大模型能力持续抬升，单任务Agent已经可以独立完成代码编写、问题排查、文档生成等复杂工作。但一个极易被忽略的矛盾正在显现：模型可以并行，人的注意力却无法并行。10月31日晚间，DeepSeek Harness团队在官方公众号发布《Super-agent设计探索：迈向更自主的Agent系统》，抛出一个极具产业穿透力的判断：在多任务、团队协作场景下，Agent系统的上限，已经不再是模型能力，而是人的注意力。基于这一判断，DeepSeek提出Super-agent架构，通过一套融合经典分布式系统思想的设计，让底层系统接管会话管理、上下文同步、任务分发与异常自愈，把人类从细碎的执行调度中解放出来，上移至目标定义、决策判断与结果验收的更高层级。

一、行业困局：模型变强之后，人成了新瓶颈

当前主流Agent的基础运行单元是会话（Session）。无论是单轮ReAct循环、工具调用Agent，还是多Agent团队方案，底层逻辑大多遵循“一条会话承载一条任务”的模式：用户发起指令，Agent在独立会话内完成规划、工具调用、反馈迭代，直至任务结束。

这套模式在单任务场景下成立，却在规模化协作中暴露硬伤。当一名研发人员同时启动多个Agent，分别处理Bug复现、代码评审、功能迭代、文档修订时，他必须手动维护多个会话的上下文、跟踪每一条任务进度、在不同对话窗口之间转述背景信息、判断新消息归属哪一条任务流。行业观测显示，人类稳定跟进的活跃会话通常仅为3至5个，一旦超出这个区间，上下文丢失、任务串扰、遗漏反馈的概率快速上升。此时，模型的推理能力不再是约束，人的注意力带宽，成为整个Agent集群的吞吐量上限。

很多团队尝试用多Agent组队、增加子Agent的方式解决并发问题，但这类方案大多只是把“多窗口切换”包装成虚拟团队，仍然需要人类作为最高层协调者，持续介入任务同步、冲突消解、上下文对齐。也就是业内所说的“调度税”：Agent可以廉价生成，但任务闭环、对齐、验收的成本，全部串行压在人身上。

DeepSeek Harness团队在内部研发场景中看到了这一痛点：在研发群聊、GitHub PR、CI流水线、邮件等多信道交织的环境里，大量事件持续产生，很多具备处理价值的信号，因为没有被@、没有被单独开会话，直接流失；而当人工主动拉起多个Agent，又会陷入被消息轰炸、不停切换上下文的状态。Agent越能干，人的协调负担反而越重。

Super-agent的起点，不是追求更强的模型推理能力，而是重构Agent的运行范式：不再把Agent当成等待指令的会话，而是构建一套持续在线、感知环境、自主调度、持久运行的任务系统，让系统承担原本属于人的调度工作。

它定义了四个核心目标：连续（Continuous）、高效（Productive）、主动（Proactive）、持久（Persistent）。跨渠道交互保持上下文连续、多任务并行互不阻塞、主动识别环境事件触发工作、长期在线并具备故障自愈能力，这四个特征共同构成Super-agent区别于传统Agent的底色。

二、架构内核：Router与Worker双层分离，重构Agent的权责边界

Super-agent最核心的设计，是Router-Worker双层架构，这也是整套系统所有能力的基础。它把全局协调和任务执行进行刚性拆分，避免调度逻辑和执行逻辑混杂在同一个Agent循环里，这也是它和传统多Agent团队方案最本质的差异。

Router是常驻的全局协调节点，是人类唯一的统一交互入口。它接收来自IM群聊、GitHub、邮件、CI系统等多信道的外部事件，维护全局任务图谱、任务之间的关联关系，负责新任务的识别、分派、汇总结果，并统一对外和人类沟通。Router本身并不下场执行复杂任务，甚至可以搭载轻量模型，它的核心价值是“协调”而非“干活”，避免被繁重的工具调用、长时推理拖垮全局调度能力。

Worker则是隔离的执行单元，每一个Worker对应一条独立任务，拥有独立会话上下文、独立工具环境，配备更强的模型，负责具体的问题复现、代码开发、调试、评审等执行工作，Worker不直接向用户输出消息，所有状态变更、中间结果、最终交付物，统一向上汇报给Router，由Router汇总后给到人类。

双层架构带来一个关键优化：事件订阅直通机制。当Router把一条Thread（同一事项的事件流，例如同一个PR、同一个群聊问题）分配给Worker之后，这条Thread后续产生的评论、CI结果、变更消息，会沿着订阅关系直接路由到对应Worker，不再经过Router二次判断。这一设计大幅降低Router的负载，解决大量并发任务下调度层成为瓶颈的问题，实现任务流的轻量化持续跟进。

这套分工，相当于给人类配备了一个稳定、不会遗忘的项目经理。人类只需要和Router这一个入口交互，不需要记住每个Worker的会话、不需要在不同任务之间搬运上下文；Worker在隔离沙箱里并行推进，任务之间互不干扰，不会出现上下文污染、工具调用冲突。

三、事件驱动与异步多信道：从“人发指令”到“环境触发工作”

传统Agent是指令驱动：用户主动输入Prompt，Agent才启动循环，没有指令就保持静止。而Super-agent切换为事件驱动范式，外部环境产生的各类信号，被定义为Trigger，作为系统的原生输入源，替代单一的人工指令。

Trigger覆盖研发协作全链路：群聊里的问题反馈、GitHub的PR评论、Issue更新、CI流水线报错、邮件通知、日程变更等。但开放环境噪声巨大，不可能把所有事件直接送入大模型，为此Super-agent设计两级过滤的快慢路径：第一层是规则层的快过滤，依靠白名单、来源、权限、关键词等程序规则直接过滤无关噪声；通过快过滤的事件，才进入第二层模型慢过滤，由模型判断该事件是否具备处理价值、是否需要启动Worker执行任务。

