中國人工智慧（AI）新創公司DeepSeek持續探索AI代理（Agent）的應用邊界，DeepSeek Harness團隊週六（31日）發布技術文章，提出名為「超級代理」（Super-agent）的新型代理系統架構，試圖突破現有AI助手受限於單一對話工作階段的瓶頸，讓AI能夠長時間在線、跨平台接收指令，並行處理多項複雜任務，甚至在使用者下達指令前主動辨識問題、推進工作。

DeepSeek指出，隨著模型能力提升，個人助理逐漸成為新的應用方向，但目前主流代理仍以單一工作階段為基本工作單位，不同工作階段之間彼此獨立，難以支援多任務及團隊協作需求。

在這種模式下，單一任務的執行能力取決於模型，多項任務的處理上限卻受到使用者注意力限制。

DeepSeek提出的Super-agent，則透過雙層架構、事件驅動、異步多通道互動、存算分離及外部監控機制，將繁瑣的會話管理與上下文同步交由系統處理，讓使用者能從個別執行細節轉向更高層次的決策與成果驗收。

DeepSeek Super-agent 採雙層架構 單任務執行時間縮短近半

DeepSeek表示，Super-agent的核心設計是雙層架構，分為Router與Worker兩個層級。

Router負責接收使用者指令、判斷任務性質及分配工作，同時統整不同管道傳來的資訊，維持整體任務脈絡；Worker則負責執行具體工作，各自處理獨立任務，完成後再向Router回報結果。

這種設計讓不同Worker能夠平行工作，避免彼此干擾，也讓Router統一管理跨Session的上下文資訊。

例如，使用者先在即時通訊軟體（IM）中要求採用方案A，之後又在GitHub Pull Request（PR）留言改採方案B，系統仍能辨識兩項指令屬於同一專案，並據此調整執行方向，不必要求使用者重新交代先前討論內容。

DeepSeek也公布實驗比較結果。在純單一工作階段模式下，任務完成時間的第95百分位數（p95）為29.5分鐘；採用Super-agent雙層架構後，則降至15.7分鐘，縮短近半。

在功能設計上，DeepSeek將Super-agent歸納為四項特徵：

連續性： 使用者可透過IM、GitHub留言等既有工作介面與同一代理互動，不必管理不同工作階段的上下文。

效率： 能夠快速回應，並行處理多項複雜任務，不必等待前一項工作完成才能接收新指令。

主動性： 持續觀察外部環境事件，主動辨識值得處理的事項，不再完全依賴使用者逐一派發任務。

持久性： 長時間保持在線，接入使用者實際工作環境，遇到異常時也能透過系統機制恢復。

事件驅動讓 AI 主動處理問題 兩階段過濾降低無效運算

除了雙層架構，事件驅動也是Super-agent的重要設計。傳統AI助手通常必須等候使用者輸入指令才會開始工作，Super-agent則能持續監控IM群組、GitHub及持續整合（CI）系統等工作環境，接收其中發生的事件，並判斷是否需要採取行動。

DeepSeek將這些外部訊息稱為Trigger。不過，工作環境中存在大量無關資訊，如果每則訊息都交由大型語言模型（LLM）判斷，不僅增加運算成本，也可能影響系統效率。

為此，DeepSeek設計兩階段過濾機制。第一階段是程序層策略（Fast Path），透過程式碼依據訊息來源、群組範圍，以及使用者或機器人白名單等條件進行篩選，將不相關事件直接排除。

第二階段則是語意層策略（Slow Path），將通過第一階段的候選事件交由LLM分析，根據提示詞設定的規則及上下文，判斷是否值得採取行動。

這讓系統不必對所有外部訊息都啟動完整的模型推理流程，也能透過提示詞調整判斷規則。

此外，DeepSeek還引入投機執行的概念，讓代理在正式收到明確任務前，就能根據已出現的事件預先展開工作。

例如，當群組中有人提到某項程式錯誤可能相當嚴重，代理便可先在背景嘗試重現問題、尋找修復方式，讓後續工作更有效率。

存算分離搭配 Watchdog 讓 AI 持續在線並自動監控任務

為了讓Super-agent長時間運作，DeepSeek也採用存算分離設計，將運算與狀態管理拆開。

其中，代理的運算程序部署在雲端伺服器，能夠持續在線；會話狀態則儲存在資料庫中，即使伺服器重新啟動，也不會因程序中斷而遺失。

另一方面，使用者本機的程式碼儲存庫、工具鏈及私人資料不必全部搬到雲端。雲端代理可透過輕量級Daemon程序遠端呼叫本機環境，讓運算與資料存取分別在不同環境中進行。

長時間運作也帶來另一項挑戰，就是代理可能陷入無限循環、任務停滯，或逐漸偏離原定目標。

DeepSeek因此加入外部Watchdog監控機制，負責觀察其他Worker的執行狀態，辨識是否出現異常或偏離方向，必要時介入處理，以提升長時間任務的可靠性。

DeepSeek強調，這套架構並非建立在全新的計算機理論之上，而是將傳統計算機系統中的工程設計應用於代理，包括雙層架構、事件驅動、存算分離及Watchdog等概念。

內部 Super-agent 已投入使用 大規模部署仍有待驗證

DeepSeek表示，目前基於這套設計思路及DeepSeek Harness打造的內部Super-agent，已經持續運作，日常工作包括重現與修復問題、回應程式碼審查，以及協助DeepSeek Harness本身持續更新。

不過，這套架構仍有多項問題有待解決。DeepSeek在文章中也指出，長期記憶如何管理、多個代理如何協作，以及安全與隱私如何保障，都是後續需要持續探索的方向。

此外，文章展示的實驗數據仍來自合成負載，測試規模為300則訊息及20項工作請求，與真實大型團隊的複雜工作環境仍有差距。當系統擴大至更多使用者與任務時，Router是否可能成為效能瓶頸，以及不同Worker之間如何協調任務衝突，都還需要進一步驗證。

DeepSeek認為，隨著模型能力提升，代理系統的主要瓶頸正逐漸從模型本身轉向底層架構。Super-agent希望讓AI從被動等待指令的對話工具，進一步演進為能夠持續在線、主動處理工作，並融入個人及團隊工作流程的自主協作者。

未來，模型能力與系統架構若能同步進步，這種工作模式有望成為人機協作的新常態。