Skip to content
Back/Harness Engineering

Super-agent 的 Router-Worker 双层架构

View in Graph
Updated 2026-11-08
2 min read
355 words

Super-agent 的 Router-Worker 双层架构

What it is

Super-agent 是 DeepSeek 产品部 DeepSeek Harness 团队在 2026-10-31 的文章中提出的 Agent 形态:它不绑定单次手动会话,而是跨会话保持上下文、同时推进多项任务、由环境事件驱动的连续实体。文章称之为架构思路探讨,并明确不是 DeepSeek Harness 现有产品功能的介绍。

核心设计是把"维护全局连续性"与"高并发执行"拆到两层:

  • Router 层:常驻,承接所有入口的人类交互,充当跨任务的序点、协调点和记忆。不直接执行任务,甚至可以不配备 Bash 工具。作者实践中用单个常驻 LLM Session 实现,较轻量的模型通常够用。
  • Worker 层:上下文互相隔离的执行会话,挂载完整执行工具,通常配置能力最强的模型。Worker 不直接面向人类,只向 Router 汇报,由 Router 统一对外回复。

Why it matters

文章的出发点是一个人通常只能同时跟进 3 到 5 个活跃 Session(作者观察)。在单 Session 模式下,单任务上限取决于模型能力,多任务上限取决于人的注意力。双层架构把 Session 降为系统实现细节,用户面对的始终是同一个 Agent。

这一思路涉及 控制面 中的路由、状态、恢复问题,可与 Worker 模型 对照阅读。

Key points

四个目标特征:连续(跨 IM、GitHub 评论等界面感觉只有一个 Agent)、高效(并行完成多个复杂任务)、主动(持续观察环境事件,不需要时保持安静)、持久(始终在线,异常时自动恢复)。

五个模块:

  1. 双层架构:Router 与 Worker 如上所述。与常见 Agent Team 的区别是,Router 只处理任务之间的高层关联与分派,不介入单任务内部拆解。事件密集时,积压的 Trigger 在下一轮推理中合并注入,形成批处理。
  2. 事件驱动:群聊消息、邮件、日程、代码评审评论、CI 结果统称 Trigger。
    • 两级过滤:程序层按来源、群组、白名单做 Fast Path,语义层由 LLM 按提示词策略判断是否行动。
    • 订阅与直通:同一 PR、IM 话题或邮件串构成 Thread。Router 为新任务创建 Worker 后,Worker 订阅该 Thread,后续事件由程序直通,不再经 Router。Thread 与 Worker 是多对多订阅,多个 Worker 因此可在共享环境中自行发现冲突。
    • Inline & Spill:把上下文窗口当 Cache 管理。从对象 ID 与摘要开始,按局部性内联邻近信息,超出长度上限则截断并保留续读入口。各类对象互相内联 ID,形成引用图,模型沿引用逐跳召回,称为链式召回。
    • 投机执行:在后台提前复现问题、备好回复草稿,有价值才交付,否则保持安静。
  3. 面向人的交互:把耗时命令改成异步 start() 与 stop() 的异步 ReAct Loop,前台可随时接受新输入(文章称该机制已在 DeepSeek Harness 实现,尚未默认开启)。按信道定制输出:IM 偏低打扰,作者验证过的一条硬规定是单次回复不超过 100 词;GitHub、邮件、文档偏结构化异步交付。
  4. 计算、状态与环境分离:无状态云端计算容器加数据库中的会话状态;执行环境留在原地,端侧只部署不存状态的轻量 daemon。文章称这与 Anthropic 的"脑手分离"一致,区别是首先要接入的是间歇在线、带未提交修改与本地凭据的个人机器(BYOM)。
  5. Watchdog:独立的 Watchdog Session 由定时消息驱动,既处理基础设施故障,也由模型判断 Worker 是否有实质进展、是否偏离目标;维护者可用自然语言向它询问故障原因或调整提示词与触发规则。

Evidence across sources

Source Key Claim Relevance
DeepSeek 产品部:Super-agent 设计探索 约 300 条消息、约 20 个工作请求、各方案重复 5 次;Super-agent 任务完成 p50 12.4 分钟、p95 15.7 分钟 作者自测的调度结果,编码工作用只消耗时间的工具代替
同上 单 Session 加 Subagent 工具:中性提示下 5 次运行都没有委派,p95 为 29.5 分钟;提示优先委派后 4 次委派,仍慢于 Super-agent,另 1 次自行执行形成长尾 说明依赖提示词让主会话自己分工并不稳定
同上 去掉直通后完成时间基本不变,Router 决策数增加约 30%,总读缓存 token 从 2323 万增至 3177 万(约 37%) 直通换来的是 Router 的 token 与推理开销,不是完成速度
同上 Trigger 到达速率从每分钟约 1 条升至约 40 条,平均 batch 从 1.0 升至 2.8,单次请求耗时从 2.5 秒升至 3.9 秒,单个决定分摊推理时间从 6.4 秒降至 1.6 秒 作者据此认为当前团队规模无需切分 Router
AI Briefing 2026-11-02 Afternoon 对同一篇文章的二手摘要 非独立来源

Counterpoints & Gaps

  • 实验使用合成负载与简化环境,作者自称结果仅作初步参考;数字未经独立复现。
  • Super-agent 因维护多个独立会话,读缓存 token 高于单 Session,是以更多 token 换取更短且更稳定的完成时间。
  • 作者内部实例(IM 与 GitHub 连续推进、无人 @ 时主动提交修复 PR)为自述案例。文末说明相关设计只在 dsh-superagent-prototype 中部分实现,该原型不是 DeepSeek 的正式产品。
  • 单个常驻 Router 在"目前的团队规模"下够用;切分粒度与记忆连续性的权衡、跨月长程记忆、Worker 间协作拓扑,文章列为开放问题。
  • 安全与隐私未解决:云端 Agent Loop 若被入侵或遭提示词注入,连接的端侧设备都有风险;凭据进入模型上下文也有泄露风险。A2A 在权限边界之间如何安全协作同样未解。

Open questions

  • Router 单会话的瓶颈在真实多人团队中何时出现,批处理增益能否在更长上下文下保持。
  • Watchdog 判断"实质进展"的误报率与成本,文章没有给数据。
  • 订阅直通下,Worker 取消订阅或交回 Router 的触发条件如何设计。

Prompts for witness

  • 你同时跟进的活跃会话有几个?哪些切换成本来自"记住这个会话的上下文",哪些来自任务本身?
  • 你现在的 automation 与交互会话之间,有没有一个承担 Router 角色的节点?如果没有,跨任务信息现在由谁汇总?
  • 反过来想:什么任务应该让 Agent 保持安静,而不是主动推进?

Pending Jean review

Sources

Synthesized from 2 sources
  • DeepSeek 产品部:Super-agent 设计探索:迈向更自主的 Agent 系统Supporting source listed by this page.Whole pagemediumbody
  • AI Briefing 2026-11-02 AfternoonSupporting source listed by this page.Whole pagemediumbody

Evolution

1 event
  1. absorbed

    Derived from source material

    This page is currently synthesized from 2 sources.

    From DeepSeek 产品部:Super-agent 设计探索:迈向更自主的 Agent 系统, AI Briefing 2026-11-02 AfternoonTo Super-agent 的 Router-Worker 双层架构
    Sources: raw/to-learn/Super-agent 设计探索:迈向更自主的 Agent 系统.md · raw/briefing/AI Briefing/2026-11-02-17-42.md

Linked from