DeepSeek Super-Agent 没回答的问题:管得了 Agent,管得好上下文吗?
DeepSeek Harness 团队发布《Super-agent 设计探索》,提出用 Router + Worker 双层架构,把一人管理多个 Agent 的负担交给系统。文章引发讨论,多聚焦调度机制设计。PostgreSQL 圈冯若航(Pigsty、Silo 作者)撰文点评,顺着方案追问:Session 可以藏起来,但 Router 凭什么知道这句话该派给谁?

文章要解决的真问题很朴素:人的注意力有限,同时盯三五个会话就转不过来,一个人如何高效管理多个并发干活的 Agent?金句是「Session 应当是系统的实现细节,而不应是用户的认知负担。」做法是外层接触发器,中间常驻 Router,底下挂 Worker Session;Router 不下场干重活,只判断任务分给哪个 Session,再汇总结果。冯若航认为,若限定在点对点对话框里自动切分 Session、异步派活,这套开源原型工程设计扎实,细节像真踩过坑的人写的。但他追问:把 Session 藏到底下后,Router 凭什么知道该派给谁?单靠路由真能解决「一个人管理多个复杂任务」吗?

他指出,「对着一个聊天框派百样活」并不新鲜,OpenAI 的 Dots、Today.AI 都是类似路数。日常杂活、分析调研还凑合,严肃大工程立刻拉胯。一层原因是环境受限,比如微信只给个人机器人开点对点单聊,无法拉进工作群,权宜之计被当成 Super-Agent 本该有的样子。更深一层:今天多任务并行里真正充当 Super-Agent 的是人自己,在多个 Codex 窗口、Claude 对话、飞书群之间切换,记着每摊事进度和规矩的是你。若真有一个全知全能的 Agent,光靠单聊一问一答就能听懂半截话背后的项目归属、代码边界和轻重缓急,还能后台摆平冲突从不闯祸,那它已不是助理,而是替代「你」。所以 Super-Agent 名字太大,叫 Secretary-Agent 更贴切。

Router 要替用户扛活,得先把人脑中的上下文搬出来:这句话属于哪个项目、代码在哪台机器哪个目录、守哪份规范、有什么权限、上次拍板定了什么。这就是 Context。真正的问题不是藏 Session,而是管好上下文。Context 不只是模型上下文窗口和 Token 调度,真实工程里决定生死的是工作上下文:你在哪个现场、能碰什么、守什么规矩、跟谁干活。落到写代码,就是代码仓库、工作目录、AGENTS.md、内部文档链接、工具权限和历史决策。Session 是临时执行过程,藏进底层没问题;Context 是工作现场和权限边界,必须端到端,绝不能对用户隐藏。单一入口模式把 Context 连同 Session 一起藏了,指望 Router 猜工作现场;在能对外动手的系统里靠猜路由迟早出事故。随口一句「帮我把临时垃圾清一下」,猜偏一步可能就是线上删库。原文提到的「投机执行」同样危险:Agent 监听群聊,没人 @ 也后台拉代码复现、提 PR;CPU 投机执行猜错能回滚尚且捅出 Spectre 漏洞,Agent 跑命令、跑 CI、提 PR 都是收不回来的外部副作用,没有显式边界,群里一句不可信的话就可能触发后台静默跑代码。
管理多个 Context 最自然的形态是群聊。人说话能省字,是因为开口前知道场合:会议室有会议室的规矩,机房有机房的红线。人本来就是看场合说话的,没道理到工程协作里反而抹平边界让概率模型硬猜。几百人公司怎么管、几十个项目怎么并行,人类早有标准答案:国内飞书、钉钉、企微,海外 Slack、Discord;开源世界 PostgreSQL 社区靠 pgsql-hackers、pgsql-bugs 等邮件列表运转几十年。群聊是人类多线程协作最通用的载体,每个群天生就是显式的 Context 容器。把机器人拉进群干活也不新鲜,GitHub 十多年前就在聊天室 @Hubot 跑部署,后来叫 ChatOps,撑起 Slack 十年机器人生态。今天变了三件事:机器人是有独立执行环境、能跨机器干活的 Agent;群里不止一个机器人,而是一支要互相配合的舰队;底下得有共享状态。与其在单聊框里搞全局 Router 猜谜,不如按工作上下文建群,把 GitHub 仓库、文档站绑进群。点进 Silo 研发群,@ 编码 Agent 派活,它自然带着 Silo 的代码目录、AGENTS.md 和专属权限动手;路由问题在进群开口那一刻零成本解掉。好比没人写数据库代理靠语义猜 SQL 发给哪个库,连 PostgreSQL 第一件事永远是显式声明 database 和 role。ChatGPT 和 Claude 都在往 Slack 里钻,让人在频道里 @ 它们干活。群聊也有毛病:信息过载、重要决定被刷走、群多看不完;群只是把 Context 摆到明面上,老毛病得靠后面的「书记」和数据库来治。
有人会问:DeepSeek 架构不也支持多人在群里 @ Super-Agent 吗?区别在于,那里群聊只是外接的「消息输入管道」,多个群、多人使唤一个 Agent 都不改变这一点;而这套模式里群本身就是硬隔离的 Context 容器。把这层关系倒过来,顺手能解另外两个死结。第一,安全与主动性可以分级:公开用户反馈群碰不到生产环境,大可放手让
更多推荐阅读

