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:
- 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。
- 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。
- 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。 - 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)。
- 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?
Related
- harness-engineering/agent-delivery-control-plane:控制面总页,保留 2026-11-02 的摘要节
- harness-engineering/agent-harness-worker-model
- harness-engineering/lightweight-vs-orchestration-harness
- harness-engineering/long-running-agent-harness
- harness-engineering/self-evolving-harness-composability:同属 DeepSeek Harness 生态的相关页面
- ai-ecosystem/grok-bot:poteto 的团队用日常主 bot 兼任项目经理,可与 Router 层的分工对照
Pending Jean review
- harness-engineering/super-agent-router-worker-architecture:
ai_draft,单一一手来源;建议保留为候选,等第二个独立实现或评测再决定是否升级。