Super-agent 设计探索:迈向更自主的 Agent 系统
一句话定位
当单任务 Agent 证明”模型会用工具”之后,瓶颈从模型能力转移到人的注意力:一个人同时只能跟进 3–5 个活跃 Session。本文提出 Super-agent ——把 Agent 从”单次手动会话”里解绑,变成跨会话保持上下文、并发推进多任务、持续在线的连续实体;并用五个模块(双层架构 / 事件驱动 / 面向人的交互 / 计算状态环境分离 / Watchdog)拼出它的系统架构。核心方法论不是新理论,而是把计算机系统的经典工程思想(Fast/Slow Path、Cache、投机执行、存算分离、Control Loop)搬到 Agent 系统上。
定位说明:这是一篇面向工程实践的架构思路探讨,不是 DeepSeek Harness 现有产品功能说明。部分设计已在
dsh-superagent-prototype原型插件中实现,非正式产品。
1. 问题:为什么单 Session 撑不住
| 现状 | 后果 |
|---|---|
| Agent 以单一 Session 为基本单位,Session 之间彼此独立 | 并行多任务必须手动切换 + 自己记住各 Session 上下文 |
| 人的并发能力有限(实测约 3–5 个活跃 Session) | 单任务上限取决于模型能力,多任务上限取决于人的注意力 |
| 在本地单会话 Agent 上叠加 CLI / MCP / 连接器 | 仍受制于单会话同步阻塞、多任务上下文混乱、本地设备离线即停 |
| Session 同时承载”技术上的上下文管理”和”面向用户的项目管理” | 产品形态被底层实现绑架;让用户管 Session 是从 LLM API 继承下来的设计惯性 |
2. 四个基础特征

| 特征 | 含义 | 对应架构模块 |
|---|---|---|
| 连续 | 在 IM、GitHub 评论等熟悉界面交互,感觉始终只有一个 Agent;不必想”Session X 里有没有 Y 信息” | 双层架构 + 全局 Router 记忆 |
| 高效 | 响应快,且能并行高质量完成多个复杂任务;不用等上一条完成才接下一条 | 双层架构 + 异步(全双工)ReAct Loop |
| 主动 | 不等逐条指令,持续观察环境事件并主动推进;不需要介入时保持安静 | 事件驱动(Trigger + 过滤 + 订阅直通 + 投机执行) |
| 持久 | 始终在线、接入真实工作环境、长期运行遇到异常能自愈 | 计算/状态/环境分离 + Watchdog |
关键判断:单个 ReAct Loop 无法同时支持这四点,底层必须有一套架构。相似的设计约束会导出相似的架构选择。
内部实例(DeepSeek Harness 上的 Super-agent):


3. 双层架构:Router 层 + Worker 层
3.1 要解决的权衡
- 全部事件交给同一个 Session:上下文最连续,但受单个 ReAct Loop 串行速度上限限制,耗时长、吞吐低,多任务细节混杂影响完成质量。
- 每条事件新开独立 Session:并发吞吐最高,但任务间不独立时缺全局上下文、结果割裂,且多个 Session 各自回复用户造成混乱。
解法:把「维护全局连续性」与「高并发执行」拆到两层——常驻 Router 层统一承接人类交互与全局协调,上下文隔离的 Worker 层并发执行具体任务。

