DeepSeek开源Agent架构，想让人少给AI打工

出品｜虎嗅科技组作者｜黄天媛编辑｜苗正卿头图｜视觉中国文锋又开源了。10月31日晚，DeepSeek Harness团队公开了Super-agent的架构设计，并开源研究原型，探索让Personal Agent更自主地参与日常工作。目前，公开原型主要面向单个GitHub仓库，可选择接入飞书，部分设计尚未实现。这次他想解决的，是让AI在没人@、下指令的情况，自己发现Bug，并主动在后台尝试复现、定位和修复，再提交代码修改请求，等待人审查。它可以持续关注工作群消息，跨平台协作、并行推进多个复杂工作，减少人类在多个会话之间的协调负担，甚至24小时运行。在看完整个架构文章之后，有一点需要先明确一点。DeepSeek这次并没有提出全新的理论或是一个全新的技术路线。Super-agent提供的是一种系统的创新。它把经典计算机系统思想应用到了Agent系统当中，比如多Agent分工、事件触发、异步执行等等。它解决的是，当AI能干的活越来越多，人被迫在不同任务之间来回切换，越来越像AI的项目经理的当下，而人的注意力反而成为了harness的瓶颈。解放人脑现在成为了一个更重要的问题，而他们想从工程学上解决这个问题。DeepSeek这套Agent架构，有什么不同？要让AI持续参与工作，需要回答四个问题。第一个问题：同时有多件事，怎么一起干？假设团队同时提出三个需求：修复一个Bug、审查另一份代码，再开发一个新功能。如果全交给同一个会话处理，它就要不断在几项工作之间切换，而分开几个会话，人又得自己记住各自的进度。DeepSeek为此采用了调度和执行分开的双层结构：上层Router负责接收消息、了解任务之间的关系和分派工作；下层Worker负责具体执行。 一个修Bug，另一个审查代码，各自保留完成任务所需的背景和过程，减少不同工作的细节混在一起。根据DeepSeek公开的执行文档，原型会为每个工单建立独立的执行会话和工作目录。任务复杂时，Worker还可以继续调用子Agent帮忙。分工之后，还要让新信息找到正在干活的那个AI。比如，某个Worker已经提交了一条PR，即代码修改请求，开发者随后在下面留言：“这部分换一种写法。”系统就把意见送回负责该任务的Worker，让它接着修改，无需人重新开一个会话、再讲一遍前因后果。这依靠的是订阅机制：任务与相关讨论建立联系，后续消息沿这条联系送达；超出任务范围的要求，再交回协调层处理。当然，这种分工并不是首创。Anthropic在2025年的Research技术说明中，就介绍过主Agent组织多个子Agent并行搜索。DeepSeek此次的重点，是把分工、消息跟进等机制组织起来，持续推进多项工作。为减少开销，架构文章还讨论了把积压消息合并处理，以及需要时再调取旧记录。这样既减少逐条判断，也避免每次都把全部历史塞给模型。第二个问题：没人派活，Agent怎么知道该做什么？DeepSeek引入了事件驱动机制，让工作环境中的消息也能成为任务的起点。例如，工作群里有人反馈Bug，或者代码自动检查没有通过，系统都可以将其纳入判断。但大量消息只是闲聊。根据GitHub的授权文档，原型先用程序检查消息来自哪里、谁发来的、是否符合准入规则，再让模型判断是否需要开始工作。对于没有人直接要求的任务，团队必须事先写下允许执行的规则。DeepSeek展示的内部案例就配置了“静默复现并修复”策略。群里有人反馈问题，即使没有@AI，它也可以先在后台尝试复现、寻找修法，确认问题并找到简单方案后，再提交结果。这种做法被称为投机执行：先花一些计算资源尝试，把有用的结果准备在前面。反馈也要有所取舍。根据GitHub设计原则，接到明确请求后，Agent会简短确认；工作期间尽量安静，在结果可用、需要人决定或无法完成时再反馈。这意味着，AI可以多推进一些工作，用户不必因此多读一串进度通知。第三个问题：如果多任务并行，还能不能听人说话？假设Agent正在运行一次耗时测试，你突然发现需求有误，希望它调整方向。如果它必须等测试结束才处理消息，就可能继续沿着旧要求做下去。DeepSeek为此采用的是异步执行：耗时操作放到后台，完成后再把结果送回来；会话在此期间仍可处理新消息。 新要求会在当前推理步骤结束后得到处理，无需一直等到后台任务完成。它的具体做法是，命令运行超过5秒后转入后台，让Worker能在后续步骤接收消息。第四个问题：怎么长期干下去？要持续工作，系统既要记住进度，也要能处理故障。按照DeepSeek的设计，推动Agent工作的计算程序、保存任务进度的记录，以及代码和工具所在的电脑可以分开。 例如，计算程序可以在云端运行，记录单独保存，代码仍留在用户原来的电脑上，系统需要时再连接过去。这样，运行程序可以重启或替换，再依据记录恢复任务；用户也不必为了使用…