TL;DR - 瓶颈从「模型写不写得出来」变成「人的注意力够不够」

10 月 31 日，DeepSeek Harness 团队以 MIT 协议开源了 Super-agent 原型 dsh-superagent，同步发布架构文章《Exploring Super-agent Design》（作者 Yujia Qiao）。它每次部署只服务 1 个 GitHub 仓库，可选接入飞书：被授权成员点名后，它开一张工单（Ticket），在独立会话与独立目录里干活，再回到原对话交付一个 Pull Request。核心规则写在仓库首页——「尽量少占用人的注意力，尽量多给价值」。团队模拟 约 300 条消息、20 项工作请求测得：完成时长 p50 12.4 分钟、p95 15.7 分钟；而「单会话 + Subagent」基线是 p50 20.4 分钟、p95 29.5 分钟，尾部几乎砍半。同期还有三个信号落地：OpenAI 宣布 12 月起 ChatGPT Plus/Pro/Business 与 Codex 合并计算额度；GitHub 上编码 Agent 工具链头部集体转向「记忆 + 技能 + 可审计」；Datadog 把 Propolis 收进平台，用自然语言写目标型测试。真正的分水岭因此不再是模型参数，而是常驻 Agent 的权限边界、验收证据与回滚路径能否被做成可交付的工程约束。

一、从「一个会话一个任务」到「常驻编排层」

团队的核心判断是：模型完成单个任务已经越来越不需要人介入，限制产出的是一个人能同时盯住多少个会话——他们观察到人通常只能跟进 3 到 5 个活跃 Session。现在的痛点很具体：你在群里定了方案 A，转头到 GitHub PR 评论里改成方案 B，两条信息落在两个会话里，得你亲自搬上下文。

于是架构被拆成两层。Router 是常驻的主会话，订阅 GitHub 事件（可选加上飞书群），负责判断「这是不是一条该干活的请求」并派单；外部事件先过一遍程序规则过滤，再交给模型判断，Router 本身不写代码。Worker 是上下文隔离的会话，每个工单一个，各自拥有独立目录与完整工具权限，并行推进。后续的 PR 评论通过事件订阅直接投递到对应 Worker，不需要重新点名。

支撑这套设计还有四个机制：事件订阅直通、异步 ReAct Loop、计算与状态和执行环境分离（存算分离），以及一个外部 Watchdog 专门监控 Worker 卡死与跑偏。默认是 observe 模式——Agent 只记录「本来会接受什么」，团队自己决定是否打开 auto 模式。团队给它的四条特征是：连续、高效、主动、持久。

二、p95 近乎砍半，但这份数字要这么读

29.5 → 15.7 分钟是这条新闻最抓眼球的数字，但它是厂商自报，且测的只是调度，不是代码质量。测试用模拟的群聊与 GitHub CI 流，约 300 条消息里只有约 20 条是真实工作请求，而且编码环节被替换成「只消耗时间」的工具——Agent 全程没有真正写过、评审过一行代码。换句话说：它证明的是并行调度效率，不是产出质量，目前也没有第三方公开跑分。

一个更能说明问题的细节：在中性提示下，单会话基线 5 次运行里一次都没调用 Subagent。也就是说，近半的尾部耗时来自「没人让它并行」而非「模型慢」。另一组调度数据是：模拟中每分钟 40 次触发下，Router 单次决策推理时间从 6.4 秒降到 1.6 秒。

风险同样写在明处：Worker 以运维者的系统用户身份免审批执行命令，README 明确要求使用前先审阅改造，并建议隔离到独立用户或虚拟机。环境要求 Node.js 22.19+ 或 24+、git 2.32+、Python 3.8+、tmux 与 GitHub CLI。仓库自己也写着「仅供参考的研究原型，不是 DeepSeek 正式产品」，大量工程由编码 Agent 自己完成，代码「可能仍含缺陷」，且部分文章设计尚未实现。仓库 10 月 31 日以单次 commit 发布 v0.1.0，11 月 1 日约 2,800 星，MIT 协议意味着可自托管、可审计。

三、同期落地的三个信号

其一，额度开始互挤。 OpenAI 10 月 31 日公告：自 12 月起，ChatGPT Plus、Pro、Business 套餐额度在 ChatGPT 与 Codex 之间共享，不再分别计算，统一按 token 计量，更强的模型与更复杂的任务消耗更多；即时对话（Instant chat）不占用共享额度，当前套餐可无限使用即时模式。背景是 OpenAI 正把 Work 的智能体能力整合进 ChatGPT 主界面。含义很直白：同一份订阅里，Agent 产能与日常用量开始互相挤占，企业需要重新算这笔账。

其二，工具链头部从「提速」转向「记忆 + 技能 + 可审计」。 跨会话记忆层 claude-mem（Apache-2.0，TypeScript）以 6 个生命周期 hook（SessionStart、UserPromptSubmit、PreToolUse、PostToolUse、Stop、SessionEnd）自动采集工具调用，压成结构化 observation 后存进 SQLite + FTS5 与 Chroma 向量库，下次会话启动时自动注入相关上下文；官方估计按需拉取比全量读取省约 10 倍 token，其 10 月 28 日已达 10.36 万星，当前版本 v15.3.0。技能侧，superpowers 把头脑风暴、规划、TDD、调试封装成流程，impeccable / taste-skill 这类审查技能专门压制「AI 味」模板化产出。GitHub 周榜 Top 5 里已有 3 个项目与 Agent 直接相关。