“双层”是逻辑职责划分,每一层内部都不必局限于单个 Session。
3.2 Router 层(常驻全局路由)
- 承接所有入口的人类交互,是全局的序点(Sequence Point)、协调点和记忆。
- 为不成为性能瓶颈,不直接执行具体任务、只做交互与分派,甚至可以不配 Bash 工具。
- 与常见 Agent Team 的区别:Agent Team 的 Team Lead 要深入理解任务细节、高频协调,推理负载重;Router 只处理任务之间的高层关联与分派,不介入单任务内部拆解 → 用较轻量的模型就够。
为什么单个常驻 Router Session 没有成为瓶颈:批处理(Batching)
- 上一轮推理期间到达的 Trigger 会积压,在下一轮 LLM 调用中一并注入。
- Router 每步是长输入、短输出;多条 Trigger 合并进一次调用后在 Prefill 阶段并行计算,单次请求耗时增长远慢于 batch 大小。
- 因此一定范围内:积压越多,单个决定分摊的推理时间越低。上限取决于上下文长度和模型单轮能准确处理多少条 Trigger。
- 规模再大时,Router 层内部可做多层过滤结构或水平切分(Sharding)——但这就是又一轮连续性 vs 吞吐量的权衡,切得越细吞吐越高、记忆连续性越低。在全局记忆问题解决之前,这个权衡始终存在。
3.3 Worker 层(隔离并发执行)
- 彼此上下文隔离,挂载完整执行工具,在独立上下文中专注单一任务;通常配能力最强的模型(直接决定任务结果与代码质量)。
- 不直接与人类交互:推理过程与工具调用不输出到外部信道,只向 Router 汇报状态,由 Router 统一回复。
- 同层 Worker 通常不直接通信;冲突多发生在共享工作环境(如同一个 PR),靠”都订阅了该 Thread → 收到相同事件通知”来各自发现并解决,少数跨任务协同由 Router 中转。
- Worker 内部仍可再建 Subagent 或本身就是一个 Agent Team,对 Router 透明。
场景对照:
| 场景 | Router 层 | Worker 层 |
|---|---|---|
| 研发协作 | 分派 + 跨任务协调 | 同时推进问题复现 / PR 评审 / 特性开发,互不阻塞 |
| 个人助手 | 维持单一聊天页的交互连续性 | 对话框里每个话题各派一个 Worker 并行推进、起草回复 |
4. 事件驱动:一条 Trigger 的生命周期
驱动 Agent 的主要输入不再是人类逐条键入的提示词,而是环境中的半结构化事件(Trigger):群聊消息、邮件与日程提醒、代码审查评论、CI 运行结果。四个递进问题对应四个机制:
4.1 事件过滤(3.1)——Fast Path / Slow Path
真实群聊与代码平台的事件流是典型的「高噪音、低触发率」,逐条调模型判断延迟与成本都不可接受。
| 层 | 角色 | 做什么 |
|---|---|---|
| 程序层策略 | Fast Path(低成本、低延迟、确定性) | 按事件来源、群组范围、用户/机器人白名单等确定性条件准入;对不同来源设”仅响应明确请求 / 作为候选 / 直接忽略” |
| 语义层策略 | Slow Path(高成本、灵活) | 对通过程序层准入的候选事件,由 LLM 按提示词策略 + 上下文判断是否需要行动;同时是面向人类的自然语言扩展点 |

4.2 事件路由(3.2)——订阅与直通
如果每个后续事件都经 Router 转发,这个全局节点依然承受大量负载。定义 Thread = 同一个 GitHub PR、同一个 IM 话题或同一封邮件串下的连续事件流。

| 路径 | 条件 | 处理 |
|---|---|---|
| Fast Path(已订阅) | Worker 创建后直接订阅该 Thread | 同一 Thread 的后续事件由程序直通 Worker,不经 Router;超出任务范围时 Worker 可取消订阅或交回 Router 重派 |
| Slow Path(未订阅) | 尚未被订阅的新事件 | Router 仍可观测所有事件掌握全局,但只负责判断与分派 |

- Thread ↔ Worker 订阅是多对多:一个 Worker 订多个 Thread,一个 Thread 可被多个 Worker 订阅 → 交集处的新事件同时直通给所有订阅者,无需点对点通信也能感知彼此操作、自行解冲突。
- 输出侧仍由 Worker 把关键结论汇报 Router,Router 统一回复用户并同步全局记忆。
4.3 上下文组织(3.3)——Inline & Spill + 链式召回
“浪费上下文窗口,就是浪费模型的智能。” 把有限的上下文窗口当作 Cache 管理:
| 操作 | 定义 | 场景 |
|---|---|---|
| Inline | 把近期很可能用到的信息直接内联进窗口,省去工具调用往返 | 附上紧密关联对象的 ID、内容前 50 字、IM 消息的前后相邻消息与所回复的消息、代码评论所在评审讨论的相邻评论 |
| Spill | 超出预算或低频使用的完整信息留在窗口外,只留引用或摘要,按需读取 | 长内容设较小长度上限,截断并保留续读入口,需要时再调工具读全文 |
优化顺序(借用局部性 Locality 思想):
- 从最少信息开始:只给当前对象 ID 和内容摘要;
- 利用局部性逐步 Inline:先紧密关联对象 ID,再时空相邻内容;
- 超上限则 Spill:截断 + 保留续读入口。
链式召回(Chain of Recall):系统给 Trigger、Thread、Worker Session 等对象唯一 ID,注入时内联下一跳关联对象的 ID,底层构成一张引用图;每次工具召回的结果本身也遵循 Inline & Spill,返回时又带上再下一跳的摘要与 ID,模型便能从当前事件顺引用关系逐跳按需展开上下文。例:当前消息 → 所在 Thread → 相关 Worker Session → 该 Worker 关联的另一个代码评审 Thread。这缓解了 Router 层在长程中丢失先前信息的问题。

