共计 1262 个字符，预计需要花费 4 分钟才能阅读完成。
详解 Super Agent: 会主动干活, 更懂何时闭嘴
建议按 ” 变化—原因—影响 ” 的顺序阅读。
DeepSeek Harness 团队在 10 月 31 日晚发布《Super-agent 设计探索: 迈向更自主的 Agent 系统》, 提出“Super Agent”这一概念, 并在 GitHub 开源原型 dsh-superagent-prototype 供开发者参考。与只会等指令的普通 Agent 相比, 它被描述成一个记得上下文、能跨群聊与代码仓库持续干活的“正式员工”。
📌 从“临时工”到“正式员工”
普通 Agent 的每个任务都是独立 Session, A 会话里得出的结论 ,B 会话并不知情, 任务全貌最终只能由人自己拼起来。DSH 团队观察到, 一个人能同时跟进的活跃会话通常只有 3 到 5 个, 瓶颈不只在模型够不够聪明, 也在于人到底能盯住几个 Agent。
从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。
若让一个 Agent 同时修 Bug、写报告、回消息, 输出速度会下降 , 几件事的细节还容易混在一起。这也是 Super Agent 要解决的问题。
🔍 主管与工人: 两种角色分开
Super Agent 把角色拆成 Router 和 Worker。Router 类似项目主管, 负责听需求、记背景、看全局并决定把任务派给谁, 不亲自执行;Worker 各领一项任务, 在独立空间并行开工。人只需跟最好沟通的“主管”打交道。
💡“主动”从何而来
系统把工作环境里的动静当作触发器: 新群消息、新邮件、日程变化、代码检查失败, 都可能启动流程 。以群里一句“这个项目有 BUG”为例, 消息先经过规则过滤, 再由模型判断是否符合团队预设的“静默复现并修复”策略, 通过后才派活。
为控制成本,DSH 设了两道筛网: 规则层限定哪些群、哪些来源有效 ; 模型层判断一句话是随口吐槽还是真问题。后者用自然语言写成, 改策略只需改提示词。
📊 最被看重的其实是“闭嘴”
原型文档强调“尽可能少占用人的注意力”:Agent 工作时保持安静, 只有结果可用、需要人决策或任务无法完成时才开口 。同时设有边界规则——只在被请求或书面规则允许时行动。
异步机制下, 系统先告知“已开始”, 完成后再送回结果, 期间用户可补充要求或叫停; 该机制已在 DSH 中实现, 但尚未默认开启。另外,Agent 的“大脑”、任务记录与实际操作设备相互分离, 并配有 Watchdog, 除了看是否宕机, 还要看任务有没有进展、方向有没有跑偏。
🚀 几个值得留意的点
- 主动性依赖“规则 + 模型”双重判断, 而不是让模型读遍所有消息;
- 沉默被当作产品能力, 过程播报被视为注意力成本;
- 代价是 token: 多 Session 设计与后台巡检都会消耗额度;
- GitHub 上的原型只是研究原型, 主要面向单个仓库, 也可接入飞书, 部分设计尚未落地。
🧭 结语
Super Agent 的思路 , 是把“管理人会话”变成“管理任务”, 让人只关心事情有没有办完。它能否成立, 取决于主动与克制之间的分寸, 也取决于用户是否愿意用更多 token 换回自己的注意力。
