中国人工智能（AI）新创公司DeepSeek持续探索AI代理（Agent）的应用边界，DeepSeek Harness团队周六（31日）发布技术文章，提出名为「超级代理」（Super-agent）的新型代理系统架构，试图突破现有AI助手受限於单一对话工作阶段的瓶颈，让AI能够长时间在线、跨平台接收指令，并行处理多项复杂任务，甚至在用户下达指令前主动辨识问题、推进工作。

DeepSeek指出，随着模型能力提升，个人助理逐渐成为新的应用方向，但目前主流代理仍以单一工作阶段为基本工作单位，不同工作阶段之间彼此独立，难以支持多任务及团队协作需求。

在这种模式下，单一任务的运行能力取决于模型，多项任务的处理上限却受到用户注意力限制。

DeepSeek提出的Super-agent，则通过双层架构、事件驱动、异步多信道交互、存算分离及外部监控机制，将繁琐的会话管理与上下文同步交由系统处理，让用户能从个别运行细节转向更高层次的决策与成果验收。

DeepSeek Super-agent 采双层架构 单任务运行时间缩短近半

DeepSeek表示，Super-agent的内核设计是双层架构，分为Router与Worker两个层级。

Router负责接收用户指令、判断任务性质及分配工作，同时统整不同管道传来的信息，维持整体任务脉络；Worker则负责运行具体工作，各自处理独立任务，完成后再向Router回报结果。

这种设计让不同Worker能够平行工作，避免彼此干扰，也让Router统一管理跨Session的上下文信息。

例如，用户先在即时通信软件（IM）中要求采用方案A，之后又在GitHub Pull Request（PR）留言改采方案B，系统仍能辨识两项指令属于同一项目，并据此调整运行方向，不必要求用户重新交代先前讨论内容。

DeepSeek也公布实验比较结果。在纯单一工作阶段模式下，任务完成时间的第95百分位数（p95）为29.5分钟；采用Super-agent双层架构后，则降至15.7分钟，缩短近半。

在功能设计上，DeepSeek将Super-agent归纳为四项特征：

连续性： 用户可通过IM、GitHub留言等既有工作接口与同一代理交互，不必管理不同工作阶段的上下文。

效率： 能够快速回应，并行处理多项复杂任务，不必等待前一项工作完成才能接收新指令。

主动性： 持续观察外部环境事件，主动辨识值得处理的事项，不再完全依赖用户逐一派发任务。

持久性： 长时间保持在线，接入用户实际工作环境，遇到异常时也能通过系统机制恢复。

事件驱动让 AI 主动处理问题 两阶段过滤降低无效运算

除了双层架构，事件驱动也是Super-agent的重要设计。传统AI助手通常必须等候用户输入指令才会开始工作，Super-agent则能持续监控IM群组、GitHub及持续集成（CI）系统等工作环境，接收其中发生的事件，并判断是否需要采取行动。

DeepSeek将这些外部消息称为Trigger。不过，工作环境中存在大量无关信息，如果每则消息都交由大型语言模型（LLM）判断，不仅增加运算成本，也可能影响系统效率。

为此，DeepSeek设计两阶段过滤机制。第一阶段是进程层策略（Fast Path），通过代码依据消息来源、群组范围，以及用户或机器人白名单等条件进行筛选，将不相关事件直接排除。

第二阶段则是语意层策略（Slow Path），将通过第一阶段的候选事件交由LLM分析，根据提示词设置的规则及上下文，判断是否值得采取行动。

这让系统不必对所有外部消息都启动完整的模型推理流程，也能通过提示词调整判断规则。

此外，DeepSeek还引入投机运行的概念，让代理在正式收到明确任务前，就能根据已出现的事件预先展开工作。

例如，当群组中有人提到某项程序错误可能相当严重，代理便可先在背景尝试重现问题、寻找修复方式，让后续工作更有效率。

存算分离搭配 Watchdog 让 AI 持续在线并自动监控任务

为了让Super-agent长时间运作，DeepSeek也采用存算分离设计，将运算与状态管理拆开。

其中，代理的运算进程部署在云端服务器，能够持续在线；会话状态则保存在数据库中，即使服务器重新启动，也不会因进程中断而遗失。

另一方面，用户本机的代码保存库、工具链及私人数据不必全部搬到云端。云端代理可通过轻量级Daemon进程远程调用本机环境，让运算与数据访问分别在不同环境中进行。

长时间运作也带来另一项挑战，就是代理可能陷入无限循环、任务停滞，或逐渐偏离原定目标。

DeepSeek因此加入外部Watchdog监控机制，负责观察其他Worker的运行状态，辨识是否出现异常或偏离方向，必要时介入处理，以提升长时间任务的可靠性。

DeepSeek强调，这套架构并非创建在全新的计算机理论之上，而是将传统计算机系统中的工程设计应用于代理，包括双层架构、事件驱动、存算分离及Watchdog等概念。

内部 Super-agent 已投入使用 大规模部署仍有待验证

DeepSeek表示，目前基于这套设计思路及DeepSeek Harness打造的内部Super-agent，已经持续运作，日常工作包括重现与修复问题、回应代码审查，以及协助DeepSeek Harness本身持续更新。

不过，这套架构仍有多项问题有待解决。DeepSeek在文章中也指出，长期记忆如何管理、多个代理如何协作，以及安全与隐私如何保障，都是后续需要持续探索的方向。

此外，文章展示的实验数据仍来自合成负载，测试规模为300则消息及20项工作请求，与真实大型团队的复杂工作环境仍有差距。当系统扩大至更多用户与任务时，Router是否可能成为性能瓶颈，以及不同Worker之间如何协调任务冲突，都还需要进一步验证。

DeepSeek认为，随着模型能力提升，代理系统的主要瓶颈正逐渐从模型本身转向底层架构。Super-agent希望让AI从被动等待指令的对话工具，进一步演进为能够持续在线、主动处理工作，并融入个人及团队工作流程的自主协作者。

未来，模型能力与系统架构若能同步进步，这种工作模式有望成为人机协作的新常态。