一句话看懂：DeepSeek Harness团队发布技术文章并开源Super-agent原型，用双层调度架构让多个Agent并行工作，并在群聊中无人点名时主动排查Bug；值得关注的是，它把多任务Agent的瓶颈从人的注意力转向系统吞吐。
事件核心：发生了什么
2026年11月2日，DeepSeek Harness团队在官方微信公众号发布长文《Super-agent设计探索：走向更自主的Agent系统》，并开源原型dsh-superagent-prototype，采用MIT许可证。团队明确说明这是面向工程的研究原型，不是可直接使用的产品。文中提到，内部已运行的实例会参与缺陷复现和代码审查，即使群聊里没人@它，也能在后台发现并复现潜在Bug。
架构上，Super-agent采用两层分工：常驻的Router负责交互和任务分派，轻量模型即可胜任；每个任务由上下文隔离的Worker并行执行，使用最强模型，完成后回报Router。配合事件驱动、算存分离和Watchdog监督，卡住的任务会被自动检测并修复。团队公布的压测中，约300条消息包含20个请求，P50为12.4分钟、P95为15.7分钟，而单Session方式的P95达到29.5分钟。
为什么重要
目前主流Agent仍以单Session运行，Session之间相互隔离，人要并行处理多件事只能反复切换窗口，并在脑子里维持上下文。团队观察到，一个人通常只能跟上3到5个活跃Session，于是形成悖论：单任务上限取决于模型，多任务瓶颈却卡在人的注意力。Super-agent试图拆掉这道墙，把并发上限从”人的注意力”换成”系统吞吐”，这是Agent从聊天窗口走向后台工作流的关键一步。
成本信号同样关键。文中给出V4-Pro约每百万token 1.32/3.96美元的价格，称比GPT-5.5和Opus 5.5低一个数量级。目前公开信息显示，这一对比来自团队自述，尚无独立评测验证，不宜当作永久排名。
对用户/开发者/创作者的影响
对开发者，MIT开源原型可用于研究多Agent调度、上下文隔离和故障自恢复，但需按研究原型对待，不要预期开箱即用的API服务。对企业和创作者，事件驱动加后台巡检的思路更适合接入代码审查、客服、内容流水线等场景；不过素材仅覆盖技术文章层面，实际可用性和稳定性仍待验证。
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
一是原型能否从研究项目走向可部署产品，以及是否提供稳定API；二是并发调度在真实长任务中的错误率和成本是否如文中数据般可控；三是GPT、Claude等竞品是否跟进类似的多Session编排与主动巡检能力。
来源：AIbase
