没有人@它,也没有人下指令,AI 却自己发现了 Bug、定位到问题,还把修复代码提交了上去。这不是设想,而是 DeepSeek 近日公开的一套 Agent 架构思路里描述的场景。 据了解,DeepSeek 于 10 月 31 日发布工程实践文章《Super-agent:迈向更自主的 Agent 系统》,把旗下「个人 Agent」的底层架构思路公开出来,并同步在 GitHub 放出了原型代码。此前外界一直在等传闻中的新模型,结果先等来的却是这篇架构分享。 它要解决的,是人顾不过来的问题据 DeepSeek 团队观察,一个人通常只能同时跟进 3 到 5 个活跃会话。模型单项能力越来越强,多任务协作的效率反而卡在人的注意力上——在群聊里讨论方案、去 GitHub 提代码、再按评论改实现,来回切换时你得自己记住每个会话进行到哪一步。Super-agent 就是冲着这个麻烦去的:用户面对始终是同一个 Agent,底层多个会话由系统自己管。群里定了方案 A,GitHub 评论要求改方案 B,它能认出是同一件事并调整方向。 四个特点:连续、高效、主动、持久官方把它的核心特征归纳为四条:跨平台保持上下文,不用反复解释前情;多个复杂任务并行,耗时任务不阻塞新交互;持续观察环境,必要时自己动手;长期在线运行,遇到异常能尝试自动恢复。文章还提到一个「投机执行」的做法——群里有人聊到某个 Bug,它先在后台悄悄复现、找原因,找到简单可行的修复就把结果交给你,没找到就保持安静,不打扰人。同样的思路也能用在个人助手上,比如收到会议邀约后提前查日程冲突、备好资料和回复草稿。 结构是「一个调度 + 多个执行」架构上分两层:上层 Router 负责接消息、派任务、维护全局上下文;下层一组 Worker 具体干活,多个任务并行互不干扰。它还设计了订阅直通机制——某个 Worker 接手一条 PR 后可直接订阅后续评论,新意见直接到它手里,不必再由 Router 层层转发。 DeepSeek 还做了初步实测:模拟约 300 条消息、20 项工作请求的协作环境,每种配置重复 5 次。Super-agent 任务完成时间中位数 12.4 分钟、95 分位 15.7 分钟;传统单会话方案在中性提示下 95 分位达到 29.5 分钟。代价是 Token 开销上升——取消事件直通机制后,Router 决策次数增加约 30%、读取缓存 Token 增加约 37%,说明合理路由能省成本。官方也说明,其中的异步 ReAct Loop 已在 DeepSeek Harness 里实现,但尚未默认开启。 一句话总结:过去是「人盯着 AI 一件件派活」,这套思路想让 AI 自己盯着活。当然,眼下它还是工程探索阶段,离普通人日常用上还有距离。 来源:量子位《刚刚,DeepSeek重磅开源:Agent底座架构!》(2026-10-31) 原文链接:https://www.qbitai.com/2026/10/506904.html 开源原型:https://github.com/deepseek-ai/dsh-superagent-prototype |
业界动态范式放出Phai双模型:350亿参数只激活30亿2026-11-20
业界动态思维链一作Jason Wei离开Meta:不发模型了2026-11-19
业界动态材料科学智能体MatOS正式开源:AI自己攒经2026-11-18