从会话到 Super-agent
前言
同时让 Agent 做几件事,很快会遇到两个矛盾:任务执行要能并行,任务之间又要保留必要的联系。塞进同一个会话,日志、文档和代码混在一起,长工具调用还会阻塞后续输入;分别开几个会话,谁负责什么、结果要转给谁,又全靠自己记。
DeepSeek Harness 团队在《Super-agent 设计探索》中给出的答案是把会话管理从用户手里移到系统里,并提供了开源原型。本文按机制拆成六层:两层架构、事件路由、上下文管理、异步执行、运行环境,最后用原文的合成负载实验检验收益与代价。
两层架构
Router 的职责边界
最直接的实现是两层:上层的 Router 对用户,下层的 Worker 对任务。下图画出一次并行请求的分工。
左侧是用户入口:群聊、GitHub、邮件。请求只进 Router,由它分派任务;Worker A 排查登录故障,Worker B 更新部署文档,Worker C 整理技术资料,各自持有独立上下文和工具。回传给 Router 的只有状态与结果,执行过程留在各自会话里,Router 不需要逐行读 Worker 的日志。
这种分工成立,靠两条约束。Router 不亲自执行具体任务:如果它接到小修改就顺手打开终端,前台仍会被长命令占住,设计中甚至可以不给 Router 配 Bash。Worker 不直接向用户发消息:进展与结果先回 Router,由它结合其他任务统一回复,几个 Worker 同时完成时,群里不会出现几份互相缺少上下文的报告。
模型选择顺着这个分工来:Worker 处理复杂任务,用能力较强的模型;Router 只做短决策,可以尝试更快、更便宜的模型。前提是复杂分析确实在 Worker 一侧,如果让 Router 直接判断几个 PR 的方案冲突,它承担的就不再只是路由。
事件批处理
Worker 可以并行,Router 仍要逐个接收新事件,它会不会成为瓶颈?两个条件缓解了这个问题。Router 每次只做较短的决策,不输出长篇内容;一轮推理期间到达的事件可以排队,下一轮合并送入模型。
假设推理期间来了三个请求,逐条处理要三轮;合并后,模型在同一轮里分别决定它们的去向。输入变长会增加计算量,但三轮调用的固定开销不必完整付出三遍。
原文的压力测试给出了一组数字:待决策事件从每分钟 1 个增加到 40 个,平均批次从 1.0 增至 2.8,单次请求耗时只从 2.5 秒增至 3.9 秒。批次当然不能无限扩大,仍受上下文容量和多事件判断能力限制。结论是,在拆成多个 Router 之前,可以先看单个 Router 的批处理是否够用。
事件路由
准入与过滤
要持续跟进工作,输入不能只有用户消息。PR 有了新评论、CI 失败、群里补充了复现步骤,都可能意味着下一步该行动,这些输入统称为触发器(Trigger)。
收到消息不等于需要执行。群里的闲聊、重复通知远多于真正的工作请求,全部交给模型既慢又贵。分工是快慢两条路径:来源、群组、发送者这类稳定规则由代码检查,先筛掉明确无关的部分;「这条讨论是否已经需要修复代码」这类语义判断,再交给模型结合上下文决定。
订阅与直通
事件通过准入之后,要回答送给谁。同一个 PR 的评论、同一串群聊回复有天然的关联,系统把这样的事件流组织成 Thread,Worker 创建时订阅相关 Thread。下图画出完整流转。
沿图走一遍:外部事件先过准入规则,不符合的直接忽略;通过的按 Thread ID 查询订阅。已有订阅时,事件直接送进对应 Worker,这条路径叫直通;没有订阅时才进入 Router,由它判断是否行动,需要行动就创建新 Worker 并建立 Thread 订阅。
继续看登录故障的例子。第一条问题报告到来时没有订阅者,走 Router 一侧创建任务;随后有人补充「只有 Safari 会白屏」,代码查到已有订阅,沿直通路径直接送给正在排查的 Worker,不必再让 Router 理解一次、转发一次。
