X 精选 · 2026-11-02

一个 agent 同时干很多活，靠的是系统结构

今天只推两条。DeepSeek Harness 团队写了一篇长文，讲怎么把 agent 从「一个会话一件事」改成一个一直在线、同时推进很多任务的整体，还开源了原型。另一条是 Patrick Collison 给自己的小应用都加了一个「改进」输入框，用户写一句，agent 直接实现，David Cramer 接着说 Sentry 在试让 agent 自己提交反馈。

2 条 · 覆盖 11-01 早上 8 点到 11-02 早上 9 点（墨尔本时间）

01DeepSeek 的 Super-agent：Router 不干活，Worker 只管一件事

原文是 DeepSeek Harness 团队（@DeepSeekHarness，约 4.6 万粉）的 X 长文《Exploring Super-agent Design: Towards a More Autonomous Agent System》，作者是 Yujia Qiao，11-01 发出，7768 赞、7400 收藏、85 万浏览。omarsar0（约 32.7 万粉）转发时说这是他读过最贴近自己带 agent 团队方式的文章，那条转发本身有 865 收藏；badlogicgames（Mario Zechner，Pi 的作者）说内容和他们在 earendil 的方向基本一致。整篇讲的是：单个任务现在受限于模型能力，但同时跑多个任务受限于人的注意力，一个人通常只能盯 3 到 5 个活跃会话，所以要让系统而不是人去管理会话。文章按顺序讲了两层架构、事件驱动、全双工多渠道交互、计算和状态和执行环境分离、Watchdog、实验和未解决的问题，最后附了开源原型 dsh-superagent-prototype。

问题从哪来。现在主流的 agent 以单个会话为工作单位，会话之间互相隔离。给本地单会话 agent 接上 CLI、MCP 和各种连接器，它能收到外部消息，但还是同步跑在一个会话里：长操作会卡住对话，不同任务的上下文混在一起，本机一离线就全停。他们想要的东西有四个特征：用户在 IM 和 GitHub 评论里跟它说话，始终觉得是同一个 agent；能同时推进几件复杂的事，上一件没完就能接下一条指令；不等人一步步吩咐，盯着环境里的事件自己动手，没事就不出声；一直在线，出了异常能自己恢复。文章的判断是，任何单个 ReAct 循环都给不了这四样，只能靠外面的系统结构。

两层架构。所有事件都进一个会话，上下文最连续，但 ReAct 一次走一步，吞吐低，不同任务的中间细节还会搅在一起；每个事件开一个新会话，吞吐上去了，结果却彼此脱节，好几个会话分别回复用户也很乱。他们的解法是拆成两层。Router 层是一个长期存活的会话，接收所有入口的人类消息，是全局的顺序点、协调点和记忆，但它不执行任务，连 Bash 工具都可以没有，只负责和人对话、派活、记住任务之间的关系。文章特意和常见的 Agent Team 做了区分：Team Lead 要把一个复杂任务拆细、协调成员，推理负担很重；Router 不拆单个任务，所以活比想象中简单，用较轻的模型就够快也够好。Worker 层每个会话只做一件事，上下文隔离、工具齐全，用最强的模型，从不直接对人说话，只向 Router 汇报。几个 Worker 碰到同一个 PR 时，它们都订阅这个 PR 的事件流，自己就能看到对方在干什么、自己解决冲突，少数需要跨任务协调的事才由 Router 转达。

事件驱动，分快慢两条路。agent 的输入不再是人敲的提示词，而是群消息、邮件、日历提醒、评审评论、CI 结果这类事件，文章叫 Trigger。真实群聊里绝大多数消息不需要 agent 管，所以先走代码做的快路径：按来源、群、用户或 bot 白名单判断，每个来源可以设成「只回应明确请求」「当作候选」或「忽略」。过了这一关的候选事件才交给模型，按写成提示词的策略决定要不要动手，这一层也是人随时用自然语言加减规则的地方。路由同样分快慢：Router 第一次为某个 PR、IM 话题或邮件串派出 Worker 后，这个 Worker 直接订阅这条线程，之后的事件由代码直接递给它，Router 只处理还没人订阅的新事件。

上下文当缓存用。注入太多，窗口被塞满，注意力被稀释；注入太少，模型要反复调工具去读。他们借编译器的说法分两种操作：Inline 是把马上可能用到的信息直接放进窗口，Spill 是把太长或少用的内容留在窗口外，只放一个引用或摘要。具体顺序是先只给当前对象的 ID 和摘要，再按时间和空间上的相邻关系补一点，比如前 50 个字、这条 IM 消息的前后几条和它回复的那条、同一段代码评审里相邻的评论，超长的截断并留下「后面在哪」的指针。Router 的老任务记不住全部历史，就给 Trigger、线程、Worker 会话都编上唯一 ID，注入时带上相关对象的 ID，模型可以顺着 ID 一跳一跳往回查，他们叫 Chain of Recall。还有一条是借 CPU 的推测执行：他们内部的用户群配了「静默复现并修复」策略，有人报问题或讨论改动时，agent 先在后台试着复现、找修法，只有确认了问题、也找到了简单修法才出声，否则全程不说话。