OpenAI 发布 GPT-6 Cyber,专攻网络安全
OpenAI 正式发布网络安全专用模型 GPT-6 Cyber,基于 GPT-6 Astra 打造,是 GPT-5.6 Cyber 的继任者,在找漏洞、验证漏洞方面能力更强,同时加强了任务边界训练。 在 Firefox 代码库研究中,Mozilla 自今年 2 月起使用前沿模型检查代码,修复的安全问题已是 2025 年同期的七倍多。OpenAI 研究员用 GPT-6 Cyber 复查后,仍发现 ...
2026-11-07 14:28:38
突发!李飞飞最新 AI 成果发布,把世界模型装进复古掌机,单张图实时跑出 15 帧
今天,李飞飞创办的 World Labs 发布研究预览版 Demo Frameboy,将自回归世界模型 Atlas 带入实时交互时代。用户打开浏览器,云端 GPU 以最高 15 fps 帧率实时串流画面,可像打游戏一样自由操控镜头,在单张图片生成的 3D 世界中探索,试错成本几乎归零。 Atlas 于两个月前亮相,最大卖点是逐帧生成画面并支持像素级相机视角控制,可从单图脑补虚拟 3D 世界,或用...
2026-11-07 13:37:43
ChatGPT近期的一些关键数据:搜索追到谷歌20%、Dots还在赔本、1/5的人爱用语音模式
OpenAI 公布 ChatGPT 新数据:搜索查询量已达谷歌五分之一,周活从 10 亿增至 12 亿,两个月各增约 1 亿。ChatGPT 消费者产品负责人 Adam Fry 与科技媒体人 Alex Kantrowitz 对话,谈及产品思路。 搜索方面,只要提问触发网页检索即计一次搜索。用户使用从写作、写代码扩展到查人、查地点、查物品及金融健康类问题,均依赖实时信息。Fry 认为 ChatGP...
2026-11-07 12:55:55
对谈千问蒋冠军:从模型、记忆到生态,Personal Agent的技术架构如何搭建?
Personal Agent 正在撕开 AI 应用的口子。个人记忆、生态工具、需求透视等要点叠加,让 Personal Agent 的理念有了更明确的定义:Agent 依托模型的推理、规划与调用能力,但记忆是否准确、工具是否丰富,都决定着对用户需求的满足率。 千问事业部 AI 算法负责人蒋冠军介绍,千问建立了覆盖 30 多个行业的需求透视图,将需求归纳为不同意图,拆解出 8000 多个模型的原子...
2026-11-07 12:04:07
大模型的数据生意:人类如何蒸馏自己
成都中和与天津侯台等城郊老村镇里,一群人正为大型互联网公司训练大模型,大多月薪不足1万元。他们每天核对大模型答案的事实、检查是否答非所问、打分比较优劣,有时还要亲手写示范。这些重复琐碎的工作构成大模型训练中最重要的一环——数据生产。 2025年,网上现成文本越来越难满足训练需求,Anthropic开始从人类实际工作中收集数据,记录律师处理合同的全过程,整理成训练数据。中国模型公司在2026年初开...
2026-11-07 10:37:24
赵祺入主豆包前
2026年8月2日,豆瓣用户“霏昀”的「看过」列表新增两部电影。霏昀即赵祺。7月30日,字节跳动发布AI业务调整通知,飞书产品团队并入豆包,成立新的豆包产品团队,赵祺出任负责人。一夜之间,他成为国产大模型领域最关键的权力人物之一。其公开履历仅40余字:北大计算机博士,早年任职豆瓣和豌豆荚,2017年加入字节,先后负责增长中台、商业化和人力体系。 赵祺是二十年豆瓣老用户,账户注册于2006年2月。...
2026-11-07 10:00:35