DeepSeek Harness 團隊於十月三十一日晚在微信公眾號發表《Super-agent 設計探索：邁向更自主的 Agent 系統》，並同步開源 MIT 授權研究原型 dsh-superagent-prototype。文章開宗明義指出屬工程架構探討，並非現有 DeepSeek Harness 產品功能介紹；原型 README 亦強調僅供參考、非正式產品。核心主張是：單任務執行愈少需要人盯，瓶頸便轉為人的注意力——一人通常只能同時跟進三至五個活躍 Session。團隊以 Router／Worker 雙層、事件驅動、異步交互、存算分離與外部 Watchdog 五個模組回應，並在合成負載下報出任務完成時間中位數十二點四分鐘、九十五分位十五點七分鐘等初步數字。

DeepSeek／官方：Harness 團隊公開 Super-agent 架構探索——Router／Worker 雙層、事件驅動與 Watchdog；MIT 研究原型開源（非正式產品）

DeepSeek Harness 團隊於二零二六年十月三十一日發表長文《Super-agent 設計探索：邁向更自主的 Agent 系統》，說明如何讓代理在跨即時通訊與 GitHub 等工作介面之間保持「同一個 Agent」的連續體驗，同時並行推進多項任務；同日（及翌日國際媒體跟進）開源研究原型倉庫 deepseek-ai/dsh-superagent-prototype。來源真實性已驗證：本文以微信公眾號原文與 GitHub README／領域文件為準，並對照南華早報、Tech in Asia 等報道核對時間線；文中實驗數字一律出自官方文章第 7 節，且作者已標示為合成負載下的初步參考。

一、核心事件：架構探索與研究原型同時公開

披露重點

官方開篇即劃清邊界：這是面向工程實踐的架構思路，不是 DeepSeek Harness 現有功能清單。團隊把目標形態稱為 Super-agent，並歸納四項基礎特徵——連續（跨 IM、GitHub 等介面仍像同一個 Agent）、高效（可並行多任務且不必等上一指令做完）、主動（觀察環境事件並推進值得處理的事，無需介入時保持安靜）、持久（長期在線並能從異常恢復）。

文中指出，Coding Agent 已證明模型能用工具解決複雜單任務，但主流設計仍以單一 Session 為單位；多任務上限往往取決於人的注意力，據團隊觀察一人通常只能同時跟進三至五個活躍 Session。若只在本地單會話上掛 CLI、MCP 或連接器，仍易受同步阻塞、上下文混亂與裝置離線即停等限制。

配套開源方面，GitHub 倉庫 dsh-superagent-prototype 以 MIT 授權發布，說明為「研究原型、非正式 DeepSeek 產品」，並寫明與內部版本及文章所述並不完全相同；部分文章構想屬未來方向、未在原型實作。原型定位為針對單一 GitHub 倉庫的主動式編碼代理，打包成 DeepSeek Harness 的 bundle，可監聽 GitHub，亦可選接飛書（Feishu）；允許名單內的人提出工作後，會開立工作項、在獨立 Session 與目錄執行，並在原對話回覆（例如提交 Pull Request）。

內部實例與媒體跟進

文章稱，基於此思路的內部 Super-agent 實例已持續運行，日常參與問題復現與修復、代碼審查回應，以及 DeepSeek Harness 自身迭代；亦可在無人 @ 的情況下於公共群聊中嘗試定位缺陷並提交修復 PR。南華早報、Tech in Asia、Bloomberg 等於十一月一日以「super agent／編碼代理競賽」角度跟進，惟產品化程度仍須以官方「非正式產品／架構探索」表述為準。

二、技術原理深度解析

Router／Worker 雙層

為兼顧跨信道連續性與多任務吞吐，團隊把「維護全局連續」與「高並發執行」拆開：常駐 Router 層承接人類交互與分派，甚至可不配備 Bash；上下文隔離的 Worker 層掛載完整工具、專注單一任務，通常配置最強模型。Worker 不直接對人輸出冗長推理，而向 Router 匯報，由 Router 統一回覆，避免多個 Session 各自對用戶發言造成混亂。文中強調這與常見 Agent Team 不同：Team Lead 多在單任務內拆解與高頻協調；Super-agent 的 Router 只處理任務之間的高層關聯與分派，單任務內拆解可留給 Worker（甚至其內部 Subagent／Team）。

事件驅動、訂閱直通與上下文

驅動輸入從「人類逐條鍵入」轉向環境半結構化事件（Trigger），例如群聊訊息、郵件與日程、代碼審查評論、CI 結果。過濾採兩級：程序層 Fast Path（來源、群組、白名單等）先剔除噪音，再交 LLM 語義層 Slow Path 判斷是否行動。Router 主要負責新任務冷啟動；同一 Thread（例如同一 PR 或同一 IM 話題）的後續事件可經訂閱直通已建立的 Worker，減少全局節點負載。上下文則借 Inline／Spill 與「鏈式召回」（Chain of Recall）管理窗口：先注入 ID 與摘要，再按需展開關聯物件，避免把全歷史塞進 Router。

異步交互、存算分離與 Watchdog

經典同步 run() 會阻塞會話；團隊將耗時工具改為異步 start()／stop()，形成異步 ReAct Loop——該機制已在 DeepSeek Harness 實作，但尚未預設開啟。IM 信道強調低打擾（文中提到驗證過單次回覆不超過一百詞的硬性規定）；GitHub／郵件則偏結構化交付。存算分離方面：Agent Loop 計算可放雲端無狀態容器，Session 狀態入庫；重狀態執行環境留在原地，以端側輕量 daemon 執行命令（支援 BYOM）。主系統外另設獨立 Watchdog Session，以定時訊息驅動，監控基礎設施故障與 Worker 是否偏離目標。