全双工和多渠道。耗时的命令和工具改成异步的 start() 和 stop()，start() 立刻返回「已开始」，结果回来时作为一条新事件送回会话，所以 agent 在后台跑长任务时也能马上回应新消息。开源原型里的具体做法是前台 shell 命令超过 5 秒就转成后台任务。不同渠道说话方式不同：IM 里尽量少打扰，只在需要决定或签字时找人，只问直接的问题，给简短结论，他们验证过一条简单有效的硬规则，每条回复不超过 100 个词；GitHub、邮件、文档这类异步渠道则要信息密集，PR 要写清背景、改动和验证结果。

计算、状态、执行环境三者分开，再加一个 Watchdog。跑 agent 循环的计算可以是无状态的云容器，会话等状态放数据库，容器随便重启替换，本机睡眠也不影响 agent 在线。执行环境往往有没提交的改动、私有凭证、内网依赖和特定工具链，很难同步到云上，所以干脆不搬：每台执行机器只跑一个不存状态的轻量守护进程，只负责执行命令、返回结果，用户自己的电脑也能接进来，离线时相关任务等它重新上线再继续。文章提到 Anthropic 的「Decoupling the brain from the hands」是同一思路，区别是 Anthropic 讲托管服务，他们先要接的是人每天用、时在时不在的个人电脑。最后，长期在线的系统只靠内部逻辑撑不久，需要主系统之外独立的控制循环。很多异常不是崩溃：进程还活着，但模型在原地打转或者偏离了目标。所以他们的 Watchdog 是一个由定时消息驱动的独立 agent 会话，既处理 API 报错、状态恢复失败这类基础设施问题，也用模型判断每个 Worker 有没有实质进展；维护者还能用自然语言问它为什么出错，让它在系统运行中改提示词或调整触发规则。

实验数字。他们用合成负载做了初步实验，文章自己也说结果只作参考。端到端实验每轮约 300 条群聊和 GitHub CI 消息，其中约 20 条是真正的工作请求，编码工作用一个只耗时间的工具模拟，四种设计各跑 5 次。Super-agent 从请求到结果 p50 12.4 分钟、p95 15.7 分钟。单会话加子 agent 工具、用中性提示词（「合适时用 subagent」）的版本，5 次里一次都没委派，所有活都在主会话里干、不断被新消息打断，p95 到了 29.5 分钟；换成「优先委派」的提示词，5 次里委派了 4 次，剩下那次模型觉得活「很小」自己干了，拖出一条长尾。去掉直达订阅的版本完成时间差不多，但 Router 每轮多做约 30% 的决策，缓存读取 token 从 2320 万涨到 3180 万，多了约 37%。Router 单独压测时，需要决策的事件从每分钟约 1 个加到约 40 个，平均每批从 1.0 个变成 2.8 个，单次请求只从 2.5 秒涨到 3.9 秒，摊到每个决策反而从 6.4 秒降到 1.6 秒，原因是一轮推理期间到达的事件会在下一轮被合并处理。

他们自己承认还没解决的。Router 什么时候该分片、Worker 之间什么时候该直接通信，还要更多场景验证；系统跑上几个月以后，长期记忆会成为主要瓶颈。会话对用户隐藏之后，任务该怎么展示给人、人怎么在中途插手，是新的产品问题，他们的实例直接在 GitHub Issue 和 PR 里工作。组织变大以后，开几个 Super-agent 实例等于决定哪些上下文共享、哪些隔离，实例之间就变成 agent 对 agent 通信。安全上，云端循环不断吃进外部事件，而执行机器上有私有代码和凭证，一次提示注入就可能波及所有接入的机器，所以 agent 需要一种「能用凭证但看不到凭证」的方式。

为什么有说服力。它没提出新理论，用的都是计算机系统里的老办法：快慢路径、订阅分发、缓存和溢出、推测执行、存算分离、外部控制循环。最有分量的是委派那组对照：同一个模型，靠提示词决定要不要委派，结果取决于它当时觉得活大还是小；把「Router 不执行任务」做成结构，这个不稳定就没了。这和你一直坚持的方向一致，规矩放在结构里，而不是靠提示词里多写一句。