这也是它可以做到“无人@也能干活”的底层逻辑。在DeepSeek内部的落地场景中，当团队成员在群聊中反馈一个前端误触Bug，没有任何人主动召唤Agent，系统识别这条事件、判定具备修复价值，自动拉起Worker，在后台复现问题、定位代码、生成修复方案，完成后再向Router汇报，由Router统一交付PR和说明。在整个过程中，人类不需要发起任何指令，只需要等待验收结果。

配合事件驱动的，是异步多信道交互。Super-agent的交互链路是异步非阻塞的：一个长耗时任务启动之后，不会阻塞Router接收新事件、启动新Worker。用户可以在任意渠道随时下发新需求，系统不会因为某一个Worker正在调试代码而拒绝新任务。同时依托Inline & Spill、链式召回（Chain of Recall）机制，系统做上下文分层管理：高频信息留在上下文窗口，低频、大容量历史数据外存，当任务回溯时，沿着Trigger、Thread、Session的引用链按需召回历史信息，平衡上下文窗口预算和信息完整性，解决长任务上下文膨胀的痛点。

异步多信道的价值，是把Agent从“同步对话窗口”的形态里解放出来。人和Agent不再是一问一答的串行对话关系，而是持续、多通道、非阻塞的协作关系。

四、存算分离与外部Watchdog：面向长期运行的自愈体系

长期运行的自主Agent，会遇到两类故障：一类是基础设施故障，进程崩溃、网络中断、本地设备离线；另一类是Agent特有的逻辑故障，程序没有报错，但Worker陷入无效循环、反复调用工具、偏离原始目标，持续消耗算力却无法产出有效进展。后者是普通监控系统很难识别的问题，也是自主Agent规模化落地的一大隐患。

DeepSeek给出的方案是存算分离，叠加独立外部Watchdog。

存算分离，将计算、状态、执行环境三者解耦。任务状态、会话历史、任务元数据统一持久化存储，和模型计算、本地执行环境分开。这意味着Worker的执行可以跨设备、跨环境：本地电脑离线，任务状态不会丢失，云端可以接续执行；计算资源可以弹性调度，不受单一终端算力约束，支撑Agent持久在线运行。

而Watchdog是独立于主Agent系统之外的监控组件，它不参与任务规划和执行，只做两件事：一方面监控基础设施存活状态，处理崩溃、超时、断连；另一方面评估Worker的进展有效性，判断任务是否卡在无效循环、是否偏离目标。一旦判定异常，Watchdog可以触发自动恢复、重置Worker，或者向上告警，提请人工介入。它解决了一个核心命题：持续运行的自主Agent，监控的目标不只是“有没有在跑”，而是“有没有在有效推进”。

这一组设计，大量借鉴了操作系统、分布式系统里看门狗、状态持久化、解耦调度的经典思想，DeepSeek团队在文章中明确提出：当目标是构建持续在线、响应环境事件的Agent系统，计算机领域数十年积累的系统设计范式，同样可以迁移到Agent Runtime之上。Agent不再只是模型应用，而是一套分布式并发系统。

五、价值边界：Super-agent不是万能体，它重新定义人机分工

必须厘清，Super-agent不是一款成品产品，而是一套面向工程实践的架构探索，配套原型以MIT协议开源，目前仅在DeepSeek Harness内部研发场景持续验证，聚焦编码协作、Bug响应、代码审查场景，并非面向通用场景的商用Agent产品。同时它自带明确的取舍：为了接管调度、维持多任务上下文，多Session并发设计会带来更高的Token消耗，它本质上是用算力开销，换取人类稀缺的注意力资源。

更值得关注的是它的人机边界设计。自主性不等于无约束。Super-agent遵循克制原则：仅在用户明确请求、或者预先约定的规则范围内主动行动。后台自动执行的动作、高风险操作，最终仍然保留审批节点，没有授权不会擅自提交变更、发起高风险操作。“主动”和“越界”之间，由规则和审批机制划定红线，这也是自主Agent规模化落地不可缺少的安全底座。

放到整个Agent产业脉络中看，过去两年行业竞争主线是模型能力、工具调用、规划能力、多Agent协作；而Super-agent打开了新的竞争维度：Agent Runtime与调度系统。当模型能力逐步收敛，谁能更好地承接并发任务、接管人的调度负担、稳定可靠地长期运行，谁才能把Agent从单点玩具，变成可以嵌入团队日常工作流的基础设施。

它回应了一个越来越重要的产业命题：Agent化的终极目标，不是让AI替代人做所有事，而是重新分配负载。适合机器的会话同步、状态跟踪、任务分发、循环重试，交给系统；适合人的目标权衡、价值判断、验收决策，留给人。

结语

DeepSeek Super-agent的信号，远不止一个新Agent架构。它标志着Agent发展进入一个新阶段：行业的矛盾，从“模型能不能完成任务”转向“如何让多Agent协同不压垮人”。

在这套架构之下，Agent不再是依附聊天窗口的单次执行工具，而是常驻在工作流里、感知环境、自主调度、具备自愈能力的持续任务系统。Router-Worker的分层、事件驱动、异步信道、存算分离、外部Watchdog，共同搭建起一套面向人的注意力稀缺问题的系统解法。

未来的Agent竞争，会逐渐分化为两条主线：一条是模型本身的推理、规划、工具能力；另一条就是Runtime调度、持久化、并发治理、人机协同架构。Super-agent的探索，是在后一条赛道上，给出了一份来自工程实践的参考答案。