4.4 提前行动(3.4)——投机执行
借鉴 Speculative Execution:在结果是否被采用还不确定时,先根据环境信号在后台尝试,用额外算力换人类的等待与介入成本。有价值就交付,没价值就丢弃。
- 个人助手:收到会议邀约/待办 → 后台核对日程冲突、搜集背景、备好回复草稿 → 用户过目即可确认。
- 研发协作:内部用户群配了”静默复现并修复”策略——有人反馈问题或讨论改动方案时,Agent 先在后台复现并找修复方案,只有确认问题且找到简单方案才交付,否则全程安静。

5. 面向人的交互
5.1 全双工交互(4.1)——异步 ReAct Loop
经典 ReAct Loop 中 run() 是同步阻塞的,工具执行期间会话无法响应任何新输入(半双工)。
改造:把耗时命令/子任务改为异步 start() / stop():
- 模型调
start()→ 立即收到 Started 返回,循环不再等待; - 后台执行完成后,结果作为一条新的事件消息投递回会话;
- 模型可用
stop()主动终止跑太久的后台命令。
由此前台对话与后台执行解耦:新输入在当前推理步结束后即被处理,不必等后台工具完成。(该机制已在 DeepSeek Harness 实现,尚未默认开启。)

5.2 多信道交互(4.2)——输出要匹配信道带宽
把终端的交互方式原样搬进群聊(冗长推理 + 密集工具调用)在多人协作中必然信息过载。双层架构已把冗长过程隔离在 Worker 内部,再对每个信道用提示词定制规范:
| 信道 | 侧重 | 具体做法 |
|---|---|---|
| IM 等即时通讯 | 低打扰的轻量沟通 | 像人类同事一样只在需要决策或验收时通知;只问直接问题、给简短结论。实测有效硬规定:单次回复不超过 100 词 |
| GitHub / 邮件 / 文档等异步信道 | 结构化、高信息密度的异步交付 | 按项目规范写完整的问题背景、改动说明与验证结果;个人助手场景直接起草结构化邮件与文档摘要 |
6. 计算、状态与环境的分离(存算分离)
本地 Agent 默认把「推进 Agent Loop 的计算」「需持久保存的会话状态」「代码仓库与本地工具链等执行环境」绑在一台设备上 → 休眠即停、访问不到其他设备的环境。分两步解耦:
第一层:计算 ↔ 状态分离(5.1)
Agent Loop 放进云端无状态弹性容器(可水平扩展、重启、替换),Session 等持久化状态存入数据库;连续性由持久化存储保障 → 摆脱单机生命周期,实现云端持久在线。
第二层:Agent Loop ↔ 执行环境分离(5.2)
模型所需上下文的很大一部分要通过工具调用从代码仓库、本地文件、依赖服务获取——广义上下文包含执行环境本身。
| 常见思路 | 为什么不行 |
|---|---|
| 云端起沙箱、拉代码、重建环境 | 真实环境含未提交修改、私有凭据、内网服务依赖、特定硬件/工具链,同步成本高且易遗漏 |
| 要求用户搬到云端工作 | 迁移成本过高 |
既然是环境本身难以复制,就别让环境跟着 Agent Loop 上云:Agent Loop 在云端,重状态执行环境留在原地,只在端侧部署一个不保存会话状态的轻量 daemon,只负责执行命令并返回结果。
- 与 Anthropic「脑手分离(Decoupling the brain from the hands)」思路一致(harness 无状态、会话日志存在 harness 之外、统一接口按需接入执行环境)。
- 差异在场景:那篇讲托管服务(按需沙箱、客户 VPC 内资源);这里首先要接入的是用户日常使用、可能间歇在线的个人机器(有未提交修改和本地凭据)。
- 因此支持 BYOM(Bring Your Own Machine),也支持接入云端托管机器或按需创建的计算环境;甚至能支持间歇在线设备——某台个人设备重新上线后,云端 Agent 再自动触发完成需要在该设备执行的任务。

