DeepSeek开源Agent架构，想让人少给AI打工

出品｜虎嗅科技组

作者｜黄天媛

编辑｜苗正卿

头图｜视觉中国

文锋又开源了。

10月31日晚，DeepSeek Harness团队公开了Super-agent的架构设计，并开源研究原型，探索让Personal Agent更自主地参与日常工作。目前，公开原型主要面向单个GitHub仓库，可选择接入飞书，部分设计尚未实现。

这次他想解决的，是让AI在没人@、下指令的情况，自己发现Bug，并主动在后台尝试复现、定位和修复，再提交代码修改请求，等待人审查。

它可以持续关注工作群消息，跨平台协作、并行推进多个复杂工作，减少人类在多个会话之间的协调负担，甚至24小时运行。

在看完整个架构文章之后，有一点需要先明确一点。

DeepSeek这次并没有提出全新的理论或是一个全新的技术路线。Super-agent提供的是一种系统的创新。它把经典计算机系统思想应用到了Agent系统当中，比如多Agent分工、事件触发、异步执行等等。

它解决的是，当AI能干的活越来越多，人被迫在不同任务之间来回切换，越来越像AI的项目经理的当下，而人的注意力反而成为了harness的瓶颈。

解放人脑现在成为了一个更重要的问题，而他们想从工程学上解决这个问题。

DeepSeek这套Agent架构，有什么不同？

要让AI持续参与工作，需要回答四个问题。

第一个问题：同时有多件事，怎么一起干？

假设团队同时提出三个需求：修复一个Bug、审查另一份代码，再开发一个新功能。如果全交给同一个会话处理，它就要不断在几项工作之间切换，而分开几个会话，人又得自己记住各自的进度。

DeepSeek为此采用了调度和执行分开的双层结构：上层Router负责接收消息、了解任务之间的关系和分派工作；下层Worker负责具体执行。 一个修Bug，另一个审查代码，各自保留完成任务所需的背景和过程，减少不同工作的细节混在一起。

根据DeepSeek公开的执行文档，原型会为每个工单建立独立的执行会话和工作目录。任务复杂时，Worker还可以继续调用子Agent帮忙。

分工之后，还要让新信息找到正在干活的那个AI。比如，某个Worker已经提交了一条PR，即代码修改请求，开发者随后在下面留言："这部分换一种写法。"系统就把意见送回负责该任务的Worker，让它接着修改，无需人重新开一个会话、再讲一遍前因后果。

这依靠的是订阅机制：任务与相关讨论建立联系，后续消息沿这条联系送达；超出任务范围的要求，再交回协调层处理。

当然，这种分工并不是首创。Anthropic在2025年的Research技术说明中，就介绍过主Agent组织多个子Agent并行搜索。DeepSeek此次的重点，是把分工、消息跟进等机制组织起来，持续推进多项工作。

为减少开销，架构文章还讨论了把积压消息合并处理，以及需要时再调取旧记录。这样既减少逐条判断，也避免每次都把全部历史塞给模型。

第二个问题：没人派活，Agent怎么知道该做什么？

DeepSeek引入了事件驱动机制，让工作环境中的消息也能成为任务的起点。例如，工作群里有人反馈Bug，或者代码自动检查没有通过，系统都可以将其纳入判断。

但大量消息只是闲聊。根据GitHub的授权文档，原型先用程序检查消息来自哪里、谁发来的、是否符合准入规则，再让模型判断是否需要开始工作。对于没有人直接要求的任务，团队必须事先写下允许执行的规则。

DeepSeek展示的内部案例就配置了"静默复现并修复"策略。群里有人反馈问题，即使没有@AI，它也可以先在后台尝试复现、寻找修法，确认问题并找到简单方案后，再提交结果。

这种做法被称为投机执行：先花一些计算资源尝试，把有用的结果准备在前面。

反馈也要有所取舍。根据GitHub设计原则，接到明确请求后，Agent会简短确认；工作期间尽量安静，在结果可用、需要人决定或无法完成时再反馈。这意味着，AI可以多推进一些工作，用户不必因此多读一串进度通知。

