文 | 字母 AI
DeepSeek Harness 团队在 10 月 31 日晚上发布了一篇文章，标题为《Super-agent 设计探索：迈向更自主的 Agent 系统》，文章里提出了这样一个概念：Super Agent。
同时他们也在 GitHub 上开源了 Super Agent 的原型 dsh-superagent-prototype，以供开发者参考。
所谓 Super Agent，它就相当于一个记忆力超群、24 小时在线、永远不摸鱼偷懒的同事。
你之前交代过什么，即使到下一个任务里，它依然能够记得。还能在各种聊天软件、邮件和 GitHub 等不同的地方，执行同一项工作。
" 主动 " 是 Super Agent 的核心关键词，有些事情不一定非得等到你开口命令它，它才会去干活。
比如看到群里有人报 Bug，哪怕没人艾特 Super Agent，它也能先去看看问题出在哪，能修就直接动手。
Anthropic 此前推出的 Claude Duet，虽然还处于预览版，但是它也会主动看邮件和日历，早上给你一份简报，平时发现重要事情再来找你。
Agent 不该一直等你开口，Super Agent 和 Duet 的共同点都是如此。
但 " 主动 " 并不意味着刷存在感。
一个真正好用的 Super Agent，不仅要知道什么时候该主动找你，更要知道哪些事可以自己处理，什么情况才允许打扰你，什么时候应该保持安静。
它知道该干什么，也知道什么时候别烦你。
Super Agent 和普通 Agent有啥区别？
Super Agent 和普通 Agent 的区别就在于，前者像是正式员工，后者更像是一个临时工。
你交代给普通 Agent 一件事，它会开始查资料、写代码、给结果。
当你下次有别的事，即使你叫来的还是它，它又要从查资料开始干起。就算普通 Agent 把所有事情都经历一遍，可是到了最后，还是只有你自己知道所有任务的全貌。
因为每个任务都是一个独立的会话（Session），Session 之间互不相通。普通 Agent 在 A Session 里得出的结论，B Session 里的他根本不知道。只有你自己才知道整个任务的全貌。
可 DSH 团队观察到，一个人的精力有限，通常只能同时跟进 3 到 5 个这样的活跃 Session。所以问题不只是 Agent 够不够聪明，你能同时盯住几个 Agent 也是提升模型工作效率的重点。
那如果让一个员工同时做所有事呢？
DSH 认为这样也不现实。普通 Agent 一边修 Bug，一边写报告，还要不断回消息，输出速度必然会变慢，更可怕的是几件任务的细节也容易混在一起，导致最后的结果驴唇不对马嘴。
Super Agent 要解决的第一件事，就是分配两种角色。
一种叫 Router，可以理解为项目主管。他负责听需求、记背景、看全局，再决定任务交给谁，但不亲自去做具体执行。
另一种叫 Worker，就是真正干活的员工。每个 Worker 只领一项任务，在自己的独立空间里完成，修 Bug 的专心修 Bug，写报告的专心写报告，几个人可以同时开工。
有句话听起来挺扯的，可事实就是这些分工不同的 Worker，它们的 " 人格 " 也是不同的。有些好沟通，有些极难沟通。
所以在 Super Agent 这里，你只需要跟最好沟通的项目主管打交道，不必挨个跟每个 Worker 沟通。
看到这里，你可能会问：这不就是主 Agent 带着几个子 agent 吗？前几天 Anthropic 刚刚发文章，标题叫《构建 Agent》，核心就是说弄一堆子 Agent 不如单个 Agent 效率高。
事实上两者截然不同。
负责统领子 Agent 的主 Agent，它的任务非常繁重，包括深入理解任务细节、规划子任务、高频协调，所以它的推理负担很重。同时子 Agent 每一步都需要耦合，所以就需要主 Agent 频繁协调。
Router 根本不考虑那些，它只管 " 这活我应该推给谁 "，Worker 之间上下文隔离、彼此独立，靠订阅同一个 Thread 感知冲突。
所以从产品逻辑上来说，Super Agent 跟子 Agent 完全是两码事。
Super Agent 的 " 主动 " 从何而来？
Super Agent 干的第二件事是，没人专门下命令时，它怎么主动去干活？
DeepSeek 的做法让它留意工作环境里的动静。
任何动静都可能成为一个 " 触发器 "（Trigger），Super Agent 一旦察觉有动静了，就会立刻进入工作状态。
任务派出去之后，后续沟通也不必一直经过主管。比如 Worker 已经开始修某个 Bug，那么这个话题下面的新评论，就会直达 Worker。
就像维修师傅接单以后，你会直接把问题报给维修师傅，不用再让客服转述一遍。
DSH 的文章中有个案例，开头也提到了，群里有人说：" 这个项目有 BUG。" 没人艾特 Agent，但这句话进入系统后，先经过规则过滤，再由模型判断它符合团队提前写好的 " 静默复现并修复 " 策略。
项目主管把任务交给一个 Worker，Worker 在自己的独立空间里复现问题、查找原因、尝试修复。没复现出来，或者发现修复很复杂，它就保持安静。如果确认问题并找到简单方案，就提交一份 PR，最后交给人验收结果。
后续有人在 GitHub 评论里要求换个修法，Worker 也能从原来在聊天软件的场景里换到 GitHub 上面接着做。
DeepSeek 文章里展示的内部实例，就是这样在群聊和 GitHub 之间连续推进任务，甚至在无人艾特的情况下主动提交修复代码的申请。
