DeepSeek Harness团队发表技术文章《Super-agent设计探索：迈向更自主的Agent系统》，披露其正在探索的Super-agent架构。按照设想，未来AI Agent将不再局限于单个聊天窗口，而是能持续在线、同时处理多项任务，并根据外部环境变化主动行动。DeepSeek已基于DeepSeek Harness构建内部Super-agent实例，用于日常研发协作。
DeepSeek团队观察发现，一个人通常只能同时跟进3到5个活跃Session，传统Agent以会话为基本工作单位，用户需在不同窗口间反复切换，难以解决单会话串行执行、多任务上下文混乱及设备离线后任务中断等问题。为此，Super-agent需具备四项能力：跨会话连续交互、多任务高效并行、主动响应环境事件、长期在线和异常恢复。
架构上，DeepSeek设计了Router和Worker双层结构：Router是持续运行的全局协调节点，统一接收群聊、GitHub、邮件等信息并分派任务；Worker拥有独立上下文和工具能力，负责问题复现、代码审查、功能开发等具体执行，必要时可调用Subagent。任务完成后Worker将结果汇报Router，再由后者统一与用户沟通。
更值得关注的是主动性。群聊消息、邮件、GitHub评论及CI测试结果均可触发Agent行动。DeepSeek引入投机执行思想，在内部配置“静默复现并修复”策略：当有人反馈Bug时，Super-agent可提前在后台复现问题、寻找修复方案，确认问题存在且修复较简单后才提交结果，否则全程保持安静。展示案例中，团队成员还在群聊讨论方案，Super-agent已提交修复Pull Request。
此外，DeepSeek设计异步ReAct Loop让耗时任务转入后台执行，并借鉴存算分离思路将执行循环放在云端、工作环境留在本地，即使电脑离线任务也可在设备重新上线后继续。独立的Watchdog机制则负责检查任务是否取得进展、是否陷入无效循环。
实验显示，Super-agent任务完成时间p95为15.7分钟，传统单Session方案则达29.5分钟；但代价是缓存读取Token增加约37%。DeepSeek坦言，长期记忆、安全隐私及人工介入设计仍是挑战，相关架构仍在持续探索中。
