DeepSeek Super-Agent:把 Agent 当成团队工作流,而不是聊天框
DeepSeek Super-Agent:把 Agent 当成团队工作流,而不是聊天框
10 月底,DeepSeek Harness 团队公开了 dsh-superagent-prototype。先要把边界说清楚:它是研究原型,不是 DeepSeek 官方产品;代码来自团队日常工作,部分工程设计由 coding agent 完成,仓库明确提示它可能仍有 bug,也不能直接当作生产软件。
在这几个限制之下,它仍然很值得看。因为它讨论的不是“怎么让模型多调用几个工具”,而是一个更实际的问题:当 Agent 能替整个团队行动时,怎样避免它同时消耗整个团队的注意力?
一、它不是一个超级提示词
README 对它的定位很克制:一个面向单个 GitHub 仓库的主动式 coding agent,也可以接入飞书。有人明确请求它做事时,它会创建 work item,在独立的 Agent session 和目录里处理,最后回到原对话提交结果,例如一个 pull request。
这背后是一套完整的领域模型:
flowchart LR
A[Source 事件] --> B[Trigger]
B --> C[Eval 评估]
C --> D[Decision 决策]
D --> E[Ticket 工作项]
E --> F[Executor 独立执行]
F --> G[Report 结果]
G --> H[Outbox 回复]
这里的 Source 可以是 GitHub,也可以是飞书;Trigger 是一条请求或事件;Eval 判断它是否值得处理;Ticket 记录授权、订阅关系和工作范围;Executor 才真正调用模型、读写文件、运行命令。
模型只是执行链中的一环,真正决定系统行为的是前后这些状态与边界。
二、先解决“谁能让它做事”
项目哲学里有一句话很关键:用尽可能少的人类注意力,换取尽可能多的价值。
这直接推导出授权规则:
- 只有被允许的人直接向 Agent 提出请求,才构成有效请求;
- 团队可以写规则允许主动工作,但未经验证时先只记录“它本来会做什么”,不直接执行;
- Agent 只在需要人决策、结果可用或无法完成时发言,过程中保持安静;
- 每次只问一个具体问题,不把长报告丢给人自己找重点。
这和很多“全自动 Agent”相反。它不追求一上来就放开权限,而是先把“是否该做”做成可观察、可回滚的决策。
三、一个 Ticket,一个 Session,一个目录
架构文档里最值得借鉴的是执行隔离。每个 Ticket 对应一个 Executor Session 和一个独立目录。主 Session 负责路由、评估、创建 Ticket 和协调;Worker 负责在自己的范围内执行。
主 Session 和 Executor 的工具集也不同:
| 角色 | 主要工具 | 设计意图 |
|---|---|---|
| 主 Session | 读资源、路由、评估、创建/重试 Ticket、发送回复 | 管流程,不直接扎进代码 |
| Executor | 读自己的 Ticket、确认、报告、跟随或退回线程 | 管执行,不越权对外沟通 |
这种拆分比“所有 Agent 共享一个大上下文”更容易控制权限和成本。一个 Ticket 的失败、重启和上下文压缩,也不会污染其他任务。
四、持久化才是 Agent 的基础设施
原型使用单个 SQLite 文件保存 Trigger、Thread、Decision、Ticket、Assignment、Effect 和 Outbox,并限制同一状态目录只能有一个进程写入。
其中几个细节很工程化:
- Effects 是持久化副作用队列:数据库事务提交后才执行,失败按指数退避重试;
- Assignment 可以恢复:宿主停止后,未完成的工作会带着恢复说明重新开始;
- WorkerSlots 控制并发:人类消息可以额外占用一个槽位,优先唤醒已有工作;
- Outbox 先记账再发送:避免消息重复,也能判断回复是否因为频道消失而丢弃;
- 重启后继续评估:Prompt、Policy 和设置都带版本,变更会影响正在运行的 Ticket。
这些不是模型层能力,但正是它们让 Agent 能在真实团队里持续工作。
五、它仍然只是原型
官方仓库明确列出了限制:它不是内部版本的完整复刻,文章中的一些设计仍是未来方向;部分记录目前不会自动清理;信任边界和部署隔离仍是 open questions。
所以更准确的看法是:DeepSeek Super-Agent 提供了一个可研究的工作流骨架,不是拿来直接托管生产仓库的成品。
六、可以马上借鉴的四点
- 先定义 Trigger 和准入规则,再授予工具权限。
- 每个工作项使用独立 Session 与目录,避免上下文串线。
- 所有外部副作用进入持久化队列,并记录回执。
- 把“需要人处理的事情”作为面板第一优先级,而不是展示所有 Agent 活动。
七、我的判断
Super-Agent 的核心不是“多 Agent 自动协作”,而是把 Agent 放进一个有授权、有工作项、有执行边界和审计记录的组织系统里。
这对后端团队的启发很直接:真正难的不是调用模型,而是让模型的动作像一段可恢复、可审计、可撤销的业务流程。DeepSeek 这个原型把这部分拆得足够细,值得当成架构参考,而不是当成一个开箱即用的“超级员工”。
参考来源
dsh-superagent-prototype官方仓库(MIT,研究原型)— https://github.com/deepseek-ai/dsh-superagent-prototype- Philosophy 文档 — https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/000-philosophy.md
- Architecture 文档 — https://github.com/deepseek-ai/dsh-superagent-prototype/blob/main/docs/007-architecture.md
- DeepSeek Harness — https://deepseek.com/en/harness/
说明:本文依据官方仓库 README 与 docs 整理。该项目明确标注为 research prototype,不是官方产品,也不是生产就绪软件。





