研究與評測
DeepSeek 提出 Super-agent 雙層架構:Router 與 Worker 分工,實驗顯示 p95 任務完成時間由 29.5 分鐘降至 15.7 分鐘
INSIDE單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

據 INSIDE 報導(原文轉載自鉅亨網),DeepSeek Harness 團隊於 31 日發布技術文章,提出名為「Super-agent」的代理系統架構,目標是突破單一對話工作階段的限制,讓 AI 代理長時間在線、跨平台接收指令並並行處理多項任務。
架構核心為雙層設計:Router 負責接收指令、判斷任務性質、分配工作並統整跨管道的上下文;Worker 負責執行具體任務,完成後回報 Router。例如使用者先在即時通訊軟體要求採用方案 A,又在 GitHub Pull Request 留言改採方案 B,系統可辨識兩者屬同一專案並調整執行方向。
DeepSeek 公布的實驗中,純單一工作階段模式下任務完成時間的第 95 百分位數(p95)為 29.5 分鐘,採用雙層架構後降至 15.7 分鐘。需注意,實驗數據來自合成負載,測試規模為 300 則訊息及 20 項工作請求,與真實大型團隊環境仍有差距。
在事件驅動方面,系統持續監控 IM 群組、GitHub 與持續整合(CI)系統等事件(稱為 Trigger),並以兩階段過濾降低運算成本:第一階段為程序層策略(Fast Path),依來源、群組範圍及白名單直接排除無關事件;第二階段為語意層策略(Slow Path),由 LLM 依提示詞規則判斷是否行動。系統並引入投機執行,例如在群組有人提及嚴重程式錯誤時,可先於背景嘗試重現與尋找修復方式。
部署上採存算分離:代理運算程序位於雲端伺服器,會話狀態存於資料庫,伺服器重啟不致遺失;使用者本機的程式碼儲存庫與私人資料則不必上傳,雲端代理可透過輕量級 Daemon 遠端呼叫本機環境。為防止代理陷入無限循環、任務停滯或偏離目標,系統另設外部 Watchdog 監控其他 Worker 的執行狀態。
DeepSeek 表示,基於此設計的內部 Super-agent 已持續運作,日常用於重現與修復問題、回應程式碼審查及協助 Harness 本身更新。然而,長期記憶管理、多代理協作,以及安全與隱私保障等問題仍待解決;Router 在更大規模下是否成為效能瓶頸,以及 Worker 間的任務衝突如何協調,也尚未驗證。
讀原始報導背景
搜尋結果顯示,DeepSeek 在 GitHub 上公開了名為 dsh-superagent-prototype 的專案,描述它是針對單一 GitHub 儲存庫的主動式程式設計代理,並以套件形式供 DeepSeek Harness 使用。該代理會監聽 GitHub 事件,也可選擇接入飛書(Feishu)。