哈喽,我是 lv。
最近 DeepSeek Harness 团队发布的一篇关于 Super Agent 架构的文章。
文章里提出的一个观点,直接戳中了我每天使用 AI Coding 工作台时的痛点:
多任务执行的上限,受限于人的注意力的上限。
放到我自己身上,我最多同时并行 3 个 session window。超过 3 个,注意力就散了,效率反而会降低。
注意,这里我说的还是 session,比如一个 Claude Code 的对话。本质上,它并不等于一个任务。
因为对一个任务来说,「进行中」和「已完成」不应该跟着 session 的生命周期走:
- session 在执行或者停了,并不代表任务在进行或者完成了;
- 同一个任务,我可能会开好几个不同的 session 来处理。
这就会带来一个问题:我人在不同的 session 之间切换,当并发量上来、再加上优先级插队,就很容易出现任务被遗忘。
比如,我当前并行了 A、B、C 三个 session。session A 给我发了通知,我正准备处理。
这时来了一个紧急 bug,我开了一个新的 session D 去处理。session A 的通知我已经点开过了,但还没来得及处理,就切到了 D。
于是 session A 被我暂时忘掉了。要等到后面突然想起来,我才会重新打开这个可能已经沉寂了很久的 session,接着处理这个任务。

所以,我在不同 session 之间频繁切换,对整体的并发效率并没有多大帮助。
只是看起来很忙,实际上像一个救火队长。
解决方案,就是 Super Agent 里提到的 Router-Worker 架构。
这套架构能让我摆脱在 session 之间来回救火的状态,同时提高任务的并发量。
下面聊聊我是怎么一步步把它融入到工作台里的。
一、把 session 管理重构为任务管理
这一点上,我的工作台有一个先天的优势:它本来就是把不同的 session 组织在任务里的。
先介绍一下工作台的形态,一共三层:
- 项目:对应一个代码仓库,左侧边栏里一个项目下面挂着它所有的任务;
- 任务:一个任务就是一块画布。从需求、spec、线框图、设计稿,到开发报告、验收记录,全都放在这块画布上;
- agents session window:画布下方的一个个 window,每个 window 跑一个 agent session(Claude Code、Codex 等),可以是 CLI 形态,也可以是 GUI 形态。


现在最大的问题是:没有任务维度的状态流转。 我脑子里盯着的,还是一个个 agent session 的状态。
怎么处理呢?
第 1 步:定义任务的状态流转生命周期
我把任务划分成了 7 种状态:
| 状态 | 什么时候在这一列 |
|---|---|
| 未规划 | 我自己随手开的画布,还没开始跑 |
| 待办 | 外部触发器派来的活(外部触发器后文会聊到),等我点「立即开工」 |
| 进行中 | 至少有一个 window 在干活 |
| 待审核 | 有 window 停下来等我:提问、卡住、停了没说明 |
| 待验收 | window 报告做完了,等我验收 |
| 已完成 | 我验收通过、结束了它 |
| 已取消 | 我判断不用做了 |
于是首页变成了一块任务看板:

有了任务维度的状态管理,就算我在处理过程中被外部事件打断,回到工作台,也能一眼看到每个任务停在哪,接着处理那些被打断、还没收尾的任务。
第 2 步:把 session 状态和任务状态打通
光有状态还不够,状态由谁来改?
如果靠我手动拖卡片,那又回到了「全靠脑子记」。我的做法是:任务状态不存,由 session 里发生的事实时推导出来。
具体分两层:
- window 先报告自己这一轮的结果。 agent 每轮结束时,调用
canvas-agents report说清楚:做完了等验收(ready),还是卡住了需要我回答(blocked),还是判断这件事不用做了(dropped)。停下来却没报告的,记一笔「停了没说明」。 - 任务再根据它下面所有 window 的情况算出状态。 只存发生过的事件(一轮开始了、我回答了、我点了通过......),状态每次都现算。
先看最简单的情况,一个任务只有一个 window:

再看真实研发里更常见的情况:一个大需求,几个 window 各管一块,同时在跑。
比如任务看板改版,后端接口、看板页面、任务卡片、手机端四块分给四个 window。四个 window 的状态各不相同,任务该算哪个?
规则只有一条:谁最需要我出现,谁说了算。