订阅可以是多对多:一个 Worker 同时跟进群聊和 GitHub 上的 PR,一个 PR 也可以被修复与测试两个 Worker 共同订阅。它们会收到同一处的新消息,但订阅本身不解决代码冲突。图下方还有一条容易被忽略的注记:直通省的是重复路由,事件送达之后,操作仍要遵守权限规则。
主动介入时机
事件驱动还允许 Agent 在用户明确派单之前做准备。DeepSeek 团队举的例子是静默复现并修复:群里有人报告问题,Agent 先在后台尝试复现,确认问题存在并找到简单修法后才通知大家;尝试失败或没有值得交付的结果,就保持安静。
这里最影响体验的是出声时机。每条消息都回一句「正在检查」,只会把人的注意力拉回机器人。适合群聊的是简短结论和需要决定的问题,详细的变更与验证结果留在 PR 或文档里。
上下文管理
内联与溢出
事件找到了 Worker,还不能把相关内容全塞进上下文。一条 CI 结果可能带着几千行日志,全部注入很快占满窗口;只给一个 ID,模型又得反复调用工具才能拼出来龙去脉。下图给出折中方案。
图左侧是 CI #318 的完整日志:数千行输出,失败的是 login.spec.ts,Safari 下超时。右侧把它拆成两部分:内联进当前上下文的只有失败摘要、关联的 PR #42 与 Worker W-3,以及指向完整输出的 log:318;完整日志溢出到外部记录,保留原文,需要时按 ID 读取指定片段。
选择哪些信息内联,依据是局部性:一条评论附近的回复、当前对象关联的 PR、同一任务最近的状态,比其他历史更可能用到。长内容达到预算上限就截断,并留下读取剩余部分的入口。目标不是一次给全,而是让模型能完成眼前的判断,同时知道缺的信息去哪找。
召回链
Router 长期运行,不可能把所有任务历史都留在窗口里。用户过几天问起之前的登录故障,需要一条找回去的路。给 Trigger、Thread、Worker 会话分配唯一 ID,并在对象里记录关联对象的 ID,就形成召回链。
沿图走一遍:当前消息「登录问题好了吗?」指向 thread: T-812;Thread T-812 是登录故障讨论,指向 worker: W-3;Worker W-3 保存排查与修复记录,指向 pull_request: 42;最后读到 PR #42 的变更与 CI,拿到最新进展。每次读取一个对象,同时拿到下一跳的摘要与 ID,不必一开始就加载全部历史。
内联与溢出管的是现在放多少,召回链管的是移出窗口后还能找回来。链条依赖已经记录的关系,如果用户只说「上次那个问题」,而系统经历过好几个相似故障,仍然需要检索或追问;ID 能帮助找回对象,不能替用户补齐含糊的指代。
异步执行
单个 Worker 内部还有一种阻塞:测试要跑十分钟,期间用户又补充了要求。同步调用里,循环要等工具返回才能继续,新消息只能排队。下图对照两种调用方式的时间线。
左半边是同步 run():调用之后等待工具返回,补充要求到达也只能排队。右半边是异步 start():启动后立即返回,会话继续处理补充要求;工具在后台运行测试,完成时把结果作为新事件送回,再由会话接收。需要取消时调用 stop()。
例如测试刚开始,用户就说「先只检查 Safari」。采用异步执行后,Worker 可以在下一轮推理中看到这条消息,决定是否停止当前测试、缩小范围。它仍然要等正在进行的模型推理结束,但不用等整个测试跑完。
这种交互常被称为全双工:后台工作和新输入同时推进。两层架构解决任务之间的并行,异步工具解决任务内部的等待,两者配合,前台入口才不容易被长任务占住。
运行环境
要让 Agent 一直跟进任务,还得考虑机器休眠、进程重启。本地 Agent 通常把三样东西放在一起:运行推理和工具调度的循环、保存历史的会话状态、代码仓库和工具链所在的执行环境。它们不必待在同一个地方。
图上半部分是云端:Agent 循环跑在可替换的容器里,会话、事件、关联关系持久化保存,容器挂了换一个新的,从保存的状态恢复。下半部分是执行环境:本地 Mac、远程开发机、云端沙箱各装一个轻量守护进程,负责执行命令、传回工具结果。这就是自带机器(BYOM)的思路,因为未提交的代码、内部服务连接、特殊工具链都很难靠重新拉一份仓库来复制。
