出品｜虎嗅科技組
作者｜黃天媛
編輯｜苗正卿
頭圖｜視覺中國
文鋒又開源了。
10月31日晚，DeepSeek Harness團隊公開了Super-agent的架構設計，並開源研究原型，探索讓Personal Agent更自主地參與日常工作。目前，公開原型主要面向單個GitHub倉庫，可選擇接入飛書，部分設計尚未實現。
這次他想解決的，是讓AI在沒人@、下指令的情況，自己發現Bug，並主動在後臺嘗試復現、定位和修復，再提交代碼修改請求，等待人審查。
它可以持續關注工作羣消息，跨平臺協作、並行推進多個復雜工作，減少人類在多個會話之間的協調負擔，甚至24小時運行。
在看完整個架構文章之後，有一點需要先明確一點。
DeepSeek這次並沒有提出全新的理論或是一個全新的技術路線。Super-agent提供的是一種系統的創新。它把經典計算機系統思想應用到了Agent系統當中，比如多Agent分工、事件觸發、異步執行等等。
它解決的是，當AI能幹的活越來越多，人被迫在不同任務之間來回切換，越來越像AI的項目經理的當下，而人的注意力反而成爲了harness的瓶頸。
解放人腦現在成爲了一個更重要的問題，而他們想從工程學上解決這個問題。
DeepSeek這套Agent架構，有什麼不同？
要讓AI持續參與工作，需要回答四個問題。
第一個問題：同時有多件事，怎麼一起幹？
假設團隊同時提出三個需求：修復一個Bug、審查另一份代碼，再開發一個新功能。如果全交給同一個會話處理，它就要不斷在幾項工作之間切換，而分開幾個會話，人又得自己記住各自的進度。
DeepSeek爲此採用了調度和執行分開的雙層結構：上層Router負責接收消息、了解任務之間的關系和分派工作；下層Worker負責具體執行。一個修Bug，另一個審查代碼，各自保留完成任務所需的背景和過程，減少不同工作的細節混在一起。
根據DeepSeek公開的執行文檔，原型會爲每個工單建立獨立的執行會話和工作目錄。任務復雜時，Worker還可以繼續調用子Agent幫忙。
分工之後，還要讓新信息找到正在幹活的那個AI。比如，某個Worker已經提交了一條PR，即代碼修改請求，開發者隨後在下面留言：“這部分換一種寫法。”系統就把意見送回負責該任務的Worker，讓它接着修改，無需人重新開一個會話、再講一遍前因後果。
這依靠的是訂閱機制：任務與相關討論建立聯系，後續消息沿這條聯系送達；超出任務範圍的要求，再交回協調層處理。
當然，這種分工並不是首創。Anthropic在2025年的Research技術說明中，就介紹過主Agent組織多個子Agent並行搜索。DeepSeek此次的重點，是把分工、消息跟進等機制組織起來，持續推進多項工作。
爲減少開銷，架構文章還討論了把積壓消息合並處理，以及需要時再調取舊記錄。這樣既減少逐條判斷，也避免每次都把全部歷史塞給模型。
第二個問題：沒人派活，Agent怎麼知道該做什麼？
DeepSeek引入了事件驅動機制，讓工作環境中的消息也能成爲任務的起點。例如，工作羣裏有人反饋Bug，或者代碼自動檢查沒有通過，系統都可以將其納入判斷。
但大量消息只是閒聊。根據GitHub的授權文檔，原型先用程序檢查消息來自哪裏、誰發來的、是否符合準入規則，再讓模型判斷是否需要開始工作。對於沒有人直接要求的任務，團隊必須事先寫下允許執行的規則。
DeepSeek展示的內部案例就配置了“靜默復現並修復”策略。羣裏有人反饋問題，即使沒有@AI，它也可以先在後臺嘗試復現、尋找修法，確認問題並找到簡單方案後，再提交結果。
這種做法被稱爲投機執行：先花一些計算資源嘗試，把有用的結果準備在前面。
反饋也要有所取舍。根據GitHub設計原則，接到明確請求後，Agent會簡短確認；工作期間盡量安靜，在結果可用、需要人決定或無法完成時再反饋。這意味着，AI可以多推進一些工作，用戶不必因此多讀一串進度通知。
第三個問題：如果多任務並行，還能不能聽人說話？
假設Agent正在運行一次耗時測試，你突然發現需求有誤，希望它調整方向。如果它必須等測試結束才處理消息，就可能繼續沿着舊要求做下去。
