DeepSeek开源AI系统Super-agent

10月31日晚，DeepSeek Harness团队在官方公众号发表技术文章《Super-agent设计探索：迈向更自主的Agent系统》，配套原型dsh-superagent-prototype同日在GitHub开源，MIT协议。 文章指出，随着模型能力提升，AI完成单个任务已越来越不需要人工干预，但人管理多任务的注意力有限。 现有智能体以单个会话为基本单位，会话之间彼此独立，导致用户并行推进多项工作时，必须手动切换，自己记住每一条上下文。

DeepSeek的解法是给AI分工，一层叫router，是持续运行的全局协调节点，统一接收群聊、GitHub、邮件等多渠道消息，维护共享上下文，把任务分派下去； 另一层叫worker，各自维护独立上下文，并行做问题复现、代码审查、功能开发，必要时可调用Subagent（子智能体）。 这套设计没有提出全新理论，是把计算机系统里的经典工程思想搬到了智能体身上。 事件驱动，让群聊消息、邮件、日程提醒、GitHub评论、CI测试结果都成为触发行动的事件。

存算分离，执行循环放在云端，会话状态存入数据库，本地只留一个轻量daemon（守护进程），电脑离线任务也能继续跑。 外部watchdog（看门狗）负责检查任务是否陷入无效循环并尝试修复。 异步ReActLoop（推理—行动循环）让AI执行耗时任务时仍能响应新指令。 此外，还有一层投机执行，当结果是否会被采用尚不确定时，先在后台提前尝试，有价值再提交，没有就放弃。

文章给了一个内部实例：团队成员在群聊里说“这个项目有BUG”，没有人@它，Super-agent在后台静默复现，确认问题存在并找到简单修复方法后才提交PR（拉取请求），交给人验收。 后续有人在GitHub评论里要求换一种修法，它又能从聊天软件的上下文切到GitHub继续做。 实验数据显示，基于该思路的Super-agent，任务完成时间中位数12.4分钟，95分位15.7分钟，优于带子工具的普通会话。 DeepSeek同时说明，这是基于合成负载与简化环境的初步实验，不是正式产品结论。 产品边界也写在明处。

GitHub上的原型是研究原型，不是正式产品。 目前它主要面向一个GitHub仓库，也可以选择接入飞书。 Super-agent只在被请求、或团队事先写好规则允许时行动，没有结果时不播报过程，没有权限时不擅自行动。 值得注意的是做这件事的团队。 发布者是Harness团队，不是模型团队。 DeepSeek在半年内累计融资规模约1500亿元，钱有去处，它开始输出“怎么干活”； 从过去只交付一个更先进的模型，转向交付一套替人调度、执行、验收的系统。 DeepSeek入场的姿势和前几家不一样。

它把底层Harness开源，模型、工具、技能、会话、沙箱，一切皆插件，MIT协议； Super-agent原型同样开源，并且从自己的研发场景切入，第一个场景是常驻代码仓库的Coding Agent。 文章里有一句是DeepSeek对自己的定位：“系统在底层接管了繁琐的会话管理与上下文同步，使人类得以从具体的执行细节，进一步上移到更高层的决策与验收。 ”这是公司对自己产品的定义，不是对行业的判断。 要检验它，未来得看内部那个实例跑了多久、跑成了什么； 公开发布的原型能不能从“一个GitHub仓库”扩到更多场景。