硅谷华人团队开源Comma：单入口调度多Agent并行，解决上下文瓶颈

人类注意力正成为AI的瓶颈

最近DeepSeek抛出的Super-agent理念，在技术圈搅起了不小的动静。其核心观点很直接：AI的并发能力早已把人类注意力的上限甩在身后。一个人同时盯三五个对话窗口就到顶了，AI却能同时跑成千上万个任务。人看不过来怎么办？让Agent去管Agent。

这个思路听着顺理成章。不过很多人未必知道，在硅谷，华人团队AFK AI今年年初就把这套架构落成了产品，而且已经开源，产品名就叫Comma。

两家团队做的并非简单功能重叠，而是各自对同一个底层困境给出了解法：单Session（会话）的限制怎么打破，让AI真正接管复杂工作流，而不是让人在无数聊天窗口之间来回折腾。

单Router+多Worker：把“拉群”交给AI

Comma的核心架构，概括起来就是“单Router+多Worker”。

按传统用法，任务一换，往往就得新开一个聊天窗口，重新贴背景资料、设定角色。写代码、做周报、查资料三件事同时压过来，就得开三个窗口来回切，还得提防上下文搞混。

Comma换了个做法：用户只面对一个长期存在的“主对话”（Router）。一堆任务扔进去，Router先理解意图，再把具体活儿分派给后台多个独立的Worker。每个Worker各有各的上下文，互不干扰，并行干活。

我实际测了一遍。手头当时有三件事：做一个类似《分手厨房》的简易网页游戏练手；整理本周工作复盘；梳理近期几个大模型的发布要点。

换成普通AI工具，我得开三个标签页。在Comma里，我只在一个对话框把这三个需求一股脑发了出去。

后台随即起了三个不同的Worker。十分钟后，游戏代码出来了，WASD移动、倒计时、抢锅机制还原得都不错；周报复盘把重点列得条理清晰；模型资讯也整理完了。全程我没中途切窗口，也没反复解释背景，只负责最后验收成果。

体验上的变化在于，人跟AI的交互从“盯过程”转成了“管结果”。人类有限的注意力被释放出来，不再耗在任务调度和上下文维护上。

跨环境协作：不只是在聊天框里干活

Agent若只困在网页聊天框里，能发挥的作用终究有限。微信、Slack、GitHub、Linear，真实的工作流散落在这些工具之间。

DeepSeek在Super-agent构想里提过“跨信道交互”，指的是Agent能盯群聊、能自动提PR。Comma靠自研的分布式运行框架Salix把这件事做了出来。

微信、Signal、iMessage、Linear等第三方应用，Comma都能接进去。在微信里给Comma Bot发条指令，让它去Linear建个Issue，或者盯某个GitHub仓库的动静，都可以。

我试着把Comma接到Linear上。在Comma对话框里敲进项目需求，再切到Linear，Issue已经建好，还拆成了具体子任务。双向流动才是关键：我在Linear里改了任务状态，Comma同样能感知，主对话里随即同步进展。

这种跨环境“接力”，让Agent不再被锁在单一App里当孤岛。企业场景下，Comma还提供安全自部署和BYOK（自带密钥），用权限控制限定Agent访问本地工作环境的范围，数据不出域。

主动与持久：像贾维斯一样永远在线

“主动”和“持久”是Super-agent的另外两个特征，Comma在这两点上同样落了地。

“持久”说的是用户不必时刻开着客户端。Comma支持24小时值守，大模型没有实时运行，系统照样在后台监听事件，该唤醒Agent时再唤醒。比如设一个长期任务：每天中午12点和晚上9点，自动搜最新AI新闻，整理成选题推到我的微信。

时间一到，消息自己送到，摘要和信源都在里面。不用每天追着问“今天有什么新闻”，Agent会把结果主动送上门。

“主动”背后靠的是记忆系统。Comma把长期状态存在模型上下文之外，海量历史细节不会挤占主对话窗口。更进一步，它还有持续学习机制。

Agent的任务结果、人工修改、验收反馈，Comma都会记下来。这些数据变成训练信号，用来迭代专属小模型。新模型得在内部测试里赢过旧版本才能上岗。早期版本可能把退款请求误判成Bug，人工纠正之后，新版本就能正确认成账单问题。

这么一来，Agent用得越久经验越多，成熟的工作流逐步接手，复杂任务仍旧交给大模型。用团队的话说，就是“越干越聪明”。

从Bridge到Comma：半年的架构演进

Comma不是一天做出来的。翻一遍AFK AI的时间线，演进路径很清楚。

2026年4月28日，团队公开了Comma的前身Bridge，Lead Agent（主Agent）与Subagents（子Agent）的架构当时已经提出。5月，定下“每个群组一个Router Session”的原则。6月，固定主对话与任务委派机制上线。

Comma把主对话机制完善好没多久，Anthropic就推出了理念相近的Claude Tag，允许Slack频道共享同一个Claude实例。行业头部玩家也在往同一个方向摸。

之后几个月，Comma先后推进Session切换能力、共享Session的信息流控制，9月30日正式开源，同时公开了基于Lean形式化验证的安全机制。

从单一主会话到多Worker协作，再到跨Session管理和安全控制，最初的架构设想变成可运行的产品，Comma花了近半年。

结语：Agent Harness的关键转向

DeepSeek和AFK AI想到了一块，这说明行业对Agent Harness（智能体编排）的期待正在转向。

早先大家盯的是任务吞吐量，即AI生成文本或代码能有多快。如今焦点挪到了责任承接和复杂事务管理上。用户要的不是打字更快的机器，而是一个能长期陪着、自主协调、跨平台干活的数字助理。

Comma的价值在于，它证明这套架构工程上可行，而且已经进入真实使用阶段。不是PPT上的概念演示，上下文诅咒、跨应用断点、记忆丢失这些具体痛点，它都碰到了。

局限当然也有。复杂逻辑的判断仍旧依赖大模型，小模型迭代需要足够多的反馈数据。但它给出了一个清晰样本：未来的Personal Agent该是永远在线、记忆连续、能主动管任务的系统，而不是一个个孤立的聊天窗口。

开发者能拿Comma的开源代码和Salix框架当参考实现。普通用户看到的是另一种可能：不用再手动切窗口、反复粘贴背景，人机协同的效率边界会被重新划一遍。