先说名字，免得吓着人。
Super-agent 不是"超级智能体"。这里的 super 是英语里"在上面"的意思，跟 sub（在下面）对着来的。你熟悉的 subagent 是在主 Agent 底下挂小弟，super-agent 反过来，是在干活的 Agent 头顶上加一层，让上面那层管下面那层。
一句话：sub 是往下加小弟，super 是往上加主管。 跟超级智能没关系，就是个方位词。
它到底在解决什么事
你用 AI 干活，一个窗口的时候挺顺。但你要是同时推三四件事------这边修 bug，那边审代码，群里又冒个新需求------你就开始当监工了。来回切窗口，自己记着哪件做到哪了，哪条反馈还没传过去。
DeepSeek 自己说，一个人同时能跟的活，也就 3 到 5 个。再多脑子就炸。
他们的判断挺实在：单件事干得好不好，看模型本事；同时能干几件事，看人的注意力。而人的注意力，不会因为模型变强就跟着变强。
所以思路很直接：把"记着谁在干什么"从你脑子里拿走，交给系统。 你只管说"我要什么"和"行不行"，中间那些派活、传话的事，AI 自己管。
架构就两层，跟公司一样
上面一层叫 Router，主管。下面一层叫 Worker，干活的。
Router 常驻，盯着群聊、GitHub、邮件这些地方。来消息了，它判断该不该管、交给谁，然后派出去。它自己不动手，所以用个轻量模型就够。
Worker 一个任务一个，各干各的，互相看不见。修 bug 的不知道旁边在审代码。但 Router 知道全局。Worker 干完向 Router 汇报，Router 统一对外说话------不然六个 Worker 同时往群里刷屏，那场面没法看。
有个细节挺关键：Worker 接了个 GitHub PR，那条 PR 下面的后续评论会直接发给它，不用再绕回 Router 重新分派。叫"订阅直通"。听着像小优化，其实是省钱的关键。他们实验里把直通去掉，Router 决策次数涨了约 30%，token 跟着往上蹿。
最逗的地方：没人叫它，它自己找活干
DeepSeek 内部跑了个实例，在团队群里潜伏着。几百条消息，它绝大多数时候一声不吭。但有一回，有人在群里抱怨某个双击 bug 每天误触几十次。没人 @ 它。过了一阵，仓库里多了个 PR，修好了，还带修复前后对比截图。
这就是他们说的"静默复现并修复"。规则提前写好了：看到疑似 bug，后台试着复现，确认有问题、找到简单修法，再提交。找不到就闭嘴，不汇报过程。
为了不让它变成那种每件事都要汇报一句的烦人精，提示词里下了硬规矩：群里单次回复超 100 词，发送通道直接拒收；不许说"我来处理"这种废话；自动评审机器人的意见只作参考，每个 PR 最多回应三轮，防止两个 AI 互相客气到死循环。
主动性的代价是噪音，噪音会杀死主动性。 这话做 Agent 的人越早想明白越好。
数据好看，但账得算清楚
他们放了组初步数据：任务完成时间中位数 12.4 分钟，95 分位 15.7 分钟。对照组是"单会话 + subagent 工具"，95 分位要 29.5 分钟。
但有个特有意思的细节：对照组里他们明明给了模型 subagent 工具，提示词也写了"合适的时候派给子 Agent"，五次跑下来，模型一次都没派。全自己干了，干到一半被新消息打断，上下文越堆越乱，最后拖到快半小时。
这说明啥？"要不要分工"这事，交给模型临场判断，它靠不住。 模型觉得自己能搞定，就不派。所以 super-agent 的做法是：分工不由模型决定，由架构强制。Router 只管调度，Worker 只管干活，没得选。
代价是 token。读缓存 token 大概是单会话方案的四倍。DeepSeek 自己的说法是"用更多 token 换更短、更稳的完成时间"。划不划算看场景。修个低优先级小 bug，可能不值；一个人盯一个团队的活，可能就值。
说句实话
DeepSeek 文章开头就写明了：这是面向工程实践的架构探讨，不是产品发布。开源那个原型也不是打开 DeepSeek 就能用的按钮，主要面向单个 GitHub 仓库，部分功能还在开发。
他们也没吹什么新理论。原话差不多是：把计算机系统里调度、缓存、看门狗这些老思想，搬到 Agent 架构上。
但老思想搬对地方，有时候比新理论管用。过去两年瓶颈一直在模型那边------能不能听懂、能不能写对。现在单任务越来越不用人盯了，新天花板冒出来了：你能同时管几个 AI？
Super-agent 的回答是：你别管了，让 AI 管 AI。你负责验收就行。
至于验收怎么做，他们文章里也没完全说清楚。那是另一个问题了。