梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

大道不孤。

DeepSeek刚刚提出的Super-agent及其理念，一经发布，引发热议。

也就在这种热议中，一家硅谷华人团队之前的成果，开始被真正看懂了。

而这场跨越大洋的技术共鸣，背后其实指向了同一个人机协同的底层困境——

当前，人类正在成为AI的瓶颈。

设想一下，AI可以同时推进1000、10000、100000个任务，多到人都看不过来时，Agent到底该变成什么样子？

AI生成

就在前几天，DeepSeek Harness团队甩出一篇重磅文章，针对这一痛点给出了下一代Super-agent的架构设想：

一个拥有连续上下文、能够自主调度多个Agent并行工作，甚至7×24小时在线的超级智能体。

把人类有限的注意力解放出来，让Agent接管海量任务，自己管理自己。

现实就是如此魔幻，很多人不知道的是，就在大洋彼岸的另一边，一家名叫AFK AI的硅谷华人团队——

早在年初，就把Super-agent底层的「单Router+多Worker」架构和四大核心特质，跑到了自家产品Comma里。

甚至他们还更进一步，直接向单Session接管一切后的上下文诅咒开刀，让Agent长期记忆、持续学习，始终在线：

更值得一提的是，这套系统已经公开可用，连代码都开源了。（源…源神？）

在这个人人都在高喊Personal Agent的时代，一支硅谷华人团队，提前把科幻电影里的「

苦单Session久矣，两大Agent玩家不谋而合

下面这些抓马且让人头大的学习工作场景，我猜大家应该都不陌生——

你正在让AI修改一份代码，测试还需要十几分钟才能结束，sad。。。

这时客户突然提出新需求，催你赶紧出一份项目方案，你打开另一个AI会话窗，又开始吩咐任务。

好巧不巧，老板一个突袭，又在工作群里问起昨天的项目进度，捉急！！

于是你继续狂切窗口、翻找历史对话，回头一看，满屏Agent会话、无数个待跟进任务，真·头大了。

如此「难绷」的一幕，其指向的正是DeepSeek Harness团队在Super-agent文章中提到的核心痛点——

根据团队的观察，咱普通人的注意力，通常只能同时跟进3至5个活跃Session。

不是Agent本事不够大，关键原因在于Agent的并发能力可以无限扩张，但人类的注意力却是有硬「上限」的。

而Super-agent的破局思路也相当直给：那索性就直接把人类注意力外包出去，让Agent管理Agent。

对此，他们还为Super-agent提出了四大标准——连续、高效、主动、持久。

连续代表着记忆与上下文贯通，高效来自多Worker并行协作，主动代表自主推进任务，持久则支撑长期在线及自主修复。

用户通过一个对话入口，让主Agent调度多个Agent并行处理海量信息、跨场景盯活，人只负责顶层决策就ok：

前几天，DeepSeek Harness抛出的这一判断，直接整得大家震惊眩晕瘫坐了，但更让人兴奋的是——

DeepSeek描绘的下一代Agent蓝图，硅谷华人团队AFK AI早在半年前，就已经沿着相似的方向做出了Comma。

甚至这个团队还提出一个颇具前瞻性的理念：一个团队，一个对话。

用户只需面对一个长期存在的主对话，由Router统筹任务、调度拥有独立上下文的Worker并行执行。

在底层架构上，两个Agent玩家也形成了颇为默契的共识：单Session+Router（主脑）+多Worker（执行者）。

由常驻Router统一接收指令、统筹全局，多个Worker在独立上下文中并行干活、汇报结果。

哪怕后台有几十个Agent同时开工，用户也只管在一个对话框里交代事情、验收成果，再也不用满屏切窗口、挨个催进度。

当然，新的问题也来了，那就是当Agent开始接管人类的注意力，一个更棘手的问题也随之浮出水面——

谁来管理Agent自己的记忆？（好问题.jpg)