DeepSeek爲此採用的是異步執行：耗時操作放到後臺，完成後再把結果送回來；會話在此期間仍可處理新消息。 新要求會在當前推理步驟結束後得到處理，無需一直等到後臺任務完成。它的具體做法是，命令運行超過5秒後轉入後臺，讓Worker能在後續步驟接收消息。
第四個問題：怎麼長期幹下去？
要持續工作，系統既要記住進度，也要能處理故障。
按照DeepSeek的設計，推動Agent工作的計算程序、保存任務進度的記錄，以及代碼和工具所在的電腦可以分開。 例如，計算程序可以在雲端運行，記錄單獨保存，代碼仍留在用戶原來的電腦上，系統需要時再連接過去。
這樣，運行程序可以重啓或替換，再依據記錄恢復任務；用戶也不必爲了使用雲端Agent，把所有工作環境都搬到雲端。如果某項操作必須使用一臺已經離線的電腦，則要等它重新連接後繼續。
不過，程序還在運行，也可能一直沒有做出有效進展。DeepSeek因此設計了獨立的Watchdog，可以理解爲額外的監督Agent。它定期檢查其他Agent是否出現故障，是否反復嘗試同一種無效方法，是否偏離任務目標，並嘗試介入恢復。
DeepSeek正在補齊模型之外的能力
把Super-agent放回DeepSeek近期的一系列動作中，可以看到，公司正在擴大資金儲備、補充算力與人才，並把模型能力推向更多使用場景。
首先是資本。
北京時間10月30日，The Information披露，DeepSeek第二輪融資規模爲1055億元人民幣，估值達到6155億元。騰訊和寧德時代繼續作爲主要投資方參與，長鑫存儲、中芯國際，以及vivo、美團等企業也出現在投資名單中。參與者覆蓋芯片、終端制造和互聯網服務等領域。
資金之外，計算與工程能力也在擴充。
彭博社9月報道稱，DeepSeek計劃在內蒙古的數據中心部署至少16萬顆華爲AI芯片，用於模型推理，即運行已有模型、處理用戶請求。
軟件適配也在推進。路透社指出，DeepSeek與華爲合作開發面向昇騰平臺的編程基礎設施，涉及計算與通信庫，並推進超節點方案。
另一組投入，開始延伸到機器人。
宇樹科技IPO相關披露文件顯示，DeepSeek投入約1.408億元參與宇樹科技IPO戰略配售，雙方約定合作開發人形機器人AI模型，並在模型訓練服務、技術方案及機器人採購等方面優先考慮對方。10月12日，DeepSeek擬領投機器人AI初創公司Winverse AI的種子輪融資。
人員與組織的調整，也在爲擴張補充執行力量。
9月21日，前高瓴創投合夥人嚴文韜正式入職DeepSeek擔任CFO。
工程團隊也在擴充。據澎湃新聞9月8日報道，DeepSeek新一輪招聘計劃提供約150個名額，重點包括服務端開發和Agent彈性計算研發，涉及研究平臺、Agent框架、API及線上服務等。時任Harness負責人崔添翼解釋，數據、計算任務、Agent運行環境和用戶請求的增長，正在要求團隊升級甚至重寫原有後端系統。
產品團隊則開始整合。科創板日報10月16日報道指出，DeepSeek將Harness、Web、App和Platform團隊整合爲產品部，由崔添翼擔任負責人，同時招聘產品設計相關崗位。
這些變化，也與模型及工具的更新相呼應。
根據官方更新日志，8月更新的V4 Pro正式版強調Agent能力；9月發布的V4.1 Flash加入原生視覺理解；10月17日再次更新時，公司強調減少任務運行時間與輸出長度，並針對多個Agent平臺優化。模型更新開始同時關注任務表現和執行開銷。
從這些連續動作看，DeepSeek正在建設一套圍繞基礎模型的研發與應用體系。Agent是其中已經明確推進的方向，機器人投資則爲進一步探索物理世界的應用提供了合作機會。
Super-agent展示了DeepSeek對下一步的設想——爲減少人類注意力做進一步的努力。但這套設計仍需要真實場景的檢驗：能否穩定完成工作、控制運行成本，並真正節省人的時間，將決定它能走多遠。
相關閱讀
- Nvidia 即時更新：黃仁勳被罷免，首席財務官 Colette Kress 擔任臨時首席執行官2026-11-13
- 芒果不怕紅果？2026-11-12
- 原創 黃仁勳之後，誰最可能接管英偉達？2026-11-12
- 三星卷軸屏手機曝光，搶先華為、蘋果打造新形態，摺疊屏有望淘汰2026-11-12
- 馬斯克最喜歡的車，竟然要停產了。2026-11-12