第三个问题：如果多任务并行，还能不能听人说话？

假设Agent正在运行一次耗时测试，你突然发现需求有误，希望它调整方向。如果它必须等测试结束才处理消息，就可能继续沿着旧要求做下去。

DeepSeek为此采用的是异步执行：耗时操作放到后台，完成后再把结果送回来；会话在此期间仍可处理新消息。 新要求会在当前推理步骤结束后得到处理，无需一直等到后台任务完成。它的具体做法是，命令运行超过5秒后转入后台，让Worker能在后续步骤接收消息。

第四个问题：怎么长期干下去？

要持续工作，系统既要记住进度，也要能处理故障。

按照DeepSeek的设计，推动Agent工作的计算程序、保存任务进度的记录，以及代码和工具所在的电脑可以分开。 例如，计算程序可以在云端运行，记录单独保存，代码仍留在用户原来的电脑上，系统需要时再连接过去。

这样，运行程序可以重启或替换，再依据记录恢复任务；用户也不必为了使用云端Agent，把所有工作环境都搬到云端。如果某项操作必须使用一台已经离线的电脑，则要等它重新连接后继续。

不过，程序还在运行，也可能一直没有做出有效进展。DeepSeek因此设计了独立的Watchdog，可以理解为额外的监督Agent。它定期检查其他Agent是否出现故障，是否反复尝试同一种无效方法，是否偏离任务目标，并尝试介入恢复。

DeepSeek正在补齐模型之外的能力

把Super-agent放回DeepSeek近期的一系列动作中，可以看到，公司正在扩大资金储备、补充算力与人才，并把模型能力推向更多使用场景。

首先是资本。

北京时间10月30日，The Information披露，DeepSeek第二轮融资规模为1055亿元人民币，估值达到6155亿元。腾讯和宁德时代继续作为主要投资方参与，长鑫存储、中芯国际，以及vivo、美团等企业也出现在投资名单中。参与者覆盖芯片、终端制造和互联网服务等领域。

资金之外，计算与工程能力也在扩充。

彭博社9月报道称，DeepSeek计划在内蒙古的数据中心部署至少16万颗华为AI芯片，用于模型推理，即运行已有模型、处理用户请求。

软件适配也在推进。路透社指出，DeepSeek与华为合作开发面向昇腾平台的编程基础设施，涉及计算与通信库，并推进超节点方案。

另一组投入，开始延伸到机器人。

宇树科技IPO相关披露文件显示，DeepSeek投入约1.408亿元参与宇树科技IPO战略配售，双方约定合作开发人形机器人AI模型，并在模型训练服务、技术方案及机器人采购等方面优先考虑对方。10月12日，DeepSeek拟领投机器人AI初创公司Winverse AI的种子轮融资。

人员与组织的调整，也在为扩张补充执行力量。

9月21日，前高瓴创投合伙人严文韬正式入职DeepSeek担任CFO。

工程团队也在扩充。据澎湃新闻9月8日报道，DeepSeek新一轮招聘计划提供约150个名额，重点包括服务端开发和Agent弹性计算研发，涉及研究平台、Agent框架、API及线上服务等。时任Harness负责人崔添翼解释，数据、计算任务、Agent运行环境和用户请求的增长，正在要求团队升级甚至重写原有后端系统。

产品团队则开始整合。科创板日报10月16日报道指出，DeepSeek将Harness、Web、App和Platform团队整合为产品部，由崔添翼担任负责人，同时招聘产品设计相关岗位。

这些变化，也与模型及工具的更新相呼应。

根据官方更新日志，8月更新的V4 Pro正式版强调Agent能力；9月发布的V4.1 Flash加入原生视觉理解；10月17日再次更新时，公司强调减少任务运行时间与输出长度，并针对多个Agent平台优化。模型更新开始同时关注任务表现和执行开销。

从这些连续动作看，DeepSeek正在建设一套围绕基础模型的研发与应用体系。Agent是其中已经明确推进的方向，机器人投资则为进一步探索物理世界的应用提供了合作机会。

Super-agent展示了DeepSeek对下一步的设想——为减少人类注意力做进一步的努力。但这套设计仍需要真实场景的检验：能否稳定完成工作、控制运行成本，并真正节省人的时间，将决定它能走多远。

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4902105.html?f=wyxwapp