要知道，一个Session要操心的事情越来越多，上下文窗口终究是有上限的。

当一个长期存在的Session开始接管越来越多的工作，人类的注意力问题解决了，但Agent自身的记忆瓶颈又出现了。

真正难啃的，是让Agent拥有一套能够持续学习、长期在线、随时找回关键记忆的系统。

而这，恰恰触及了Super-agent更深层的技术命题：

一个像贾维斯一样无处不在、永远在线，甚至能在长期工作中不断积累经验的个人Agent。

而这份关于未来Agent的想象，事实上已经沉淀进Comma里，变成了每个用户都能亲身感受到的实际体验。

从架构共识到产品落地，Super-agent跑进真实产品里

连续与高效：一个对话，让Agent自己带队干活

咱先来拿「连续」和「高效」这事儿聊聊。

前面提到，Super-agent的一大架构特点，就是让常驻Router统筹全局，多个上下文隔离的Worker并行执行任务。

敲重点！这里强调的不仅是单个会话里的多任务执行，还包括跨环境执行，理解并响应用户意图的变化等等。

而这套听起来颇为理想化的交互方式，如今在Comma里，已经变成了实打实的产品体验。

对咱普通用户来说，我自己感觉最爽的一点就是：终于不用天天给Agent「拉群」、安排人设、挨个交代任务了。

啥一个任务一个会话框、啥任务排队执行、啥反复粘贴背景资料，统统可以pass！！！

这不嘛，最近我一直在沉迷玩《分手厨房》游戏，但总觉得还不过瘾，于是灵机一动：直接吩咐Comma搓一个。

但问题是，我手头还压着周报复盘，以及近期AI模型发布信息的整理任务，其余待处理的事项也有点多。

搁以前，这时候又得一口气打开三个Agent会话，分别交代背景、安排任务，再挨个盯进度。

这回我索性偷个懒，就守着Comma的同一个对话框，把三个任务一股脑全塞了进去。

结果，真给我看愣了——三个任务，被分配给不同Worker。

仨Agent同时开工、互不打架，我甚至还能随时插话、临时加活，后台照样火力全开，真·一点不耽误啊？？？

当然了，光看后台热热闹闹还不够，最终还得拿成果说话！！

大家直接来看Comma耗时十分钟给我做的《分手厨房》（手搓版）。

WASD移动、3分钟倒计时、抢锅、送错菜、堵住通道……要求的玩法都给安排上了，完全1:1还原了我的要求。

与此同时，另一边的周报复盘也新鲜出炉，工作内容梳理得有条有理，重点进展和后续安排也都整理妥当，不错：

整个过程，我只管提需求、看进展、验收成果。

后台的任务分派、并行执行与状态汇总，都由Comma接手，我一点手不插。

这也是我第一次切实感受到，人，终于从多任务调度和注意力分配中抽身。

管理Agent这件事，也终于从「盯过程」变成了「管结果」。

跨环境：跨App接活、派活、交活，一条龙

不过，能在一个对话框里同时干活，还只是上半场。

真正考验Super-agent的，还有当用户的任务离开这个对话框，它还能不能接着往下干。

这也正是Super-agent对「连续性」提出的更高要求：跨环境。

在DeepSeek提出的架构中，这依赖于底层的多信道交互机制——

由Router统一承接不同平台的消息，Worker在后台独立执行，再根据不同渠道的交互习惯返回结果。

他们官方给的一个例子，是同一开发任务跨IM与GitHub无缝推进，AI能主动监听群聊还能自动提交PR，be like：

值得一提的是，在Comma里，这种高效和持续的「跨环境」能力，也早就做成了用户可感知的体验——

其背后依托的是团队自研的分布式Agent运行框架Salix。

通过第三方应用连接器，其能够接收来自不同平台的事件，再由可编程Loop持续监听，在需要时唤醒Agent处理。

而且Comma打通的范围还相当广，像微信、Signal、iMessage、Linear这些通信渠道我们都能接入～

不仅如此，Comma还支持安全自部署、BYOK及接入Codex、Claude Code，统一监督任务、跨端协同管理。

甚至在公司场景下，其还可以通过IM里的Comma Bot下达任务，让连接的员工电脑提供所需的本地工作环境，并通过权限及信息流控制约束访问范围。

由于最近手头的稿子确实有点多，于是我也把Comma接入了Linear，直接在Comma里给Linear下达了项目需求：

转头打开Linear一看，Issue已经建好了，该拆成哪些具体任务、怎么安排后续工作，这是真给我安排得明明白白啊：

但我其实更想说的一点是，Linear里的Issue还能反过来交给Comma执行，进展和结果同步回原来的任务里！！