其三，瓶颈后移到测试。 The New Stack 报道，Anthropic 工程师现在产出的代码量是之前的 8 倍，部分人每月提交数千个 PR——但 AI 写代码不会自动压缩 SDLC，因为新代码还得测，而测什么、怎么测、流程变了怎么改，仍然压在人身上。Datadog 收购的 Propolis 正是对症：它的 Agent 自主探索应用、识别真实用户旅程，用成群的合成用户验证目标型与输出型结果，并自愈测试、持续生成以保持覆盖率，再叠加 Datadog 的 traces、logs 与 Real User Monitoring，把质量从「发布前的慢闸门」变成嵌入 CI/CD 与运行时的持续信号。该收购由 Datadog 官方博客于 1 月 28 日宣布，交易条款未披露。

四、给国内研发团队的三条工程约束

第一，权限边界必须先于能力。最小权限、独立用户或容器隔离、PR 体量阈值（原型默认仅允许为工单开的、增删合计少于 200 行且已获批准的 PR 自动合并，且禁止用 Agent 自己的账号开启自动合并）——这三条是可以直接抄的工程约束。第二，验收证据要随交付走。常驻 Agent 每次都留下痕迹，评审应针对证据而非「看起来对」。第三，回滚路径不可省。Watchdog、自愈与可观测性不是加分项，而是常驻服务的上线前提。

度量口径同样要换：从「谁的 IDE 补全快」「token 单价多低」，换成 p95 完成时间与一个人的注意力成本。谁能把常驻 Agent 的权限边界、验收证据与回滚路径做成可交付的工程约束，谁才拿到下一个阶段的企业级入场券。

FAQ(高频问题直答)

Q1：dsh-superagent 到底解决了什么？ A：把「按需召唤的单会话」变成「常驻仓库的编排层」。Router 常驻收单并派活，多个上下文隔离的 Worker 并行执行，PR 评论直接回流到对应 Worker，人不需要在会话之间搬上下文。

Q2：p95 从 29.5 分钟降到 15.7 分钟，这个数字可信吗？ A：方向可信，边界要清楚。它是厂商自报，用合成消息与模拟工具，编码质量完全未被测量——测试里 Agent 从没真正写或评审代码，目前也没有第三方公开跑分。它证明的是调度效率，不是产出质量。

Q3：MIT 协议的开源版本能直接上生产吗？ A：不能。README 自述为「仅供参考的研究原型」，代码与内部版本不同、可能含缺陷、部分设计尚未实现，且 Worker 以系统用户身份免审批执行命令。官方建议先审阅改造，并隔离到独立用户或虚拟机。稳妥路径是先在非关键仓库用 observe 模式跑一段。

Q4：OpenAI 合并额度会怎样影响企业成本？ A：从 12 月起 Plus/Pro/Business 的 ChatGPT 与 Codex 额度共享，按 token 计量，复杂任务与更强模型消耗更多（即时对话除外）。同时使用两侧的团队会发现一项用得多、另一项可用额度就少，需要重新分配预算并关注「设置—使用量」页的合并余量与重置时间。

Q5：为什么说瓶颈在人的注意力？ A：人通常只能同时跟进 3 到 5 个活跃会话。当 Agent 并行度上去，稀缺资源就不再是算力或 token，而是「谁去看、谁去判断、谁去合并冲突」。Super-agent 的设计目标正是把这个成本压到最低。

Q6：普通团队现在该不该试？ A：值得在非关键仓库、以 observe 模式试，先验证三件事：常驻服务的权限隔离是否可靠、PR 证据是否够评审、异常时能否自愈回滚。生产化之前，先把权限、验收与回滚三套约束补齐。

关键术语(Key Terminology)

  • dsh-superagent：DeepSeek Harness 团队 2026 年 10 月 31 日以 MIT 协议开源的 Super-agent 研究原型，TypeScript 实现，v0.1.0。
  • Router / Worker 双层架构：常驻 Router 负责收消息、判意图与派活，Worker 以隔离上下文并行执行具体任务。
  • Ticket（工单）：Router 从一条被授权的请求生成的工作项，对应一个独立会话、独立目录与一条交付结果（通常是 PR）。
  • 常驻编排层：不按会话触发、而是长期在线监听事件并主动推进的 Agent 架构形态。
  • 事件订阅直通：后续的 PR 评论直接送达对应 Worker，无需用户重新点名或复制上下文。
  • 异步 ReAct Loop：推理与执行交错推进、允许并行挂起多个任务循环的运行方式。
  • Watchdog：独立于 Worker 的外部监控会话，用于发现卡死、跑偏并触发恢复。
  • 注意力预算：把「人需要持续盯住的会话数量」当作与算力、token 同级的稀缺资源来度量。
  • 渐进式披露：先返回几十到一百 token 的紧凑索引，确认相关后再拉取完整记录的检索策略，claude-mem 据称可省约 10 倍 token。
  • 目标型测试：以「用户想达成什么结果」而非固定脚本路径来验证系统，由 Agent 依据自然语言提示生成。

参考资料

官方与一手资料

媒体与行业分析

开源项目与工具链

机构与厂商