DeepSeek Super-agent 在 2026 年 10 月 31 日晚浮出水面。DeepSeek Harness 团队发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，目标是让 Agent 脱离单次会话，成为长期在线、并行处理多项任务、主动响应环境变化的连续实体。这不是正式产品，而是架构探索，部分设计已通过开源原型实现。
一个 AI 统筹，多个 AI 分头干活
文章把系统分成 Router 和 Worker 两层。Router 是全局协调节点，统一接收群聊、GitHub、邮件等信息，维护上下文并分派任务；Worker 各自拥有独立上下文和工具，在隔离会话里并发执行问题复现、代码审查、功能开发等工作，结果汇总回 Router 对外沟通。用户面对的始终是同一个助手。
没人点名，它也会先动手
群聊、邮件、日程、代码审查评论和 CI 结果都能触发行动。绝大多数群聊消息不需要 AI 介入，文章为此设计了两级过滤：程序规则先排除无关消息，再由大模型结合上下文判断是否行动。它还借用了投机执行，先在后台尝试再决定是否提交：内部群里配置的「静默复现并修复」策略，会在有人反馈 Bug 时提前复现并寻找修复方案，确认问题存在且修复简单时才提交 Pull Request。
更快了，但 Token 也更贵了
团队用约 300 条模拟消息做对比，其中约 20 条是真实工作请求，每种方案重复五次。Super-agent 任务完成时间的中位数为 12.4 分钟，95 分位为 15.7 分钟；传统单会话方案在中性提示下，95 分位达到 29.5 分钟。代价是缓存读取量上升：取消事件直通后，总缓存读取量从 2323 万增至 3177 万 Token，增幅约 37%。实验用合成消息和模拟工具，只验证调度与协作，未评估真实编码质量。
异步 ReAct Loop、存算分离与 Watchdog 还解决三件事：耗时任务转后台，前台继续接新指令；执行循环放云端、状态存数据库，本地只留轻量守护进程；Watchdog 检查进展、识别无效循环并尝试修复。异步任务机制已在 DeepSeek Harness 中实现，但尚未默认开启。
DeepSeek 称，这套设计没有新理论，只是把任务调度、缓存管理、事件驱动、存算分离等经典思想用到 Agent 架构上。内部实例已在运行，参与问题复现和代码审查。落地还要过三关：长期记忆的准确恢复、防住提示词注入与服务端入侵、用户如何查看进度并决定哪些操作必须人工批准。