Comma里交代的活，Linear接得住，Linear里的任务，Comma也能继续干，两边信息颗粒度还一直对齐。

任务能在不同平台间接力，如今，咱终于不用跟着各大平台和Agent到处跑了，建议大厂好好学学：

一个主动的Agent，一个持续学习，永远在线的记忆系统

在DeepSeek的设想中，Super-agent还有两项极具想象力的特质：「主动」与「持久」。

说白了，就是让Agent从被动接活，进化到主动发现问题、自己找活干，还能7×24小时在线。

巧的是，Comma也有异曲同工之妙，甚至能让Agent自己编写值班程序，全天候替人盯梢——

即便大模型没有运行、用户退出客户端，系统依然能够24小时不间断值守，并在关键时刻唤醒Agent。

说到这儿，我最近也顺手拿Comma当了一回「AI选题编辑」。

直接通过接入微信给它安排了个长期任务，每天中午12点和晚上9点，主动搜罗最新AI新闻，整理成选题推送给我。

结果到了点，消息就自己送上门了，选题、摘要、一手信息源全都有，再也不用担心没有选题给主编报了——

当然，真正的Jarvis，还在于它无处不在。

多端记忆绝对一致，不被任何一个App绑定，却能掌控所有的信息流。

哪怕我在Comma客户端里问Linear的任务进展，Comma也能准确应答，跨端记忆的本事没得说：

在记忆管理的底层设计上，Comma也确实有点真东西在的——

其将长期状态保存在模型上下文之外，再通过Router与独立Worker的分工，避免海量任务细节不断挤占主对话。

更进一步，Comma还把「持续学习」做进了产品深层，甚至让Agent能够从每一次工作中积累经验。

Comma会记录Agent的任务结果、人工修改和验收反馈，将其转化为训练信号，持续迭代专属小模型。

更有意思的是，新模型必须在团队自己的测试中击败旧版本，才能正式上岗。

比如，原本把退款请求误判为Bug的v3模型，在学习人工纠正后，升级到v4便能正确识别为账单问题。

AI生成

而这套机制，事实上还会按月更新评测数据，让小模型逐步接手成熟工作流，复杂任务则继续交给大模型。

相当于Agent每干完一轮活，都有机会把经验变成下一次的本事，真正实现越干越聪明。

从Bridge到Comma，持续探索长期自主的Agent

最后我想说的是，Comma这套架构的诞生，其实比很多人想象中还要早。

把时间拨回2026年4月。

彼时，Super-agent还没成为行业热议的话题，硅谷华人团队AFK AI就已经明确了自己的技术方向——

让一个长期存在的主Agent，统一接管用户的任务，再调度多个独立Worker执行。

4月28日，团队正式公开了Comma的前身：Bridge。

当时的产品介绍中，就已经出现了Lead Agent（主Agent）与Subagents（子Agent）的架构设计。

随后，这套理念开始加速落地。

5月20日，团队明确「每个群组一个Router Session」；6月3日，固定主对话与任务委派机制正式上线。

巧的是，仅仅20天后，Anthropic也推出理念相近的Claude Tag，让一个Slack频道共享同一个Claude。

而AFK AI的探索还在继续。

8月，团队推进Session切换能力。

9月，引入共享Session的信息流控制机制，解决多人协作中的敏感信息流转问题。

9月30日，Comma正式开源，随后又公开了基于Lean形式化验证的安全机制。

从单一主会话、多Worker协作，到跨Session管理与安全控制，Comma用了近半年时间，将最初的架构设想一步步变成了真实产品。

如果说DeepSeek为行业描绘了Super-agent的具体形态，Comma则用已经运行很久的产品给出了另一种回答——

一个真正能够长期陪伴用户、自主协调任务的Personal Agent，早就提前走进了现实。

见微知著，察势于先。

回过头看，DeepSeek和AFK AI在架构上的不谋而合，本质上则是两支团队穿透表层应用，对多智能体体系底层瓶颈、真实生产侧痛点形成的共识判断。

当前AI浪潮走到当下，行业对Agent Harness的期待，正在发生一次关键转向——

行业对Agent Harness的期待迎来关键跃迁，关注点从任务吞吐量，落到它所能承接的责任与复杂事务体量之上。

而Comma，已经率先在这条路线上交出了实践样本，让Agent在长期使用中不断积累经验，真正实现越用越聪明。

永久在线、共生成长的贾维斯，如今，早已不再是科幻梦。