DeepSeek开源Super-agent原型
AI 总结
10月31日，DeepSeek Harness团队发布技术文章，并以MIT协议开源Super-agent技术原型。该系统采用Router–Worker双层架构，通过消息过滤、异步执行、存算分离和Watchdog机制协调任务；DeepSeek称已在内部将其用于Bug复现、修复和代码审查。在约300条消息、20项工作请求的模拟实验中，Super-agent任务完成时间P95为15.7分钟，中性提示词的Session+Subagent方案为29.5分钟，但目前开源版本仅覆盖部分设计，异步执行也未默认开启。
深度见解
此次开源提供了多智能体持续协调的开源实现和一组厂商实验数据，但实际开发效果、运行成本与大规模协作能力仍需验证。
一个程序员，同时指挥五个AI干活，会是什么体验？
一个负责修Bug，一个负责写代码，一个负责测试，另外两个在推进其他项目。看上去，五个AI同时开工，效率应该大幅提升。可现实往往没那么简单。
程序员需要在五个窗口之间来回切换，记住每个任务进行到哪一步、哪个需求发生了变化、哪个AI还缺少信息。忙活一圈，代码是不用自己写了，人却成了五个AI的项目经理。
AI越来越能干，人反而越来越忙。
10月31日晚，DeepSeek Harness团队发布技术文章《Super-agent设计探索：迈向更自主的Agent系统》，并同步开源Super-agent技术原型，试图解决这一难题。
与过去接到指令后执行任务的Agent不同，Super-agent希望让AI自己分配工作、主动发现问题，并持续跟进任务，不再事事等待程序员安排。