7. Watchdog:主系统之外的外部控制回路
长期运行的分布式系统很难只靠主系统内部逻辑保证可靠,需要主系统之外的独立 Control Loop。
- 实现:主系统外配一个独立的 Watchdog Session,用定时消息驱动,构成外部 Control Loop。
- 职责一(基础设施):接口报错、状态恢复失败等;
- 职责二(任务本身):仅靠进程存活探测不够——很多异常不是崩溃,而是模型陷入无效循环或偏离目标。所以由模型判断各 Worker 是否有实质进展、方向是否偏离整体目标;发现异常及时介入,外部偶发故障持续复查直至恢复。
- Watchdog 本身也是具备完整工具能力的 Agent Session:维护者可以用自然语言问它故障原因,也可以让它在线修正主系统行为(增删提示词、调整触发规则)。
8. 初步实验
实验基于合成负载与简化环境,作者自称”部分设置还可以更严谨,结果仅作初步参考”。
8.1 消融实验(7.1)
设置:群聊 + GitHub CI 消息流同时驱动四种方案;单次实验约 300 条消息,其中约 20 条是工作请求,其余为闲聊、跟进、叫停和 CI 消息;编码工作用一个只消耗时间的工具代替(衡量调度与协作能力,而非单任务执行能力);每种方案跑 5 次;消息间隔与工作时长按 1/4 缩放,模型调用耗时为真实值。


| 方案 | 任务完成时间 P50 / P95(分钟) | 单次实验读缓存 Token(全部 Session) |
|---|---|---|
| Super-Agent | 12.4 / 15.7 | 2323 万 |
| Super-Agent,去掉直通 | 12.6 / 15.5 | 3177 万 |
| 单 Session + Subagent 工具,中性提示 | 20.4 / 29.5 | 605 万 |
| 单 Session + Subagent 工具,提示优先委派 | 13.8 / 29.0 | 1082 万 |
关键结论:
- 带 Subagent 的单 Session 受提示词影响极大:中性提示下模型 5 次运行一次都没调用 Subagent,全在主 Session 干、不断被新消息打断(P95 29.5);改”优先委派”后 5 次中 4 次委派,但仍慢于 Super-agent,剩下 1 次判断工作”很小”而自己执行 → 形成长尾。双层架构在系统层面缓解了”依赖提示词工程与模型临场判断分不分工”的问题(Router 不直接干活、Worker 只收所订阅 Thread 的消息)。
- 开销换稳定性:Super-agent 维护多个独立会话,读缓存 token 高于单 Session(2323 万 vs 605/1082 万),是用更多 token 换更短且更稳定的完成时间。
- 直通机制不改善质量,但省 Router 开销:去掉直通后完成时间基本不变(12.6 / 15.5),但 Router 需做的决定增加约 30%,总读缓存 token 从 2323 万 → 3177 万(+37%)。
8.2 Router 层批处理压测(7.2)
设置:Router 调真实模型、Worker 用 Mock 模型;需要决定的 Trigger 到达速率从约 1 条/分钟 提到约 40 条/分钟。

