miranda DeepSeek Harness 团队近日发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，介绍了一种正在探索的 Agent 架构。在 DeepSeek 的设想中，未来的 Agent 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，并根据外部环境的变化主动采取行动。团队表示，这目前仍是面向工程实践的架构探索，部分设计已通过开源原型实现，并不是 DeepSeek 正式推出的独立产品。
从会话窗口里解放出来
文章提到，当前多数 Agent 仍以 Session（会话）为基本工作单位。用户需要在不同窗口之间切换，记住各自的任务背景，并持续跟进进度。按 DeepSeek 团队的观察，一个人通常只能同时跟进 3 到 5 个活跃会话。即便通过 CLI、MCP 等工具让 Agent 接入更多平台，单会话串行执行、多任务上下文混乱、本地设备离线后任务中断等问题依然存在。为此，他们提出 Super-agent 的构想，希望让 Agent 成为一个长期运行、跨平台保持上下文、并行推进任务的连续实体，需要具备跨会话连续交互、多任务并行、主动响应环境事件以及长期在线和异常恢复四项能力。
Router 统筹，Worker 执行
在架构上，DeepSeek 设计了双层结构：Router 是持续运行的全局协调节点，统一接收群聊、GitHub、邮件等平台的信息，判断任务如何分配，并维护跨任务的上下文；Worker 负责具体执行，各自拥有独立上下文和工具能力，可以分别承担问题复现、代码审查、功能开发等工作，必要时还能调用 Subagent。任务完成后，Worker 把关键结果汇报给 Router，由 Router 统一与用户沟通。为了减少协调开销，系统还引入订阅机制：某个 Worker 接手 GitHub Pull Request 后，后续评论和状态变化可以直接发送给它，不必每次经过 Router 重新分配。文章认为，Router 主要负责信息理解和任务分派，相对轻量的模型也可能胜任，能力更强的模型则用于复杂任务执行。
已经在内部试用
DeepSeek 表示，已基于 DeepSeek Harness 构建了一套内部 Super-agent 实例，用于日常研发协作。例如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、寻找修复方案，甚至直接提交 Pull Request 等待开发人员审查。同一项任务还可以在群聊和 GitHub 之间连续推进：开发者在评论中修改要求后，Agent 能理解前后变化并调整执行方向。团队也提到，传统 Agent 让用户手动管理会话，很大程度上延续了大模型 API 的设计习惯，随着能力提升，会话应当逐渐成为系统内部的技术细节。