和你现在的开发。11-01 的日报里有三件事几乎能一一对上。第一，#1468 连派三次 Claude 都没推新提交，Forge 的复盘是「下次先看会话卡在哪」，Tata 也写了「P1 PR 超过 2 小时没新提交就去问」，这正是文章里 Watchdog 判断 Worker 有没有实质进展的那一层，现在靠两个 bot 各自记着。第二，Mac mini 磁盘写满，同时拖垮了 CI runner 和主群，断了约 13.5 小时，Watch 的复盘写着 #317 之前 Mac mini 仍是单点；文章第 5 节的思路是只把执行环境留在那台机器上，循环和状态都不放在那里。第三，Watch 的巡查每 5 分钟看一次 connected 和 napcat，复盘里反复写「只看了连接状态，没核对主群真实回复」，文章说的正是 Watchdog 要看任务进展，不能只看进程活没活着。另外，Tata 写到她合 PR 太快，Forge 和 Watch 的日报写完时 main 已经变了，这类「谁手里的状态过时了」的问题，文章用的是让相关 Worker 都订阅同一条事件流。

能怎么借鉴。最小的一步是给「派出去的任务」加一个独立的进展检查：定时看每个开着的 PR 或 Claude 会话最近一次提交时间，超过阈值就判定卡住，交给一个会话去看原因，而不是原样重派。再往后，可以对照原型仓库的 003 Execution 看它怎么做 Router 和 Worker 的工具集划分、5 秒转后台。原型目前只支持 github.com 和飞书，要求给 agent 单独开一个 GitHub 用户账号（GitHub App 不行，因为它要读账号通知），适合读，不一定适合直接装。

适合写成博客或视频。可以讲成「我的 7 个 bot 对照 Super-agent 的五个模块」：每个模块配一件你团队里真实发生过的事，比如 #1468 重派三次、Mac mini 磁盘满，然后说你打算先补哪一块。委派实验那组 0/5 和 4/5 的数字很适合做开场。

02「改进」输入框：用户写一句，agent 直接改

Stripe CEO Patrick Collison（@patrickc，约 184 万粉，3922 赞、3637 收藏、34 万浏览）在 11-01 早上发帖说，他给自己所有用 vibe coding 做的个人应用都加了一个「improvements」功能：一个自由输入框，接着一个 agent，用户写什么它就直接实现什么。他说这让打磨毛边、加新功能的门槛低到几乎没有，另一个在用他应用的人几天里已经提交了 150 个改进；他把这叫做 liquid software，觉得没有这个功能的软件都开始显得有点僵硬。他自己也列了没想清楚的地方：时间长了会不会没法维护，多人协作的软件怎么用这个模式，这样做出来的软件能不能安全可靠。他的结论是，至少在个人场景里很好用。

Sentry 创始人 David Cramer（@zeeg，约 3.6 万粉，146 赞、141 收藏）在下面接了两句：一是 Sentry 已有的 User Feedback 接口可以承接这类输入；二是他们正在 Sentry 的 MCP 里试一件事，让 agent 在某个东西没按它的预期工作时，用同一个接口自动提交反馈。也就是说，反馈的来源不只是人，用产品的 agent 本身也成了提意见的用户。

为什么值得想。这把「用户反馈」和「开发」之间那段人工流程压得很短。Patrick 担心的维护、协作、安全，恰好是团队产品绕不开的三件事；zeeg 的补充则说明另一头也在变，提反馈的可能是 agent。

和你现在的开发。夹夹这边两头都有现成的东西。一头是 #1330 点子墙，现在 CI 绿、可合并，等你决定上不上；另一头是 #1464 立的需求「回答反馈几乎没数据」，Ledger 的统计里 10-31 一次回答反馈都没有，10-30 是 4 次，其中 3 次是同一条回答上来回点的。如果点子墙上线，可以想的是：点子落到哪一步就停，是直接派 agent 实现，还是只开 issue 进 Tata 的流程。另外，问夹夹自己调工具失败时（比如 Scout 记录的线上搜索 30 秒不返回），能不能像 zeeg 说的那样，由 agent 自动记一条反馈，而不是只等用户点踩。

适合写成短视频。「如果每个 app 都有一个改进框」这个设想很直观，可以拿点子墙做演示，讲你会在哪一步加人工把关、为什么。

03看过但没选的

Karpathy 的 HackerTube（让 Claude 从 20 年的 HN 评论里筛出 6454 个反复被推荐的视频）有 2 万多赞，你多半已经刷到。Thorsten Ball 讲 agent 时代改用 trunk-based 开发的帖子 10-30 那期推过，这次他只是追了一条回应。mattpocockuk 的 Sandcastle 目前只是一段产品宣传语，swyx 的 low effort 加 critique loop 是在转 theo，mitsuhiko 说 Opus 两周能重写 CPython 只是一句判断，badlogicgames 的 pi-schema 是一个 JSON schema 库，和你手上的活关系不大，都跳过了。

04回个信号

哪条有用、哪条没用，回个字或点个表情就行，我会照着调。