DeepSeek开源了dsh-superagent-prototype超级Agent架构，旨在让AI摆脱被动响应，实现7×24小时跨平台自主干活。该架构采用Router+Worker双层设计，Router常驻在线负责全局协调与任务分派，Worker隔离执行单一任务并向Router汇报，解决Session焦虑与上下文污染问题。同时引入事件驱动引擎，套用两级事件过滤、订阅直通路由、Inline&Spill链式召回等计算机系统经典设计，提升主动性与效率。
Datawhale干货
最新发布：dsh-superagent-prototype
就在刚刚，DeepSeek 突然开源了一套重磅 Agent 设计：dsh-superagent-prototype，并同步放出了一篇干货密度极高的万字架构长文《Super-agent 设计探索：迈向更自主的 Agent 系统》。
为了打破这个瓶颈，DeepSeek Harness 团队基于内部日常研发实践，直接从底层重构，拿出了这套能够 7×24 小时持续在线、跨平台自主干活的“超级 Agent 底座”。
这套超级 Agent 架构强在哪？我们分三层来看。
一、干掉「Session 焦虑」：Router + Worker 双层架构
为什么现在的 Agent 用起来累？
因为如果所有事情都塞进一个 Session，串行执行慢、上下文还会互相污染；如果每件事都新开一个 Session，它们之间又互不通气。
DeepSeek 这套底座的解法：把「维持全局连续性」和「高并发干活」拆成两层。
常驻的 Router 层（管全局）
它永远在线，统一承接人类在各个入口的交互。为了不成为性能瓶颈，Router 层绝不亲自下场干活（甚至可以不给它配 Bash 工具），只做高层协调与任务分派，用轻量模型就能跑得飞快。哪怕遇到消息洪峰，上一轮推理期间积压的事件也会自动合并成 Batch（批处理） 一起丢给模型，积压越多，单次决策分摊的耗时反而越低（压测中可从 6.4 秒降至 1.6 秒）。
隔离的 Worker 层（闷头干任务）
每个 Worker 挂载完整的执行工具和最强模型，在独立的上下文里专注搞定单一任务。Worker 绝不直接对人类说话，而是向 Router 汇报，由 Router 统一对外回复。
这样一来，用户在飞书（IM）群里聊一半，转头去 GitHub PR 评论区改主意，面对的始终是「同一个」懂前因后果的超级 Agent，就不用再手动切窗口管理 Session。
二、把经典计算机系统思想，全装进「事件驱动」引擎里
要让超级 Agent 具备主动性，驱动它的应该不只有 Prompt。更应该像人的协作一样，是群聊消息、代码评论、CI 结果等环境事件（Trigger）。
面对真实群聊里「高噪音、低触发率」的信息流，如果每条消息都调大模型判断，算力和延迟直接爆炸。为此，DeepSeek 在底座的事件处理引擎里，密集套用了四个计算机系统的经典设计：
1. 两级事件过滤
先用确定性的代码规则（白名单、来源范围等）走 Fast Path 滤掉绝大部分无关噪音；只有通过初筛的候选事件，才走 Slow Path 交给大模型做语义判断。
2. 订阅与直通路由
同一个 PR 或 IM 话题下的连续事件构成一条 Thread。Router 创建 Worker 后，Worker 会直接订阅该 Thread。后续同一话题的消息直接走 Fast Path 直通 Worker，不用再麻烦 Router 转发。消融实验表明，仅这一个设计就帮 Router 省下了约 30% 的决策次数和 37% 的读缓存 Token。
3. Inline & Spill + 链式召回
上下文窗口极其宝贵。底座利用局部性原理，把当前事件紧邻的信息（如前 50 字、前后相邻消息）直接 Inline（内联） 进窗口；超长内容则 Spill（溢出） 到窗口外，只留摘要和关联对象的 ID。当需要翻旧账时，模型顺着对象之间的 ID 引用图一跳一跳地按需检索，这就是链式召回。
4. 后台「投机执行」
就像 CPU 的分支预测一样，Agent 看到群里有人报 Bug，不等人类下令，先在后台消耗一点算力尝试复现和修复。修好了就拿出来惊艳所有人，没修好就默默丢弃、绝不打扰。
三、做到 7×24 小时在线
解决了内部调度，这套底座的最后一层，是解决「怎么跟人自然打交道」&「怎么长期稳定运行」。
1. 异步全双工 ReAct Loop
底座将单一耗时的 run() 工具改成了异步的 start() 和 stop()，后台跑编译或测试的同时，前台照样能秒回你的新指令。
同时，针对不同信道做了定制：IM 群聊严格限制单次回复不超过 100 词，绝不刷屏；GitHub PR 则输出高密度的结构化报告。
2. 计算、状态与环境的两层解耦
电脑一合盖，本地 Agent 就歇菜了；但如果把代码和环境全搬上云端沙箱，本地未提交的代码、内网凭据又很难同步。
DeepSeek 采用了「存算分离」与「脑手分离」的思路：
云端跑无状态的 Agent Loop + 数据库存状态，保证底座 7×24 小时持久在线；
重状态的执行环境留在本地原地不动，只在你自己的开发机上装一个极轻量的无状态 daemon（即 BYOM，Bring Your Own Machine），云端大脑按需跨设备调用本地环境。
3. 外部 Watchdog（看门狗）自愈
Agent 跑崩了往往不是进程挂了，而是模型陷入了死循环或跑偏了。系统在主回路之外单独配了一个定时唤醒的 Watchdog Session，不仅盯基础设施报错，还用模型去检查各个 Worker 有没有实质进展。甚至维护者可以直接用自然语言找 Watchdog 问故障原因、在线热修改主系统的提示词规则。
写在最后：现在已经可以克隆体验
从消融实验数据来看，在多任务并发轰炸下，这套超级 Agent 底座将任务完成时间（p95）稳定控制在了 15.7 分钟，远优于传统“单 Session + Subagent”方案的 29.5 分钟。
如果你想深入研究这套底座架构，或者把它跑起来接入自己的项目，只需三步：
第一步：克隆开源仓库到本地
进入 DeepSeek 官方 GitHub 仓库获取源码：
开源地址：https://github.com/deepseek-ai/dsh-superagent-prototype
第二步：把 SETUP.md 丢给你的 AI，让 AI 帮你装
你只需要用你的 Coding Agent 直接读取仓库根目录下的 SETUP.md，Agent 就会像向导一样，每次问你一个简短问题，自动帮你把环境配置、权限规则以及 GitHub / 飞书通道全部跑通。
第三步：顺读 000–008 文档，吃透底座源码
如果你打算基于这套底座做二次开发，或者正在准备 Agent 架构方向的面试，强烈建议按顺序读完仓库 docs/ 目录下的 000-philosophy.md 到 008-cookbook.md。9 篇文档环环相扣，把「如何占用最少的人类注意力、交付最大价值」的工程细节拆得清清楚楚。
当大模型的单兵能力越来越强，谁能搭好下一代「超级 Agent 底座」、把人类的注意力解放出来，谁就握住了下半场的入场券。 感兴趣的朋友，赶紧把仓库拉下来体验一下吧！
一起“点赞”三连↓原文始发于微信公众号（Hunter取证）：突发！DeepSeek重磅开源：超级Agent架构！
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论