10 月 31 日，DeepSeek Harness 官方团队发布《Super-agent 设计探索：迈向更自主的 Agent 系统》一文，公开了面向工程实践的 Super-agent 架构设计思路。DeepSeek 的观察是，大模型执行单个任务时越来越不需要人干预，限制生产力进一步提升的因素转向了人的注意力，Agent 系统需要从被动响应指令的单任务工具，演进为持续在线、能够并行处理多项任务的自主协作者。
Router 与 Worker 双层架构
这套架构由双层架构、事件驱动、面向人的交互、计算与状态及环境分离、Watchdog 五部分组成。双层架构把系统划分为 Router 层和 Worker 层，Router 负责承接人类交互、维护全局上下文并分派任务，Worker 在相互隔离的会话中并发执行具体工作，且不直接回复用户，而是把状态和结果汇报给 Router，由后者统一对外沟通。DeepSeek 提到，一个人通常只能同时跟进 3 至 5 个活跃 Session，现有以单一 Session 为基本单位的 Agent 设计已经不够用。
任务完成时间 p50 12.4 分钟
初步实验对比了 Super-agent、去掉事件直通机制的 Super-agent，以及两种提示词配置下的单 Session 加 Subagent 方案。每次实验包含约 300 条消息，其中约 20 条为工作请求，每种方案重复运行 5 次。结果显示，Super-agent 的任务完成时间 p50 和 p95 分别为 12.4 分钟和 15.7 分钟，中性提示下的单 Session 方案 p95 为 29.5 分钟。Router 层压力测试中，Trigger 到达速率从每分钟约 1 条提升至约 40 条时，平均批处理大小从 1.0 增至 2.8，单次请求耗时从 2.5 秒增至 3.9 秒，而单个决定分摊的推理时间从 6.4 秒降至 1.6 秒。
Watchdog 作为外部控制回路
在主架构之外，系统设置了独立的 Watchdog Session，形成外部控制回路。它不仅监控接口报错、状态恢复失败等基础设施问题，还会通过模型判断 Worker 是否取得实质进展、执行方向是否偏离目标，并在发现异常时介入修复。架构同时引入投机执行机制，收到会议邀约后先检查日程冲突、搜集背景资料并准备回复草稿；链式召回机制则让模型沿 Trigger、Thread 与 Worker Session 的引用关系逐步找回历史任务信息。DeepSeek 表示，基于该思路构建的内部 Super-agent 实例已经持续运行，另提供了 dsh-superagent-prototype 原型实现，但明确该插件用于验证技术路线，并非正式产品。
多智能体系统的分层调度思路并非孤例。Kimi Code Desktop 的 Swarm 与 Tower 双层架构做过一次完整拆解。
延伸阅读
- 智能电视广告引不满：用户借助 Claude 等 AI 智能体清理预装应用与追踪功能2 周前
- B站 AI 无限竞技场上线首轮榜单：GPT-6 Astra 登顶，国产大模型前五占三席1 月前
- DeepSeek 涨价靴子落地：8月17日起 V4 Pro 峰值输出 27 元，涨幅最高超三倍3 月前
- AI 制药赛道升温：Anthropic 自建湿实验室并收购 Coefficient Bio，字节分拆实验室完成首轮融资1 月前
继续读
同一批更新里这几篇值得一看：
- DeepSeek 二轮融资 1055 亿元：估值 6155 亿元2026-10-31
- OpenCode 第四阶段：10 美元订阅换 100 美元 DeepSeek 额度2026-10-31
- Zest 短信订餐厅：180 万美元融资的 AI 管家上线2026-10-31