DeepSeek开源Super-agent架构:以经典计算机系统思想突破单会话智能体瓶颈

资讯 AI 开发者社区 作者:编程导航 全文 3322 字 · 约 9 分钟读完 配图 1 张 分类DeepSeek深度求索开源智能体Deepseek

10月31日晚,DeepSeek Harness团队正式公布了其关于自主Agent探索的底层架构——Super-agent(超级智能体),并将其开源至GitHub。 该成果并非一款独立的新产品,而是通过将计算机系统中的调度、缓存、存算分离与看门狗等经典思想引入Agent架构,试图在底层接管会话管理与上下文同步,从而解放

所属频道 智能体与 Agent开源生态

10月31日晚,DeepSeek Harness团队正式公布了其关于自主Agent探索的底层架构——Super-agent(超级智能体),并将其开源至GitHub。

该成果并非一款独立的新产品,而是通过将计算机系统中的调度、缓存、存算分离与看门狗等经典思想引入Agent架构,试图在底层接管会话管理与上下文同步,从而解放人类注意力,推动智能体应用体验从被动对话窗口向持续在线的自主协作者演进。

面对传统单会话Agent在多任务并发、上下文混乱及人为干预等方面的局限,Super-agent的核心架构由五大模块构成。在双层架构上,系统拆分为常驻的Router层(负责统一路由与对外交互)和隔离并发的Worker层(专注执行具体任务),有效兼顾了全局连续性与高并发吞吐。

事件驱动模块通过程序层快筛与语义层慢判的两级过滤机制,结合订阅与直通、Inline & Spill上下文组织以及后台投机执行,使智能体能够主动将环境半结构化事件作为输入并自主推进。此外,异步全双工交互、存算分离的“脑手分离”设计以及由外部Watchdog构成的控制回路,共同保障了系统的持久在线与异常自愈能力。

初步实验数据显示,基于该思路的Super-agent在任务完成效率上表现优异,半数任务可在12.4分钟内完成,95%的任务在15.7分钟内完成,显著优于传统单会话方案。

同时,订阅直通机制为Router层节省了约37%的Token开销,而批处理机制则将单个决定分摊的推理时间从6.4秒降至1.6秒。尽管当前实验基于简化环境且仍面临双层扩展与安全隐私等挑战,但该架构初步证明了系统层接管会话调度的可行性,为解决多任务智能体的效率与稳定性平衡提供了重要行业参考。

▲Super-agent开源项目地址

GitHub地址:

https://github.com/deepseek-ai/dsh-superagent-prototype

1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
430
2
DeepSeek 全新模型发布,性价比最高的一集!
420
3
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
350
4
又一个国产版 Codex 神器,也来卷办公了!
350
5
我的第一个出海产品!7 天 2 万
330
6
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
330
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. DeepSeek发布全新Agent架构“Super-agent”,让AI调度AI

    【环球网科技综合报道】10月31日晚间,DeepSeek Harness团队在官方公众号发表技术文章《Super-agent设计探索:迈向更自主的Agent系统》,正式公开其面向自主智能体探索的全新架构Super-agent,相关原型已同步开源。DeepSeek在文中指出,随着模型能力持续提升,AI完成单个任务已越来越

    来源 腾讯网
  2. DeepSeek又开源了!公布Super agent架构

    智东西(公众号:zhidxcom)作者 | 李水青编辑 | 心缘智东西11月1日报道,10月31日晚间,DeepSeek Harness团队公布了其关于自主Agent探索——Super-agent(超级智能体)的底层架构。▲Super-agent开源项目地址GitHub地址:https://github.com/dee

    来源 腾讯网
  3. 让Agent跨会话接任务,DeepSeek开源Super-Agent原型

    专注AIGC技术的专业社区,关注大语言模型(LLM)的发展和应用落地,聚焦LLM及AI技术的市场研究和开发者生态,欢迎关注!开发团队的群聊里冒出一个代码问题,接下来通常要有人把消息复制到任务系统、补齐背景,再找出谁来处理。DeepSeek Harness团队想探索的,是让Agent接过其中一部分协调工作:从授权的信息源

    来源 腾讯网
  4. DeepSeek刚发的下一代Agent,竟被这家硅谷团队提前半年实现了?

    新智元报道 最近,DeepSeek又来炸场了。昨天,DeepSeek公布了下一代Agent Harness的理念——Super-agent。这篇长文指明:未来Agent的终极形态,将彻底打破「聊天窗口」的束缚,走向跨会话记忆、多任务并发的「真·Jarvis」时代。文章一出,业界沸腾。许多开发者直呼:「这就是我们一直在苦

    来源 腾讯网
  5. 这次DeepSeek和硅谷团队形成共识?