除了看聊天软件里的消息以外，Super Agent 还会观察所有能看到的信息，比如收到一封新邮件、日程有变化、代码自动检查没通过。
但是群聊里大部分消息都是闲聊，绝大多数跟 Super Agent 没关系。如果每条都让模型读一遍，又慢又贵。
所以 DeepSeek 给 Super Agent 加了两道筛网。
第一道是提前定好的规则：哪些群能看、哪些人或机器人的消息算数、哪些来源直接忽略。
第二道交给模型判断：剩下的候选消息，这句话是随口吐槽，还是真有一个需要处理的问题？
这类需要理解语义的判断，规则没办法写出来。好在的是，第二道筛网是用自然语言写的，想改策略，改一句提示词就行。
只有两道都通过了，项目主管才会派任务。
Super Agent 另一大特点是把工作放到后台，先告诉你 " 已经开始做了 "，做完再把结果送回来。这期间，你仍然可以补充要求、叫停，或者安排下一件事。
DeepSeek 称，这一异步任务机制已经在 DSH 中实现，但尚未默认开启。
你去餐厅点菜，点完之后服务员也不可能站在灶台前等菜炒完，他会回来继续招呼其他客人，等菜做好了他才去端上来给你。
还有一个事，DeepSeek 认为 Agent 是要持续干活的，所以 Super Agent 更是要一直在线、持续工作。可是干活久了，上下文就会太长，Agent 很容易出错。
因此 DeepSeek 把 Agent 的 " 大脑 "、任务记录和实际操作的电脑分开。
大脑可以在云端工作，任务记录单独保存，代码和文件仍留在原来的电脑上。这样，某台云端机器重启了，记录还在。需要操作你的电脑时，再远程连接过去。
同时，DeepSeek 还给 Super Agent 安排了一个 Watchdog（看门狗）。
普通的监控只能看 Agent 有没有宕机，Watchdog 还要看任务有没有进展、方向有没有跑偏。
就像店长巡店，不只是看灶台的灯亮没亮，还要看厨师放了几克盐、煮了多长时间。
不过，GitHub 上的 dsh-superagent-prototype 还不能被当成 Super Agent 的 " 完全体 "。DeepSeek 表示，它只是研究原型，不是正式产品。目前主要面向一个 GitHub 仓库，也可以选择接入飞书，文章里的一些设计还没有实现。
Super Agent 最强的能力是 " 闭嘴 "
GitHub 原型的说明文档里，有这么一句话：尽可能少占用人的注意力，尽可能多地提供价值。
DeepSeek 把每一条消息、每一次通知、每一个问题、每一个设置项，都看成一种注意力成本。不能提供足够价值，就应该删掉。
原型还明确规定，Agent 工作时保持安静，只有结果可用、需要人做决定，或者任务无法完成时，才再次开口。
这跟过去互联网产品的逻辑几乎是反着来的。
以前做产品，往往希望你多打开。Super Agent 要做的是帮你把事情处理掉，让你少打开。
一个真正好用的 Agent，不应该把 20 条群消息总结成另外 20 条通知，再让你逐个确认。它应该先把大部分事情做完，你只需要做那个非你不可的决定。
所以，Super Agent 主动性的核心不是 " 多说话 "，是它知道什么时候不该打扰你。
DeepSeek 文章里有个 " 静默复现并修复 " 的例子。
Agent 可以先在后台复现 Bug、寻找修复方案，但只有确认问题并找到简单方案后才交付结果，否则全程保持安静。
换成一个普通 Agent，可能刚看到消息就先回一句 " 收到，我正在分析 "，十分钟后发来一段过程，半小时后再告诉你没复现。
是，这个普通 Agent 很忙，我看着都累，可你也确实被它折腾了半天。
可 Agent 产生的信息，其实不等于 Agent 提供的价值。Super Agent 就是在重新定义人跟 AI 之间的关系，人不应该给 AI 当秘书。
DeepSeek 反复强调一个概念，Session 该由系统在背后管理，用户不应该为它操心。
文章提到 " 从这个角度看，让用户手动管理 Session，在很大程度上是从底层 LLM API 延续下来的设计惯性 "。这句话的意思是，会话并不是正确的产品形态，它只是早期大模型 API 留下的习惯。
既然用户真正想管理的是任务，那就应该让系统自己去管会话，人只需要看事情有没有办完。
有了 Super Agent，你就不用每天特意打开某个 AI 应用，它只要在群里、代码仓库和邮件里，就能自己工作。
当然，Agent 越主动，它的边界感也就越重要。
DeepSeek 的 Super Agent 有这样一条规则：Super Agent 只在被请求时，或者书面规则允许时行动。没有人直接要求的任务，需要团队预先写下规则。
这就像你新招了一个员工，刚开始，你让他先写方案，你得先过一遍。只有确认他理解任务以后，才慢慢放权给他。哪些结果要审批、哪些操作必须停下来问人，都得提前讲清楚。
Anthropic 的 Duet 也是同样的思路。它可以自己读信息、起草回复、准备工作，但发送消息、付款、签署文件、删除内容之前，必须等人批准。
它每天早上主动提供简报，每隔几小时检查一次，避免后台任务把额度快速烧完。
" 闭嘴 " 不是能力不够，恰恰是一种更高级的产品能力。它是一种克制，没有结果时不播报过程，没有权限时不擅自行动，没有必要时不制造新消息。
而克制，也是梁文锋的关键词。在此前的投资者交流会上，梁文锋说：" 你越克制，越有可能做成 AGI。"
不过有一点必须要提醒。Super Agent 是在用更多的 token，换人的时间与注意力。
DeepSeek 表示，多 Session 设计会带来更多 token 消耗。Duet 的晨报和后台检查，同样会占用用户的套餐额度。