设备暂时离线时,云端仍能接收消息、保存进展、推进不依赖该设备的任务;需要读取本机未提交代码的操作,等它重新上线。把循环搬到云端,不意味着所有任务都能脱离执行环境。
图右上角的 Watchdog 是另一个独立会话,定期巡检两类问题:基础设施是否正常,任务是否取得进展。常规监控发现 API 错误、状态恢复失败,模型帮助判断任务有没有原地打转。测试环境暂时不可用时,重启 Worker 未必有用,看门狗可以继续等环境恢复再推动任务。恢复能力放在任务循环之外,是因为一个已经卡住的 Worker,不适合负责判断自己为什么卡住。
实验分析
原文用一组合成负载比较四种设计:每次运行约 300 条群聊和 CI 消息,其中约 20 条是工作请求;每种设计运行 5 次,消息间隔和工作时长压缩到原来的四分之一,模型调用耗时不变。编码工作由耗时工具模拟,因此这组实验主要观察调度效果,不代表真实编码质量。
| 设计 | p50,分钟 | p95,分钟 |
|---|---|---|
| Super-agent | 12.4 | 15.7 |
| 关闭直通 | 12.6 | 15.5 |
| 单会话 + subagent,中性提示词 | 20.4 | 29.5 |
| 单会话 + subagent,优先委派 | 13.8 | 29.0 |
先看中位数与长尾的差别。单会话配备 subagent 工具,不代表模型会用:中性提示词下 5 次运行都没有委派,中位数 20.4 分钟;改成优先委派后,5 次中有 4 次委派,中位数降到 13.8 分钟,但仍有一次选择自行处理,p95 达到 29.0 分钟。提示词能换来并行收益,换不来稳定的分工。
两层架构的中位数为 12.4 分钟,p95 只有 15.7 分钟,四种设计里长尾最短。它的优势不主要来自单轮更快,而是每次运行都按同一条路径分派,完成时间更集中。
关闭直通后,完成时间几乎没变,中位数 12.6 分钟,但 Router 的决策次数增加约 30%,缓存读取量从 23.2M token 增至 31.8M token。说明这组负载下 Router 还没有成为瓶颈,直通的价值是减少额外调用和上下文读取,为更多事件留出容量,而不是直接缩短完成时间。
并行本身也有成本。Super-agent 的缓存读取量约为两种单会话配置的 2 到 4 倍,多个会话要分别维护和读取背景信息。这里统计的是缓存读取 token,不能直接当成总费用的倍数:需要及时反馈的交互任务,多用一些 token 可能值得;不着急的离线任务,则要重新算这笔账。
能力边界
两层结构让任务更容易同时推进,但任务常常会相互影响。三个 Worker 修改同一个模块,各自通过测试,不代表合起来正确。Router 可以识别这种关联,交给专门的 Worker 分析依赖和冲突;涉及需求取舍时仍需人做决定。并发增加以后,验证与验收可能成为新的瓶颈。
任务粒度也需要拿捏。很小的修改,新建 Worker、加载背景、回传结果的时间可能比修改本身还长;任务过大,进展又更难跟踪。这会影响任务如何合并、何时复用已有 Worker,需要根据实际工作分布调整。
另一个边界是信息和权限。个人或小团队可以共享一部分上下文,扩大到不同项目、不同组织后,就要决定哪些信息能共享、哪些必须隔离。外部事件只能提供任务线索,不能因为成功送达 Worker 就获得操作权限。尤其当云端循环连接着本地代码和凭据时,事件准入、执行授权和凭据隔离要各自做好。
结语
Super-agent 的核心,是把原本由用户承担的会话管理交给系统:Router 维护任务之间的联系,Worker 专注执行,订阅把后续消息送到负责的人,按需召回让历史不必一直占着窗口。
这些设计最终要改善的是一种具体的体验:交代几件事后可以离开一会儿,回来看到清楚的进展;需要决定的问题,Agent 能带着必要的信息来找我们。任务能开多少个只是开始,减少多少来回切换和重复说明,才更接近它的价值。