瓶颈从模型挪到了人的注意力
10 月 31 日晚，DeepSeek Harness 团队公开了一份设计长文《Super-agent 设计探索：迈向更自主的 Agent 系统》，并在 GitHub 开源原型 dsh-superagent-prototype。
它的出发点不是模型不够强，恰恰相反：单任务智能体已经越来越少需要人介入底层执行，人的角色上移到决策与验收，于是多任务的天花板变成了人的注意力带宽。现有智能体以单次会话为单位，简单扩展会撞上同步阻塞、上下文混乱、设备离线即停这三堵墙。Super-agent 想做的是跨会话保持上下文、并行推进多任务且互不干扰的连续实体。
四个特征是连续、高效、主动、持久。撑起它们的不是更长的提示词，而是五个模块：双层架构、事件驱动、面向人的交互、计算与状态及环境的分离、外部 Watchdog。
一层分派，一层干活
双层是骨架。Router 层常驻，承接所有入口的人机交互，充当全局的序点、协调点与记忆；它不亲自执行具体任务，甚至可以连 Bash 都不配。Worker 层由彼此上下文隔离的会话组成，挂上更强的模型与完整工具链，专注完成单项任务，不直接对人说话，只向 Router 汇报。
这个分工与常见的多智能体团队形态看着像，边界却不同：常见团队里主智能体要深入子步骤、高频协调，推理负载很重；这里的 Router 只处理任务之间的高层关联。论文也点明，与其在提示词里叮嘱模型「优先派活」，不如从架构上剥夺中心节点的执行能力——因为提示词约束不稳定，实测五次里就有一次模型自作主张串行执行，把主线程卡死。
吞吐量靠批处理兜住。Router 的工作是长输入、短输出，事件拥堵时多条 Trigger 会被合并进一次调用，在预填充阶段被并行吃掉：Trigger 到达率从每分钟 1 条升到 40 条时，单次请求耗时只从 2.5 秒涨到 3.9 秒，而单次决定分摊的推理时间反而从 6.4 秒降到 1.6 秒。
事件不再逐条等人下令
驱动系统的输入从人敲的提示词，换成环境里的半结构化事件：群聊消息、邮件与日程、评审评论、CI 结果，统称 Trigger。真实环境里这类事件高噪音、低触发率，所以先走程序层的快路径做确定性准入，再交给模型做语义判断，形成两级过滤。
路由也分快慢。同一个 PR、话题或邮件串下的连续事件构成一条 Thread，Worker 建好后直接订阅它，后续事件由程序直通，不再经 Router 转手。订阅是多对多的：多个 Worker 订阅同一条 Thread 时，它们不必点对点通信就能感知彼此的改动，有机会自己发现并化解冲突。消融实验显示，去掉直通后完成时间基本不变，但 Router 决策次数多约三成，读缓存词元从 2323 万涨到 3177 万——省的是协调开销，不是单任务质量。
上下文被当成缓存管：近期很可能用到的直接内联进窗口，长内容与低频细节换出到外面，只留引用与摘要；各对象带着关联 ID，需要时顺着引用逐跳展开，这就是链式召回。论文那句「浪费上下文窗口就是浪费模型的智能」，说的正是这件事。此外还有一条很实操的准则：即时通讯信道里单次回复限制在 100 词以内，把详细的变更分析留给 PR 与邮件。
四组数字，与它们的前提
实验用约 300 条消息驱动不同架构，其中约 20 条是真实工作请求，混着闲聊、追问、打断与 CI 消息；每种方案重复 5 次，消息间隔与工作时长按四分之一缩放，模型调用耗时用真实值，编码工作被只消耗时间的工具替代。
Super-agent 完整版的任务完成时间中位数与 95 分位是 12.4 与 15.7 分钟，读缓存 2323 万词元；去掉直通后是 12.6 与 15.5 分钟，词元升到 3177 万；单会话加子智能体工具、提示优先委派的是 13.8 与 29.0 分钟、1082 万；中性提示下是 20.4 与 29.5 分钟、605 万。
读法有两层。时间上的优势来自架构硬隔离，而不是模型更聪明；代价是多花读缓存词元，最快的方案约为最省方案的 3.8 倍。这笔账要不要付，取决于团队里词元成本与等待成本哪个更贵。
能长期在线，也得有人盯着它打转
持久这一项靠三层分离：Agent 循环跑在云端无状态容器里，会话与任务状态存进云端数据库，计算可以重启或替换；真正的执行环境留在本地，只跑一个轻量无状态的 daemon，私有凭证与未提交代码不出本地，合盖休眠后重连即续跑，即 BYOM 模式。
自愈交给主回路之外的 Watchdog：由定时信号驱动，定期读取各 Worker 的状态机指标，判断有没有实质进展，一旦发现在同类错误里反复打转就熔断重置；维护者还能用自然语言向它问故障原因，并在不重启主系统的前提下热更新过滤规则。
主动性也有一套克制的写法。群里有人在讨论一个缺陷时，Worker 可以在后台静默拉取代码、复现并尝试修复：修得出来就提交 PR，修不出来就销毁沙盒、全程不出声。原型对推断出来的任务默认采用观察模式，先记录「本来会接什么」，再决定要不要开放自动执行。
边界还没合上
团队自己在文末列了几道暗礁，公开仓库也写得直白，这些比成绩更值得看。实验基于合成负载与简化环境，编码被只消耗时间的工具替代，测的是调度与协作，不能据此判断代码质量。安全边界尚未闭合：云端持续接收不可信事件，同时又连着存有私有代码与凭据的设备，错误授权与提示注入的影响范围随之变大，而仓库明确写着任务目录与命令包装不是安全隔离边界。跨周期的长程记忆衰减也没有解法——链式召回在周度任务里顺畅，跑上几个月后引用图会变稠密，缺少自动剪枝与类似虚拟内存的分级换出淘汰。智能体到智能体的跨域权限边界，在互不共享私有上下文的前提下如何做信任握手，仍属行业空白。
开放出来的原型是 TypeScript 写的，用宽松的 MIT 许可，基于此前开源的 DeepSeek Harness，目录分 router、worker、daemon 与 watchdog，另附九篇设计文档。仓库根还放了一份 SETUP.md，让人直接把它喂给一个编码智能体，由后者当安装向导逐条确认环境配置与信道打通——这个分发方式本身，就是这套架构想法的其中一层注脚。