一句话看懂：掘金作者徐小夕系统拆解了DeepSeek Harness团队10月底开源的Super-agent架构，提出企业知识库应从“会话式临时工”转向“常驻调度体系”。这不是新模型或成品，而是一套面向下一代企业智能体的架构方法论。
事件核心：发生了什么
2026年11月6日，掘金发布徐小夕的万字长文，解析DeepSeek Harness团队10月底开源的Super-agent架构设计与原型实现。文章指出，当前企业Agent普遍存在会话孤岛、单线程执行、知识重复检索、被动响应四类问题，根源在于“以单会话为核心的解释执行模式”。Super-agent采用Router-Worker双层分离：Router只做意图路由和全局上下文维护，Worker隔离执行具体任务，辅以事件驱动、存算分离和Watchdog监督机制。官方模拟数据显示，在300条消息、20项工作请求场景中，Super-agent任务完成时间p50为12.4分钟、p95为15.7分钟；带子Agent工具的单会话方案p95为29.5分钟。目前公开信息显示，这仍是架构方法论和原型，并非开箱即用的产品。
为什么重要
企业智能体的竞争焦点正从“能否调用工具”转向“能否持续积累、并行调度、主动交付”。Super-agent把会话管理、任务调度、知识复用的负担从用户转移到系统层，并刻意做模型成本分层——便宜轻量模型跑Router，强模型只在Worker执行环节使用。这与企业知识库“算力从查询侧转向沉淀侧”的思路一致，为Agent进入生产系统提供了可参考的工程范式，也说明DeepSeek在模型之外开始布局Agent运行时架构。
对用户/开发者/创作者的影响
对开发者而言，Router-Worker分离、事件两级过滤、链式召回、订阅直通等设计可以直接借鉴到自建Agent系统，尤其适合多工单、多入口、长任务的企业场景。对企业采购方来说，文章提醒需评估自身是否具备持续事件流和知识沉淀需求，而非盲目上线。普通用户短期内不会看到成品变化，但未来企业知识库可能从“等人来问”变为“主动推送和更新”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是DeepSeek Harness是否将原型推进为可部署的开源组件或API；二是Router轻量模型的具体选型和成本数据是否公开；三是国内企业知识库与Agent厂商是否会跟进类似常驻调度架构，以及Watchdog自愈机制在真实生产环境中的稳定性表现。
来源：juejin