这里有两个边界要说清楚:
- 结束只能由我来。 没有任何报告能让任务变成「已完成」,agent 说做完了,只会让它进「待验收」。
- 状态不存,只存事件。 这样 window 关掉、session 换了一个、agent 上下文被压缩,任务的身份和进度都不会丢。这也是 Super Agent 里「状态不放在对话里」的那条原则。
至此,我解决了第一个问题:我的注意力从 session 维度提升到了任务维度,不至于再出现任务被遗忘的现象。
二、Router-Worker 融入
在任务维度,注意力还是很容易被分散。
比如,我需要从不同的信息源获取上下文来创建任务,同时又要处理任务;某个任务处理完了,还需要把结果同步给对应的协作方。
而且就算需求交付了、任务已经是完成状态,未来某一天也可能发现问题。那我又得找到这个很久之前就完成的任务,重新打开,翻出历史的 session window 查问题,或者基于任务的上下文新开一个 window。
整个任务维度的调度,还是我在人工处理。
这种感觉虽然比 session 维度的调度省力,但,终究还是个打工的。
我希望自己能成长为老板,而不是一个调度任务的项目经理。
那就继续往上爬一层。

这才是 Router-Worker 架构真正有价值的地方,更准确地说,是 Router 这一层真正产生价值的地方。
我的工作形态变成了:我只和 Router 对接,Router 作为项目经理来协调任务,督促 Worker(也就是一个个 agent session)干活。
拿一个团队来类比:
- 以前,我在任务维度工作,自己就是那个项目经理:建任务、派 window、盯进度、收尾、同步给协作方;
- 现在,我需要一个角色来帮我做调度。我站在它更上层的维度,管理整个需求的流转、验收任务的成果,而不是管理任务的调度。
这个角色,我在工作台里叫它「精灵总管」。
精灵总管:工作台唯一的 Router
精灵总管是一个常驻在工作台上的 agent,默认用 Claude,可以在设置里换。我有什么事,先跟它说。
它和 Super Agent 里的 Router 遵守同一条铁律:只调度,不干活。 它能用的只有 canvas-agents CLI 和外部触发器,不写代码、不替我过闸门。

落到我每天的场景里,精灵总管主要帮我干两类事。
一、能帮我管理所有任务的情况,具体包括:
- 批量新建任务;
- 查看任务的执行状态;
- 调度任务里的 Agent Session 来干活。
举几个具体的例子:
- 批量分析与创建:基于我 GitHub 上已经积累的所有 issue,帮我批量分析并创建对应的工单任务。

- 新建任务:如果我在任何时候想到需要处理的点,不需要自己手动点击新建任务,我可以直接跟它说"帮我新建一个什么样的任务",它就会帮我创建并执行。
- 任务"售后"跟进:如果我发现了一个之前做过的任务的老 Bug,我跟它说"某个任务还有一个问题,你帮我再跟进一下",它就会找到之前执行过的那个任务,把它重新打开,然后新开一个 Agent Session,或者基于之前的老 Session 继续执行对应的 Bug 修复。
- 不让挂起的单被忘:window 停下来问我问题,超过 30 分钟没理,会补推一次到手机。任务看板上每张任务卡也会显示它已经等了多久。
二、多渠道直接揽活直接开干
接入外部触发器。前面我们是直接在精灵总管的对话框里提需求的,比如 GitHub 的 issue 分析。
但是,这其实还不是需求的源头,我们需要更进一步,而这,就是触发器的使用场景。
精灵总管会引导你一步步把外部需求的源头通过触发器接入进来,比如 GitHub、飞书群、Jira 等。
当外部的触发器收到了新的需求,精灵总管会根据需求新建工单任务,或者直接交给某个现有工单任务的某个 Session 来做。

先来看下 GitHub 的触发器。
以前 GitHub 上有人提 issue、我得手动建画布、开 window 派活,有时候忘记了处理,就会积累很多 issue,一直囤在那儿。
现在项目绑定 GitHub 仓库之后,新 issue 会先送到精灵总管。它按我定的过滤准则分诊:有复现步骤的 bug 直接建成「待办」,使用问题记一笔忽略,描述太模糊的拿来问我。

