DeepSeek Harness 团队公开 Super-agent 架构：把多会话管理从人手里收走

同时开 5 个 AI Agent，人就盯不过来了。DeepSeek Harness 团队公开了一套 Super-agent 设计，思路很直接：会话管理别让人管了，交给系统。

你只跟同一个 Agent 说话，它在后台同时推进好几件事。核心是两层结构：Router 只负责沟通和派活，连 Bash 权限都不给它，用便宜的快模型；Worker 每个只做一件事，用最强的模型，但不许直接跟人说话，报错和工具日志全锁在内部，你在群里只看到 Router 整理过的结论。

群里的消息先过代码规则，闲聊内容直接丢掉，不消耗任何 token，剩下的才交给轻量模型判断要不要处理。有人在群里吐槽一个 macOS 的 bug，没 @ 它，它自己在后台复现，定位到 Electron 的 detail=2 机制，带着前后对比截图提了 PR。

团队做了一组对比实验：单会话加中立提示词，5 轮全是模型自己下场干，一个子任务都没派出去；换成强委派提示词，还是有 1 轮觉得任务小、自己干了。结果单会话方案 p95 响应时间拖到 29 分钟，Super-agent 是 15.7 分钟。

结论很明确：想让模型分活，靠提示词劝不住，得在架构上把它的手拿掉。代价也写得清楚：Super-agent 每轮 token 消耗 23.2M，单会话方案是 6.1M 和 10.8M。

还有两个细节：同一个 PR 的后续消息直接推给负责的 Worker，不再经过 Router，关掉这条直通，token 多花 37%；事件越密集越省，每分钟消息从 1 个涨到 40 个，单次决策反而从 6.4 秒降到 1.6 秒。

大脑放在云端，你电脑上只跑一个轻量 daemon，笔记本合盖它照样盯群和 PR，第二天开机自动补跑本地测试。

最大的坑还没填：它常驻、读公开群聊和外部 PR，又连着你的电脑。被提示词注入一次，连着的设备都可能被接管。

实验用的是合成负载，每轮约 300 条消息、20 个工作请求，团队自己说结果仅供参考；公开的只是部分实现的原型，不是 DeepSeek 官方产品。