10月31号晚上，DeepSeek Harness团队发了篇技术文章，公开了他们内部在用的Super-agent架构。顺手把原型代码也开源了。

我花了一晚上看完设计文档，又跑了跑他们的demo。说实话，这套东西离"能用"还有距离，但方向是对的。

单Agent的天花板，早就该捅破了

现在市面上的AI Agent，本质上还是"单兵作战"。

你开一个对话窗口，给它一个任务，它就开始干活。查资料、写代码、改bug，一件一件来。如果你想同时让它做三件事？对不起，开三个窗口，来回切换，自己盯着进度。

去年我试过用Agent做代码审查。一个PR拆成五个模块，每个模块单独丢给Agent审。听起来很美好，实际上我得同时盯着五个会话，哪个跑完了要手动收结果，哪个卡住了要重启，哪个跑偏了要纠正。

人的注意力成了整个流程的瓶颈。

这不是AI不够聪明，是架构设计的问题。单Agent模式天然不适合处理并发任务，任务一多就乱、就断、就需要人盯着。

DeepSeek这次做的Super-agent，核心就是解决这个问题：*让一群AI像一个组织一样运转，而不是五个独立的工具。*

Router加Worker，双层架构的门道

Super-agent的设计分两层。

上面那层叫Router，负责接收消息、理解意图、拆分任务、分配给下面的Worker。下面那层是Worker集群，每个Worker是一个独立的Agent实例，并行执行具体工作。

跟微服务有点像。但Router不是简单的负载均衡器，它自己也是个大模型，能理解任务之间的依赖关系，能判断优先级，能在Worker卡住的时候介入调整。

有个细节挺有意思：他们设计了"静默克制"机制。传统AI是一问一答，你问它才答。但Super-agent的Router可以主动监控Worker的状态，发现问题不用人喊，自己就去处理了。

文档里举了个例子：Worker在群里聊着聊着发现代码有个bug，Router自动派另一个Worker去复现和修复，全程不需要人介入。

跟我们做运维监控的思路很像——告警触发之后自动跑修复脚本，不用半夜把人叫起来。

性能数据：p95从29.5分钟降到15.7分钟

DeepSeek给了一个合成负载测试的结果：大约300条消息、20个工作请求的场景下，Super-agent的任务完成时间p50是12.4分钟，p95是15.7分钟。

传统的单会话加子智能体方案，同样的任务p95要29.5分钟。快了一倍。

但我觉得这个数字还要再看。测试场景是"合成负载"，不是真实业务。真实业务里任务之间的依赖关系复杂得多，上下文切换的开销也大得多。具体数字可能差很多，我也说不准。

还有个隐藏成本：Token消耗。多Agent协作意味着多个模型同时在跑，每个都要吃Token。文档里没提这块数据，但我猜成本至少是单Agent的三到五倍。可能更多。

这也是为什么现在真正敢把多Agent丢到生产环境的团队不多。Demo好看，账单难看。

工程化的坑，比架构设计更现实

Super-agent的设计文档写得很漂亮，但我更关心的是落地。

多Agent协作有三个工程化难题，DeepSeek提了一些思路，但还没完全解决。

*第一个是上下文同步。* 五个Worker同时干活，每个都有自己的上下文。怎么保证它们对同一件事的理解是一致的？文档里说用"共享记忆层"，类似黑板架构，所有Worker把中间结果写到一块共享黑板上，其他Worker需要的时候去读。

听起来简单，做起来全是坑。黑板上的信息谁维护？过期了怎么办？两个Worker同时写冲突了怎么处理？

*第二个是调试地狱。* 单Agent出问题了，看日志就行。多Agent出问题了，你得看五个Agent的日志，还得搞清楚它们之间的消息传递有没有问题。一个任务失败了，是哪个Agent的锅？是Router分配错了，还是Worker执行错了，还是上下文同步出了问题？

定位成本指数级上升。

*第三个是成本失控。* 前面说了，Token消耗是多Agent的大问题。更麻烦的是，Agent之间可能会"无效沟通"。我见过一个demo，两个Agent为了确认一个变量的类型，来回发了十几条消息。每条消息都是一次模型调用，都是钱。

我的判断：方向对，但别急着上生产

Super-agent代表了Agent架构演进的方向，这点没问题。从单Agent到多Agent协作，从人盯人到AI自管理，这是必经之路。

但"方向对"和"现在能用"是两回事。

如果你在做Agent相关的产品，Super-agent的架构值得研究。特别是Router和Worker的分离设计、共享记忆层的实现、静默克制的触发机制。这些思路即使不用DeepSeek的方案，也可以借鉴。

如果你想在生产环境落地多Agent协作，再等等。等Token成本再降一个数量级，等调试工具链成熟，等有人踩过坑把最佳实践沉淀出来。现在冲进去，大概率是交学费。

还有一点，做管理的话，关注Agent的"可观测性"比关注"能力"更重要。一个能跑通但看不懂的Agent系统，不如一个能力弱一点但完全透明的系统。生产环境最怕的不是出错，是出了错不知道哪里错。

扯远了。回到Super-agent本身。

DeepSeek这次开源原型，最大的价值不是让你直接拿去用，而是把多Agent协作的设计思路摊开给大家看。

架构演进的方向已经清楚了，剩下的就是工程化的脏活累活。

这事急不来。

参考：DeepSeek Harness团队10月31日发布的《Super-agent设计探索：迈向更自主的Agent系统》，原型代码已开源至GitHub。