一句话看懂：DeepSeek Harness 团队开源了 MIT 许可的研究原型 dsh-superagent，用常驻 Router 加隔离 Worker 会话处理 GitHub 上的编程请求，在自报模拟测试中比单会话 Agent 快约 1.9 倍。但它目前是原型，真实编程质量尚未评测。
事件核心：发生了什么
2026 年 11 月 1 日，DeepSeek Harness 团队发布 dsh-superagent v0.1.0，一个 TypeScript 编写、MIT 协议的主动式编程 Agent 研究原型，配套设计文章《Exploring Super-agent Design: Towards a More Autonomous Agent System》。它打包为 DeepSeek Harness 的一个 profile，在本机运行，需 Node.js 22.19+、git 2.32+、Python 3.8+、tmux 和 GitHub CLI 2.48+，模型沿用 Harness profile 的设置。
其核心结构是两层 Router-Worker：常驻的 Router 监听 GitHub、可选飞书事件，判断一批请求是否构成新任务，生成带授权声明（Mandate）的 Ticket；每个 Ticket 在独立会话和目录中由 Worker 执行，结果回到原对话，通常以 pull request 形式提交。主动工作默认处于 observe 模式，只记录不执行，另有 off 和 auto 两种授权级别。
性能方面，DeepSeek 用约 300 条合成消息、其中约 20 条为真实请求的模拟群聊与 CI 流测试，每方案跑 5 次：dsh-superagent 的 p95 完成时间为 15.7 分钟，单会话基线为 29.5 分钟，约快 1.9 倍。素材同时说明，这些数字为自报结果，测试仅限合成消息与模拟工具，未衡量真实代码质量。
为什么重要
当前主流 Agent 以单个会话为基本单位，而一个人能持续跟进的会话数量有限，人类注意力而非模型能力成为多任务瓶颈。dsh-superagent 的 Router-Worker 拆分正是针对这一点：让一个长期运行的调度层分担交互，把并行工作压到隔离的 Worker 会话里。这对多 Agent 的调度、授权与上下文隔离提供了可参考的开源实现，也为 Harness 这类 Agent 运行框架积累了生态案例。不过它仍是研究原型，目前公开信息显示其价值更多在设计思路，而非已验证的生产力提升。
对用户/开发者/创作者的影响
对开发者，这是可直接研究的 TypeScript 代码：Router 预设用更小工具集，Worker 后台执行 shell 命令以保持接收消息，授权模式可控制主动行为边界，适合借鉴到自建的 GitHub 自动化流程。对团队而言，需注意它要求自备机器和运行环境，且默认 observe 模式意味着不会贸然改代码。对关注 Agent 基础设施的人，其 Router 负载数据也有参考性：请求到达率从约 1 升到 40 次/分钟时，批处理规模从 1.0 增至 2.8，单请求延迟从 2.5 秒升至 3.9 秒。
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
一是是否补充真实仓库与真实任务的评测，验证代码质量而非仅看完成时间；二是 Router-Worker 是否会成为其他开源 Agent 框架的通用模式，或与 GitHub Copilot cloud agent、Claude Code Action 等产品形成差异化；三是授权机制在多人协作仓库中的落地反馈。目前信息来自单一来源的二手报道，具体表现仍待更多独立验证。
