程序员终于不用给 AI 当项目经理了：DeepSeek 开源的 Super-agent 让 AI 自己给自己派活
AI飞行客 程序员终于不用给 AI 当项目经理了：DeepSeek 开源的 Super-agent 让 AI 自己给自己派活
有一个场景，每个深度使用 AI 写代码的人应该都经历过：
你在写新功能，工作群里弹出测试人员报了个 Bug，GitHub 上又来了一个新的代码审查请求。你打开五个不同的 AI 会话，各自交代背景、同步上下文，然后挨个检查进度。
代码不用自己写了。但人成了五个 AI 的项目经理。
DeepSeek Harness 团队在 10 月 31 日发布的技术文章里写了一个扎心的数字：一个人通常只能同时跟进 3 到 5 个活跃的 AI 会话。
注意这不是因为模型不够聪明——是因为人的注意力有上限。AI 越能干，你同时开着它的窗口就越多，你花在”替它同步信息、帮它切换任务、告诉它刚才发生了什么”上的时间就越多。
AI 提升了产出效率，却没减少管理负担。实际上，它把负担从”做事”转移到了”派活”。
DeepSeek 开源的这套叫 Super-agent 的东西，试图解决的就是这个问题。
架构：Router 派活，Worker 干活
Super-agent 的核心是一套双层架构：
Router（调度员）：接收消息，判断任务归属。哪个任务值得启动、哪个消息需要忽略、哪个平台上的信息更新了——Router 负责做这些判断。
Worker（执行者）：具体干活。可以独立调用工具、修改代码、运行测试，必要时还能调用子 Agent。
整个系统的设计目标，是让 AI 不再只有”被打开一个会话才开始工作”这一种存在状态。它应该能持续在线，跨平台接收指令，自动判断优先级，并行处理多个任务。
用人话说：你不需要给每个任务开一个新对话。你只要在群里说一句，或者 GitHub PR 上留一条评论，系统自己知道该派谁去接。
两个真实的例子
DeepSeek 给出了两个内部案例。
案例一：群里的 Bug。 有用户在群里反馈：macOS 桌面端窗口没有焦点时，点击会话容易被当成双击，误进重命名。没有人@谁，没有人提具体需求，就是一条普通的反馈。
Super-agent 在后台收到了这条消息。它自己判断：这是一个可复现的 Bug，值得处理。然后自己尝试复现、排查代码，最后提交了一个修复 PR，附上了修改前后的对比截图。
完全没有人类参与派活。
案例二：字体设置的跨平台接力。 用户先在群聊里提出需求：正文、代码、终端分别配置字体。Super-agent 提交了代码。用户又在群里补充了字号要求。讨论随后转到 GitHub：维护者希望收起过多的设置项，设计师继续调整展开方式。
这些意见散落在群聊和 GitHub 上，但系统认得它们属于同一项修改。 不同的 Worker 各自处理一段，结果汇总到 Router。
最终 PR 合并后，结果又同步回了群聊。
这套机制叫”链式召回”：给消息、讨论串和执行会话建立关联 ID，模型可以从当前消息找到所属讨论，再找到执行任务的 Worker，沿着关系继续查到另一处 PR 上的评审意见。
不是万能的，但方向是对的
DeepSeek 自己也说了目前这套系统的限制：
– 目前主要面向单个 GitHub 仓库，可选接入飞书 – 实验数据来自合成负载（300 条消息 + 20 个工作请求） – Router 在系统扩展到更多人时可能成为性能瓶颈 – 长期记忆、多 Agent 协作、安全和隐私都还在探索
而且它不是靠训练一个新模型实现的——就是一个分层 Agent 架构，外加一套授权机制（Mandate，记录”为什么允许执行、授权范围多大”）。
这意味着目前它是技术验证原型，不是成熟产品。这不是”人人可用的工具”，而是”架构师可以研究的设计”。
但一套被验证过可以在内部跑起来（DeepSeek 的 Harness 团队已经在用）的公开代码，价值比一份论文大得多。
三个判断
第一，Super-agent 这类系统的出现，是对”Agent 越来越多”这个现实的自然反应。
当市场上只有几个 Agent 时，每个都像独立工具，人上手就能用。当一个人同时管理十几个 Agent 时，”信息同步”就成了最大的隐形税。
DeepSeek 的方案是：把同步工作交给一个共同的调度层。这是架构思维，不是产品思维。
第二，”主 Session + 多 Worker”这个模式，不只是 DeepSeek 一个人在走。
同一时间，硅谷的 AFK AI 团队已经在这条路上跑了半年，今年 4 月就敲定了”日常聊天主 Agent + 干活子 Agent”的设计。Anthropic 也在今年 6 月在 Slack 里做了类似的尝试。
方向是共识，不是独见。
第三，也是我最想说的：这个架构的真正价值，不在技术，在”对 Agent 能力上限的重新定义”。
过去我们说 Agent 的能力上限，看的是它能写多长的代码、能走多少步、能在哪个 benchmark 上拿几分。
现在上限的定义变了：你能同时管多少个任务？在不同平台上散落的信息，你能认出它们是同一件事吗？你能在没人告诉你的情况下，自己决定要不要接下这个活吗？
这是从”模型能力”到”组织能力”的标准切换。而后者，可能是更持久的壁垒。
因为模型会越来越强，但”认出散落在群聊和 PR 里的相关消息”这个能力，靠的是架构设计，不是模型升级。
—
*发布：DeepSeek Harness 团队，2026-10-31，技术文章 + 开源代码原型* *架构：Router（调度）– Worker（执行）双层架构* *接入：GitHub + 飞书（可选），主要面向单个仓库* *内部案例：macOS Bug 自动修复 / 字体设置跨平台接力* *限制：合成负载测试（300 消息 + 20 请求），Router 可能瓶颈，长期记忆待解决* *同路线：AFK AI Comma（2026-04 启动）、Anthropic Claude Tag（2026-06）* *来源：DeepSeek Harness 官方文章 / 36氪 / 知乎*