DeepSeek开源Super-agent架构，AI可自主查Bug提PR

DeepSeek 近日公开了针对个人智能体（Personal Agent）的底层架构设计与工程实践探索，发布了题为《Super-agent：迈向更自主的Agent系统》的技术方案，并同步开源了原型项目。

该方案旨在让 AI 智能体打破传统“人类输入单条指令、模型单次被动响应”的会话限制。在无需人工唤醒或提及的情况下，AI 能够主动检测代码缺陷、定位问题，并自动创建分支提交修复 PR。

解决上下文割裂，实现跨平台主动协作

传统编码智能体面临的一大痛点是平台与会话的孤立。开发人员通常需要在即时通讯工具、代码托管平台和本地环境之间反复跳转，用户往往只能同时跟进 3 到 5 个活跃会话，难以协同处理多任务。

Super-agent 重点打破了这一壁垒。在 DeepSeek 内部运行的实例中，同一开发任务可无缝贯穿群聊与 GitHub 代码审查。例如，团队在群聊中敲定架构方案，随后在 GitHub 审查意见中提出调整，系统能够识别属于同一项长期工作并连贯执行，底层多个子会话由系统统一编排。

系统同时引入了“投机执行”（Speculative Execution）机制：当监控到群内讨论潜在 Bug 时，AI 会在后台先行复现并尝试定位。一旦生成经过验证的修复方案，便主动推送给工程师；若未发现有效结论则保持静默，避免无效打扰。

DeepSeek 归纳了 Super-agent 的四大核心属性：

• 连续性：跨平台与多会话保持上下文，消除重复交待背景的成本。
• 高效性：支持复杂任务并行处理，长耗时操作不阻塞新交互。
• 主动性：自主感知外部环境变更，按需自主介入。
• 持久性：支持长期在线驻留，具备异常自愈能力。

双层路由与看门狗保障常驻稳定

为支撑上述机制，DeepSeek 设计了分层的“Router-Worker”架构。上层的 Router 作为中心调度器，负责接收全渠道事件并维护全局状态；下层的 Worker 则是一组独立的执行智能体，负责具体任务推进。

系统还引入了订阅直通通道：某个 Worker 认领特定 GitHub PR 后，即可直接监听后续代码讨论，后续评论跳过 Router 调度，直接下发给负责该任务的 Worker，大幅降低了推理冗余与 Token 开销。

为确保 24 小时长期自主运行，架构针对高频消息流采用了双级过滤策略，先通过轻量程序规则拦截噪声，再由大语言模型评估是否需要介入。同时引入异步 ReAct 循环，使 Agent 在执行长时任务时仍能处理新的即时消息。

在容错方面，系统将计算、状态与执行环境彻底解耦，计算与状态驻留云端，即使本地终端离线，恢复网络后任务仍可无缝衔接。此外，独立的 Watchdog（看门狗）机制负责周期性监控任务流向，一旦检测到死循环或执行偏离，立即启动纠偏与状态恢复。

在包含约 300 条消息、20 项请求的多任务基准测试中，Super-agent 任务完成时间中位数为 12.4 分钟，95 分位数耗时为 15.7 分钟；作为对比，传统的单会话方案在相同场景下的 95 分位耗时达到了 29.5 分钟。

目前，DeepSeek 已在 GitHub 公开了该原型的参考实现代码，为构建高自主性、持续运行的 AI 智能体应用提供了新的工程范式。