    (文/赖家琪 编辑/吕栋)日前,DeepSeek旗下Harness团队发布长文,公开下一代智能体架构构想,提出Super-agent(超级智能体)概念。按照这一设想,未来的AI将不再局限于传统聊天窗口,而是能够跨会话保留记忆、同时处理多项任务,并在不同应用和设备之间自主调度,逐步从一个需要人类不断发出指令的聊天工具,转

    来源 腾讯网
  6. DeepSeek发布超级智能体架构, 打穿Agent生产力瓶颈

    “一个人通常只能同时跟进3到5个活跃会话。”11月1日,DeepSeek Harness团队发表长文《探索超级智能体设计:迈向更自主的Agent系统》指出,随着大模型独立完成复杂任务的能力不断提高,限制AI生产力的瓶颈,正从模型能力转向人类注意力。由此, DeepSeek提出了“超级智能体”(Super-agent)架

    来源 腾讯网
  7. DeepSeek被网友玩成女仆装大肥鱼:AI模型为何逃不过人设化?

    从DeepSeek的鲸鱼娘到豆包的笨女孩,AI产品正在经历一场集体拟人化。技术能力被解构为性格标签,官方迭代追不上民间梗图传播。当AI从聊天转向Agent办事,这些刻板印象成了产品转型的最大阻力。本文拆解这一现象背后的传播逻辑与产品困境。

    来源 AI 应用前沿
  8. DeepSeek怎么就成了“大肥鱼”:从蓝鲸logo到鲸鱼娘

    最近,B 站评论区闹起了「鱼灾」。 先是有人开了个「Claude 大小姐在运营」的账号,让 AI 负责选题、制作和运营。第二天,「DeepSeek 鲸鱼娘在运营」跟着上线,第一条视频播放量就超过了 200 万

    来源 快科技
  9. 30+巨头股东曝光!DeepSeek豪华朋友圈曝光:AI竞争焦点变了

    近日,外媒The Information爆出了国内AI圈的重磅猛料:DeepSeek最新一轮融资规模扩大到了1055亿元人民币,估值直接来到了6155亿元。除了打破纪录的融资金额,报道还披露出一份长长的投资方名单,除了宁德时代、中国移动,还集齐了长鑫存储、中芯国际、vivo、美的、立讯精密、吉利、美团、小红书等近30家

    来源 腾讯网
  10. 百度搜索AI API定价4.9元/千次,搜索系统引入RSI机制

    10 月 30 日,百度 APP 围绕搜索框、AI 镜头、GUI 可视化、AI 互动应用等方向推出多项升级,并全新升级搜索 AI API。价格方面,搜索 AI API 增强版接口活动期间最低为 4.9 元/千次,旗舰版为 9.9 元/千次。百度称,4.9 元/千次的价格低于 DeepSeek 搜索 API,希望通过更低

    来源 AI 行业观察
  11. 小红书,投了梁文锋

    人人都想投进梁文锋。 The Information披露了DeepSeek第二轮融资:规模1055亿元人民币,估值6155亿元,近30家投资方参与。阵容之豪华,令人惊叹。 长长的名单中,一个意外身影浮现——小红书。 小红书跟上投进了DeepSeek 说起来,小红书的创始团队与梁文锋之间,并无太多直接渊源。毛文超、瞿芳成

    来源 AI 行业观察
  12. 吉利汽车:前三季度出口79.8万辆,迪拜自贸区交流会同期报名

    头条大事 迪拜机场自贸区2026北京交流会报名开启中 11月18日,迪拜机场自贸区2026北京交流会将在北京举办,帮助中国企业了解迪拜市场、当地营商环境,并就落地自贸区相关问题答疑解惑。此次活动将围绕出海迪拜、迪拜机场自贸区的概况以及落地讲解,以及中国企业出海中东概览等企业和市场关注的2026年热门议题展开,并提供与机

    来源 AI 行业观察
  13. 周鸿祎谈中美大模型差距:算力短板下该不该放开H200进口?

    近日,360创始人周鸿祎在接受媒体访谈时提出了一个颇值得重视的观点:当前中美顶尖大模型之间的差距,主要不在算法,而在算力。他认为,美国头部AI企业已经能够动用规模庞大的计算集群,而中国大模型企业能够获得的先进算力相对有限。 DeepSeek虽然通过算法创新和工程优化取得了令人瞩目的成绩,但这些创新在很大程度上也是...

    来源 腾讯网
  14. Super-agent架构:用双层设计与事件驱动突破多任务瓶颈

    单会话Agent在处理多任务时受限于人的注意力,导致上下文割裂与效率低下。本文探讨Super-agent架构,通过Router与Worker双层解耦、事件驱动路由及存算分离,实现跨信道连续交互与高并发执行。系统借鉴计算机经典设计,如异步ReAct Loop与Watchdog机制,让Agent从被动响应转向主动协作,在保

    来源 AI 应用前沿
  15. Jev联手Treg推出找人工具:单条线索成本0.0089美元,比Clay低85%

    TypeSafe AI与Agent平台Treg合作,开源了一款基于Jev决策模型的找人工具。该工具通过Agent理解需求、Jev筛选候选人、Treg调用数据源的分工模式,将单条线索成本降至0.0089美元。实测显示其价格仅为竞品Clay的15%,且在B2B拓客等场景下显著提升了Agent的任务准确率。尽管存在部分搜索盲

    来源 AI 应用前沿
向下滚动自动加载更多