注意,它只建到「待办」,不会自己开工。派活这一步,要我点「立即开工」。issue 是外部输入,不能让它直接驱动 agent 去改代码。任务验收通过后,系统会自动回写评论、关闭 issue,协作方那边也不用我再去同步。
我们再来看下飞书触发器的案例。
假设我们有一个「CanvasAgents 产品部」飞书群,里面有不同角色的人:用户、运营、产品、研发等。
大家会针对 CanvasAgents 这个产品来提不同的需求或者 bug,或者聊一些有的没的。
那么,如果是真需求或者真 bug,如何通过触发器直接送到我们的精灵总管这边来建工单、调度 agent session 来处理呢?
首先,群里加入一个机器人(名字叫 CanvasAgents),承担触发器的角色。
用户有啥需求,直接 @ 它就行,它会把消息送到精灵总管那边,然后由总管来判断要不要承接这个需求。
如果是闲聊,总管收到触发器的消息后会直接拒绝,群里不会有任何反馈,相当于已读不回。

如果确实是一个真需求,那总管会调度起一个真实的任务和 Session 来处理这个需求。

同时在飞书里面,机器人会创建一个话题,来实时汇报当前的任务进度,用户也可以直接在话题里面发送任务的后续指令,用户发送的消息会直接传递给订阅了这个任务的 Agent Session,而不需要重复在由精灵总管(Router)来转发。
数字员工,就此诞生。
当然,并不是谁 @ 触发器的机器人都能送达总管,只有白名单里的特定群成员才能触发。
一旦你涉及到和团队成员多渠道协同合作,这种随时在线帮你调度任务的精灵总管(Router)能极大减少你注意力的分散。
多渠道触发器的价值,将会发挥到极致。
这一整套实践,现在已经全部 push 到了 Github,所有学员都能看到。
对了,我将开放 "CanvasAgents 产品部" 飞书群,同学们可以加入进来,和数字人玩耍,看它实际是怎么处理任务的。
如果你也想学习,欢迎加入这个 party:canvasagents.dev
以上,在这一套由精灵总管(Router)统筹多渠道任务、调度不同画布精灵 window(Agent Session Worker)的系统下,我的行事风格逐渐"老板"(压榨)起来了。
我只关心结果,不关心底下的精灵总管和画布精灵为了某个需求究竟熬到了几点。我只知道,第二天早上醒来打开手机,我看到的是最终待审核和待验收的任务。
循序渐进,没人能一口气吃成一个老板
我想分享一些我觉得对你可能会有帮助的总结。
本篇聊到的核心内容,总结成一句话就是:成为老板,招聘靠谱的 Router 和 Worker 帮你干活,放权,放大规模,来提高任务的并发量。
但在提高并发上限之前,你需要先保证单个任务的执行质量:需求交给 Worker,它能帮你高质量地完成。
不然,架构再好、规模再大,底下做得稀烂,或者一有啥问题就来问你,那都是外强中干,依旧受限于你的注意力上限。
所以核心是,把现有的、针对不同场景的 AI 调度流程跑通。
AI 调度流程跑通的标准是什么?
标准就是:你针对任何场景的需求,都能回答这三个问题:定义正确、验证正确、失败可恢复。
我把这三个问题整理成了一个「AI 交付质量三角模型」,放在了《成为 AI Native Builder》开源小册里分享。
其实本质上,就是产品全流程研发场景下 Skill + CLI + MCP + Subagent 的组合使用。
比如我这边,针对:
-
项目从 0 到 1
-
大功能开发
-
小功能开发
-
Bug fix 等场景
以及研发流程中的不同步骤:
-
头脑风暴
-
spec 沉淀为验收标准
-
原型图设计
-
高保真设计
-
全栈代码生成等
-
测试验收
加起来大概有二十几个 skill。

单个任务的执行质量提升上来了,再来放大规模。

我的 CanvasAgents 工作台用到的一些核心技术
Excalidraw
工作台里最核心的一个概念是画布。感谢 Excalidraw,我才可以把从需求到交付用到的各种信息,包括原型图、设计稿、验收标准等等,融进来,放在一块画布里呈现。
Cloudflare
整个项目 all in Cloudflare 的一整套生态,用到了 Workers、D1、R2、Durable Objects 等,部署在它的服务上,每个月的成本 5 刀。
而且,这 5 刀还包括我的其他一些项目。
Daemon
它是工作台能调度用户本机 Coding Agent 的核心组件,支持 Claude Code、Codex 等基本上市面上所有主流 Agent,所以我的工作台才能够多端(手机、平板、电脑)同时调度任务。
Skill
就是上面那张图里的二十几个 skill。工作台本身也是靠它们一点点做出来的,这次的 Super Agent 需求,就是用 ai-native-workflow skill 从拷问需求、写 spec、出线框和设计稿、研发、测试、验收,一路分批开发上线的。