到每个决定上却从 6.4 秒降到 1.6 秒。事件挤在一起,单位决策反而更便宜。
还没被这篇文章回答的
这篇我愿意慢读,是因为它没有再堆一层 Tools 和 Skills 就结束。Tools 和 Skills 解决的是模型在一次任务里怎么动手。动手的上限再怎么抠,最后还是落在一次注意力上。跨任务、长期在线,得换一层系统。
实验没有回答的,我也记在这里。
BYOM 的信任边界怎么收。云端被攻破时,端侧 daemon 能做的最小权限是什么,文章点了风险,没有给机制。
Spill 出去的引用,模型能不能稳定地知道自己缺了。这套设计和模型能力绑在一起,换模型就要重测,不能当成与模型无关的系统优化。
Watchdog 判断「没有实质进展」,会不会把慢但正确的长任务误杀。纠偏的标准如果太急,持久在线会变成持久打断。
原型叫 dsh-superagent-prototype,许可是 MIT。异步任务在 Harness 里已经有了,默认没开。设计文和你今天能打开的默认行为之间,还有一段要自己踩。
原文:DeepSeek Harness,《Super-agent 设计探索:迈向更自主的 Agent 系统》,2026-10-31。英文版见 DeepSeek Harness 在 X 上的长文 Exploring Super-agent Design。上文实验数字均来自该文自报,合成负载,只说明调度,不说明代码质量。
- 点赞
- 收藏
- 关注作者
评论(0)