摘要
DeepSeek Harness 团队以工程实践视角阐述其 Super-agent 架构设想（文中明确说明这是架构思路探讨，并非现有产品功能介绍）。核心内容包括：双层架构（常驻 Router 层统一承接人类交互与任务分派，上下文隔离的 Worker 层并发执行，Worker 不直接面向用户回复）；事件驱动设计（以群聊消息、PR 评论、CI 结果等环境事件 Trigger 为输入，程序层 Fast Path 与大模型语义层 Slow Path 两级过滤，Router 创建 Worker 后按 Thread 订阅直通、未订阅事件才走 Router；用 Inline & Spill 与'链式召回'按引用图逐跳注入上下文；借鉴投机执行在后台提前尝试，无价值则丢弃）；面向人的交互（把 run() 改为异步 start()/stop() 的全双工 ReAct Loop，目前已在 DeepSeek Harness 实现但未默认开启；按 IM 与 GitHub/邮件等不同信道定制输出规范，如 IM 单次回复不超过 100 词）；计算、状态与执行环境分离（Agent Loop 无状态上云、会话状态入库，端侧只部署轻量 daemon，支持 BYOM 与间歇在线设备）；以及外部 Watchdog Session 作为 Control Loop，除基础设施故障外还由模型判断 Worker 是否实质推进、是否偏离目标。初步实验：约 300 条消息、约 20 条工作请求的合成负载下，Super-agent 任务完成时间 p50 12.4 分钟、p95 15.7 分钟，单 Session+Subagent 中性提示下 p95 达 29.5 分钟；去掉直通后完成时间基本不变，但 Router 决定数增加约 30%、读缓存 token 由 2323 万增至 3177 万（+37%）；Router 压测中 Trigger 到达速率由约 1 条/分升至约 40 条/分，平均 batch 由 1.0 升至 2.8，单次请求耗时 2.5→3.9 秒，单个决定分摊推理时间 6.4→1.6 秒。文末列出双层架构扩展、脱离 Session 后的人机协作、上下文边界与 A2A、安全与隐私（云端被攻破或提示词注入可波及全部端侧设备、凭据进入上下文即可能泄露）等开放问题。部分设计以 dsh-superagent-prototype 原型插件形式在 GitHub 开源，作者声明非正式产品。
为什么值得看
该文虽非法律题材，但给出了可核验的量化实验与一整套可直接复用的多任务 Agent 工程方法，对律所自建或选型法律 AI 有明确参照价值：其一，'单会话靠提示词让模型自行分工'在实验中被证明不稳定（中性提示下 5 次运行 0 次委派、p95 29.5 分钟），对律所常见的'一个对话框处理多个案件/事项'是直接警示，应以系统层面的职责划分替代提示词祈祷；其二，事件两级过滤 + Thread 订阅直通 + 批处理的成本结构（直通省下 Router 约 30% 决定数与 37% token）可作为法律场景按'案件/邮件串/材料目录'分流的成本参照；其三，'进展监控而非仅进程存活'的 Watchdog 思路，适合长时间批量检索与文档审阅的质量兜底；其四，存算分离与端侧 daemon 直接对应律师'案卷与凭据留在本地/内网、算力在云端'的合规诉求，文中也自陈该设计在提示词注入下会波及全部端侧设备，这一风险判断对法律场景选型尤其值得引述。实验基于合成负载与简化环境（编码工作用时耗工具替代），原文未做任何法律场景实测，引用时须标明这一点。
摘要和推荐理由由 AI 生成，编辑抽查
完整内容请看原文原文版权归作者所有。
摘要和点评可能有遗漏或偏差，请以原文为准。不构成法律意见。