| 指标 | 低负载(≈1 条/分) | 高负载(≈40 条/分) |
|---|---|---|
| 平均 batch 大小 | 1.0 | 2.8 |
| 单次请求耗时 | 2.5 s | 3.9 s(增长慢于 batch) |
| 单个决定分摊的推理时间 | 6.4 s | 1.6 s |
含义:事件突发拥堵时,Router 层靠自动合并积压事件提高有效吞吐;这也解释了 7.1 中即使去掉直通让 Router 峰值负载上升,仍未触及单 Router 的吞吐瓶颈 → 当前团队规模下无需过早水平切分而牺牲全局上下文连续性。
9. 开放问题
| 编号 | 问题 | 具体张力 |
|---|---|---|
| 8.1 | 如何扩展双层架构 | 超出单 Router Session 承载时,何时水平切分、粒度如何、同层 Worker 何时需直接通信、用什么协作拓扑,均无定论;Router 事件判别 / 分批派 / 上下文召回的模型与系统协同设计(Co-design)值得专项训练。长程记忆是跨月运行的主要瓶颈 |
| 8.2 | 脱离 Session 后如何协作 | 底层会话不再对应用户界面会话后,如何向用户呈现任务与项目管理成为新问题;“以聊天窗口为中心”是路径依赖——交互可能更多发生在领域特化界面(如直接在 GitHub Issue/PR 里工作);界面上保留的”一个会话”底层未必只有一个 Session。另外,模型能力过渡期内许多任务仍需人类中途介入、接管、实时协同 |
| 8.3 | 上下文边界与 A2A | 组织配备 Super-agent 本质是在划分上下文共享/隔离边界:需共享的共用同一实例,需隔离的各配一套。多个隔离实例之间(个人助手 ↔ 团队 Super-agent)的跨边界协同是 A2A 问题(不特指某协议) |
| 8.4 | 安全与隐私 | 事件驱动扩大了不可信输入面;云端 Agent Loop + 端侧 daemon 默认建立在”云与端互信”前提上,一旦云端被入侵或提示词注入攻破,所连接的端侧设备都面临被控制风险;即使云端未破,凭据一旦进入模型上下文就可能泄露 → 需要让 Agent 完全不接触凭据本身也能使用凭据的机制 |
速查表:五个模块 ↔ 四个特征
| 模块 | 解决的问题 | 支撑的特征 |
|---|---|---|
| 双层架构(Router + Worker) | 连续交互 vs 高并发吞吐的权衡;Session 成为实现细节 | 连续、高效 |
| 事件驱动(Trigger / 过滤 / 订阅直通 / Inline-Spill / 投机执行) | 从”人给指令”到”环境给事件” | 主动 |
| 面向人的交互(异步 ReAct Loop / 多信道规范) | 后台耗时操作阻塞前台;输出不匹配信道带宽 | 连续、高效 |
| 计算-状态-环境分离(存算分离 + 端侧 daemon) | 单机生命周期限制、跨设备接入真实环境 | 持久 |
| Watchdog(外部 Control Loop) | 长期运行的基础设施故障与”模型跑偏” | 持久 |
术语对照:
| 术语 | 含义 |
|---|---|
| Super-agent | 跨会话保持上下文、并发多任务、持续在线的连续 Agent 形态及其系统架构 |
| Trigger | 环境产生的半结构化事件(群消息、PR 评论、CI 结果…) |
| Thread | 同一 PR / IM 话题 / 邮件串下的连续事件流 |
| Fast / Slow Path | 确定性代码快速准入 vs LLM 语义判断 |
| 订阅直通 | Thread 与 Worker 多对多订阅,后续事件由程序直达 Worker,不经 Router |
| Inline / Spill | 高概率要用的内联进窗口;低频或超预算的留在窗口外只留引用 |
| Chain of Recall | 对象间内联下一跳 ID 构成引用图,逐跳按需展开上下文 |
| 投机执行 | 后台提前尝试,有价值就交付、无价值就丢弃 |
| 全双工 | 异步 start()/stop(),后台运行期间仍可响应新输入 |
| BYOM | Bring Your Own Machine,把自己的开发机接入云端 Agent |
| Watchdog | 主系统之外的独立 Control Loop,兼查基础设施与任务进展 |
核心金句
单任务的上限取决于模型能力,多任务的上限取决于人的注意力。
Session 应当是系统的实现细节,而不应是用户的认知负担。
浪费上下文窗口,就是浪费模型的智能。
我们在当前阶段做出了一系列工程和场景简化——这套系统能以较低复杂度运作,很大程度上正是因为这些简化。
我们并没有提出全新的理论,而是将计算机系统中经典的工程思想应用到了 Agent 系统的构建中。
Agent 不再只是一个被动等待指令的对话窗口,而是演进为数字环境中持续在线的自主协作者。
延伸
- 原型仓库:
dsh-superagent-prototype(文中”阅读原文”跳 GitHub) - 相关工作:Anthropic《Decoupling the brain from the hands》(脑手分离 / harness 无状态)
相关笔记
- Claude Code 架构深度拆解:从一个 AI 编程工具到完整的 Agent Runtime 框架 — 单会话 Agent Runtime 的完整实现参照
- Anthropic-Agent产品设计新范式 — 少拆 SubAgent / Harness 把关工具的对照视角
- Agent Memory-Basic Memory-智能体长期记忆系统完整指南 — 跨会话记忆的落地形态
- Agent 长任务管控方法论 — 三层能力 + 五道关卡的管控机制