
在研发协作中,Agent 可能正在运行测试,群聊里又出现新的缺陷反馈,代码评审随后补充了实现约束。这些消息来自不同入口,抵达时间也不一致,却需要准确关联到各自的任务,并在执行过程中持续生效。
DeepSeek Harness(简称 DSH,Agent 运行框架)团队提出的 Super-agent,探索的正是这类持续协作场景。它以 Router 统一承接交互,由多个 Worker 分别执行任务,再用事件路由、上下文管理和状态恢复连接整个过程。
这是一套架构探索,公开仓库提供的是研究原型。理解其价值,需要同时关注职责划分和运行机制。
01 多任务协作的瓶颈,正在转向人的注意力
编码 Agent 已经能够独立完成代码阅读、问题定位、修改与验证。对于目标明确的单项工作,开发者可以减少逐步指导,将精力放在需求和验收上。
任务数量增加后,协调成本开始显现。主流 Agent 仍以 Session(会话)为主要工作单位:一项需求对应一个会话,多项需求就需要多个会话。开发者既要判断各项任务的进度,又要把新的讨论、约束和评审意见转发到正确的位置。
例如,群聊已经决定调整接口方案,而负责开发的会话仍按旧方案修改代码。模型即使具备完成工作的能力,也无法处理没有进入其上下文的信息。
这类问题要求系统管理任务之间的联系。任务归属、消息投递和进度跟踪由运行框架承接后,人的注意力才能进一步集中到优先级判断和结果验收。
02 Super-agent 的四个设计目标
Super-agent 将 Agent 的工作周期延伸到单次会话之外:它持续接收外部消息,维护已有任务,并根据需要启动新的执行过程。其设计目标包括四个方面。
连续。用户可以在 IM(即时通信)、GitHub 等入口继续讨论同一项工作,系统依据任务关联延续上下文,无需用户反复定位会话、重述背景。
高效。耗时执行与消息接收分开,不同任务分别推进。一个 Worker 等待测试结果时,协调层仍可处理其他需求。
主动。系统根据环境事件和团队规则判断是否值得行动,例如从缺陷反馈中识别可复现的问题。主动处理的范围由策略约束。
持久。任务记录能够跨越进程生命周期保留,中断后可以核对进度、恢复执行,适应持续数小时乃至数天的工作。
这四个目标分别涉及交互、调度、策略和恢复。单纯增加会话数量,无法同时解决这些问题,需要在执行层之上建立统一的协调机制。
03 双层架构:Router 协调,Worker 执行
将所有工作放进同一会话,便于共享信息,却容易让长任务阻塞新需求,也会混入不同任务的执行细节。为每项工作建立独立会话,能够减少干扰,但还需要有人维护它们之间的联系。
Super-agent 采用双层结构:Router 保持全局视角,Worker 保持各自的执行上下文。

图 1:协调层分派任务、汇总结果,执行层在独立上下文中推进工作。
Router 负责接收、判断和分派。它识别消息属于哪项任务,决定新建工作还是补充已有工作,处理跨任务信息,并统一组织对外交互。其工具集合应围绕协调职责设计,避免被具体开发或长命令占用。
Worker 负责复现、修改和验证。每个 Worker 获取完成任务所需的工具与上下文,汇报进展、问题和结果。复杂任务还可以在内部调用 Subagent(子 Agent),具体拆解不必全部上交 Router。
公开原型用 Ticket(工单)记录一项授权工作,并关联执行会话、目录和后续输入。任务身份由工单维持,执行会话则可以在中断后继续使用或重新启动。
这种结构将两种复杂度分开:Router 处理任务之间的关系,Worker 处理任务内部的技术问题。并发也有明确边界,工作目录、分支和共享资源仍需单独管理,以免不同任务的修改相互覆盖。
04 事件驱动:分级过滤与订阅直通
持续运行的 Agent 会接收到群聊消息、PR(代码合并请求)评论、CI(持续集成)结果等输入。架构将它们统一视为 Trigger(触发事件),再判断如何处理。
大部分环境消息并不需要创建新任务。若全部交给模型分析,每条无关消息都会增加推理开销,并占用协调层的处理时间。因此,事件进入系统后需要分级处理。

图 2:新任务经过评估,已有任务按订阅关系接收后续信息。
Fast Path(快速路径)处理确定性准入。程序检查来源、监听范围和发送者规则,提前排除不符合条件的输入。
Slow Path(慢速路径)处理语义判断。候选消息交给模型,结合团队策略、当前任务和历史讨论,判断是否需要行动。团队可以用自然语言定义哪些问题值得处理,再由模型判断具体事件是否符合规则。
任务建立后,后续事件还可以走订阅直通。Worker 关联某个 Thread(讨论串),其中的评论和检查结果便可按订阅关系送达对应任务。例如,修复工作创建 PR 后,评审意见和 CI 失败信息应继续进入原任务,而不必每次重新分派。
一项任务可以关注多个讨论串,一个讨论串也可以关联多项任务。订阅关系负责投递信息,Mandate(任务授权)负责限定工作范围。评论中新增的要求若超出原范围,仍需交回协调层评估。
对于没有明确指令、由系统推断出的任务,原型默认采用 observe 模式,记录哪些工作会被接受,暂不自动接单。检查实际判断后,再决定是否开启 auto 模式。这为主动执行提供了可观察、可调整的过程。
05 持久运行:存算分离与独立监督
任务持续运行时,推理服务、会话记录和执行环境可能有不同的可用性。架构讨论因此将三者拆开:云端承担推理与调度,存储层保存状态,本地设备通过 daemon(守护进程)执行工具并返回结果。