初步實驗數字（官方第 7 節）

端到端消融以群聊與 GitHub CI 訊息流驅動四種方案：單次約三百條訊息、其中約二十條工作請求；編碼工作以只耗時工具代替，故衡量的是調度與協作而非代碼品質；訊息間隔與工作時長按四分之一縮放，模型呼叫為真實耗時；每方案跑五次。Super-agent 任務完成時間 p50／p95 為十二點四／十五點七分鐘。帶 Subagent 的單 Session 在中性提示下五次均未呼叫 Subagent，p95 達二十九點五分鐘；改為優先委派後仍整體慢於 Super-agent。去掉直通後完成時間大致不變，但 Router 決定數約增三成，讀快取 token 由二千三百二十三萬增至三千一百七十七萬（約百分之三十七）。Router 壓測顯示 Trigger 到達率約由每分鐘一條升至約四十條時，平均 batch 由一點零升至二點八，單次請求由二點五秒增至三點九秒，單決定分攤推理時間由六點四秒降至一點六秒。作者明確寫明：合成負載與簡化環境，結果僅初步參考。

四、日常應用場景

1. 開發者與技術團隊

可把「人同時跟進多個編碼代理 Session」的痛點，改寫成系統層的 Router 分派與 Worker 隔離：問題復現、PR 評審與特性開發可並行，而不必人手複製上下文。原型監聽 GitHub（可選飛書）的做法，亦贴近本地團隊已在用的協作面。惟 README 要求審查後再接入自有環境，不應直接當生產正式產品。

2. 企業與隱私敏感行業

存算分離與 BYOM 敘事對金融、醫療與政府供應商有吸引力——執行環境與憑證可留在受控機房或員工機，Agent Loop 則雲端常駐。與此同時，官方第 8.4 節坦言：雲端被入侵或遭提示詞注入時，所連端側裝置皆有風險；亦需避免憑證進入模型上下文。企業評估時應把安全邊界與審計並列為上線條件，而非只看完成時間曲線。

3. 一般用戶

個人助手場景下，文章設想同一聊天介面底下可為不同話題分派 Worker；投機執行則可在會議邀約到達時先核對日程、起草回覆，待人確認再送出。對一般用戶而言，短期仍應視此為架構方向與研究原型，而非可一鍵訂閱的正式消費級服務。

4. 香港與亞洲市場視角

香港企業正加速導入編碼助手、內部知識代理與客服自動化；多 Session 管理與「無人值守卻亂發言」的風險，往往比模型分數更影響上線意願。DeepSeek 以開源 Harness 與公開架構文降低理解成本，亞洲團隊可對照自建编排、商業代理平台或私有 LLM 託管方案，決定哪些層面自研、哪些外判。對需數據留港／留企的機構，私有模型加可控工具層仍是合規敘事核心。

五、專業評價與潛在考量

優勢

把「人的注意力」明確寫成系統約束，並用經典系統概念（Fast／Slow Path、存算分離、Watchdog、批處理）對應 Agent 编排，方便工程團隊落地討論。
實驗段落相對完整：交代合成負載、縮放比例、跑次與消融（直通／提示詞），並自承初步參考。
同步開源原型與領域文件（Philosophy、Domain、Authorization 等），降低「只有簡報圖」的落差。

需要留意的地方

非正式產品：文章與 README 雙重聲明；媒體「超代理／競賽」標題易過度產品化。
實驗不衡量真實編碼品質；token 換時間的權衡在正式流量下需重測。
安全與隱私、長程記憶、A2A、Router 水平切分仍列為開放問題；雲端 Loop 加端側 daemon 擴大攻擊面。
異步 ReAct 在 Harness 已實作但未預設開啟，採用前需確認版本與開關。

結語

當單任務代理愈來愈少需要人逐步盯場，競爭焦點會轉向「如何在真實工作流裡並行、連續、可恢復地跑多個任務，又不把人的注意力榨乾」。DeepSeek Harness 團隊以 Super-agent 架構文與 MIT 研究原型，把 Router／Worker、事件訂閱與 Watchdog 攤在陽光下，並用合成實驗給出可引用的初步數字——同時反覆提醒這不是正式產品開關。對香港企業而言，下一步往往不是追某一標題，而是選定資料邊界、工具權限與編排層：哪些留在私有環境、哪些可雲端常駐、如何審計代理對外動作。若你的團隊正評估企業私有 LLM、代理工作流或本地知識庫串接，可參考 YSK Limited 的企業私有 LLM 全託管與 AI 自動化服務（年費由 HK$88,000 起，以網站公布為準）：https://ysk.hk/services/ai-automation

參考來源

DeepSeek Harness 團隊（微信公眾號原文）：《Super-agent 設計探索：邁向更自主的 Agent 系統》（2026-10-31）https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg
GitHub：deepseek-ai/dsh-superagent-prototype（MIT 研究原型 README）https://github.com/deepseek-ai/dsh-superagent-prototype
DeepSeek Harness 產品頁（public preview／開源說明）https://www.deepseek.com/en/harness/
南華早報：DeepSeek unveils AI ‘super agent’ in coding race with OpenAI, Anthropic（2026-11-01）https://www.scmp.com/tech/article/3372884/deepseek-unveils-ai-super-agent-coding-race-openai-anthropic
Tech in Asia：DeepSeek builds ‘super-agent’ for autonomous coding（2026-11-01）https://www.techinasia.com/news/deepseek-builds-superagent-autonomous-coding