博主头像

Super-agent：DeepSeek开源超级Agent底座​ | Agent架构 | Harne

外来客 • 2026-11-03 05:16:55

分享
𝕏 f ◉
声明：本文为对公开内容的摘要整理， 未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议； 观点与版权归原作者及原平台所有。 如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

🧠 核心观点

  • DeepSeek Harness团队提出Super Agent架构，旨在将AI从被动执行工具转变为跨平台、全天后主动干活的连续实体。
  • 该方案未发明新理论，而是将操作系统中经典设计（如双层架构、事件驱动、存算分离）系统化搬入Agent架构，解决长任务阻塞与上下文断裂问题。

📊 关键事实/论据

  • 双层架构：Router层负责全局调度与统一交互，Worker层独立执行具体任务并汇报结果，实现并行处理且互不干扰。
  • 订阅与直通机制：Worker直接订阅相关事件（如GitHub PR评论），减少Router转发负载，节省约30%决策次数和37%读缓存Token。
  • 两极过滤：采用Fast Pass（代码规则）与Slow Pass（语义规则）结合，降低高噪音环境下的算力消耗。
  • 投机执行：类似CPU分支预测，Agent在后台预先尝试复现问题并修复，仅在确认有效时交付结果，保持前台静默。
  • 异步解耦：将耗时任务改为异步Start/Stop模式，避免React Loop阻塞，确保前台对话秒回响应。
  • 存算分离与WatchDog：计算状态云端化以支持设备离线续跑；独立WatchDog Agent监控主系统异常并自动修复或介入。

📈 实验数据与结论

  • 端到端实验：在包含300条消息的模拟流中，Super Agent任务完成时间中位数为12.4分钟（95分位数15.7分钟），优于单Session方案（95分位数29.5分钟）。
  • Router压测：事件到达速率从每分钟1条升至40条时，单次请求耗时仅从2.5秒增至3.9秒，单个决定分摊推理时间降至1.6秒。
  • 当前局限：系统仍为研究原型，基于合成负载；存在Token消耗增加、水平扩展边界未定、云端安全隐私风险等开放问题。

博主头像 👤 同一博主

查看该博主全部 177 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。