图 3:端云分工与独立监督的设计示意,部分机制属于原型之外的架构方向。
状态独立保存后,本地设备离线不必导致任务记录丢失。但本地命令仍然依赖设备在线;恢复连接后,需要先检查文件、提交记录和工具结果,再决定继续执行还是重试。
另一项设计是 Watchdog(看门狗)。持续运行既可能遇到程序崩溃,也可能出现反复重试同一步骤、长时间没有有效进展等问题。独立监督机制可以结合运行状态和任务记录发现异常,再按策略介入。
公开原型已经包含状态保存、部分失败重试和重启恢复。完整的端云分离与独立 Watchdog 应按架构设想理解,不能全部视为原型现有能力。
恢复机制还需要区分"没有完成"和"完成但尚未记录"。例如,代码已经提交,进程却在回写状态前退出,直接重放操作就可能重复提交。可靠恢复依赖对实际结果的核对,而不只是重新启动会话。
06 交互优化:异步循环与投机执行
异步 ReAct:让耗时操作在后台推进
ReAct(推理与行动循环)通过判断、调用工具和观察结果推进任务。同步工具调用会让执行链等待结果;一次较长的构建或测试,就可能延迟后续输入的处理。
异步机制将启动与完成分开。工具先返回作业标识和运行状态,任务在后台执行,结束后再将结果作为事件送回原会话。公开原型也提供长命令转后台、作业完成后唤醒执行会话的机制,并设置相应并发限制。

图 4:工具执行与会话等待分离,后续输入在调度允许的步骤被处理。
Router / Worker 分层保障任务之间的响应,异步工具调用改善单项任务内部的响应。二者配合,才能在后台持续执行时接收并处理补充信息。
投机执行:提前尝试,筛选交付结果
投机执行允许系统在结果是否会被采用尚不确定时,先开展准备性工作。例如,规则允许的缺陷反馈可以触发后台复现与根因分析;确认问题和修复价值后,再提交结果,无需将每次尝试都转化为对外消息。
这种做法用额外计算换取更早的准备,也可能产生最终被放弃的工作。因此,需要分别限定后台尝试的范围和对外交付的条件,让主动执行减少等待,而不增加无效通知。
持续交互还依赖上下文管理。Inline & Spill 将近期重要信息保留在当前上下文,把大段日志和低频资料移到外部按需读取;Chain of Recall(链式召回)沿事件、讨论串和会话之间的引用关系查回历史信息。

图 5:当前上下文保存必要摘要,完整记录按关联读取。
两者分别控制输入规模和历史检索路径,使长期任务能够延续,而不必在每次推理中重读全部记录。
07 实验结果:调度收益与资源代价
DeepSeek Harness 团队的初步实验:在约 300 条消息、20 项工作请求的模拟协作环境中,每种配置重复运行 5 次,比较任务完成时间及调度开销。
该实验的 P95(95 分位)完成时间显示,Super-agent 优于单 Session 对照方案。另外两组结果说明了具体机制的作用:
| 实验调整 | 指标变化 | 对应收益 |
|---|---|---|
| 移除订阅直通 | Router 决策次数增加约 30%;缓存读取 Token 从 2323 万升至 3177 万,约增 37% | 按已知任务归属直接投递,减少重复协调 |
| Router 批处理 | 每个决策分摊的推理时间由 6.4 秒降至 1.6 秒 | 合并积压事件,提高突发负载下的处理效率 |
这些指标需要按实验口径理解:缓存读取 Token(模型文本计量单位)不等于总费用,分摊推理时间也不等于单条消息的响应时延。模拟环境验证了调度机制的作用,实际收益还取决于任务长度、事件密度、模型配置和执行资源。
08 架构启示:把协作规则落实为运行机制
Super-agent 的设计集中运用了分层调度、事件订阅、状态持久化和故障恢复。它们解决的是长期协作中的具体问题:消息应投递给谁,哪些工作可以并行,异常后从哪里继续。
其中,职责划分直接影响协调成本。Router 若参与过多执行细节,就会重新成为阻塞点;所有后续事件若都重新路由,协调开销也会随消息量增长。轻量协调层和订阅直通应配合设计。
授权则需要与信息流分开。任务可以读取相关讨论,但能执行到哪一步,仍由既定范围决定。独立目录有助于组织工作,实际资源权限还需执行环境提供约束。
主动性也应接受持续评估:记录接单判断,检查结果质量,减少无效通知,并保留人工介入入口。评价系统时,任务完成率、响应时间、模型开销与人工协调时间需要一起观察。
09 结语
DSH Super-agent 为持续多任务协作给出了一套组织方式:Router 维护全局联系,Worker 负责具体执行,事件与状态机制让工作在不同入口和时间之间延续。
当更多执行步骤能够交给模型,调度、上下文衔接和异常恢复就会直接影响最终交付效率。将这些工作纳入运行框架,是 Agent 从单次任务工具走向长期协作系统的重要一步。