DeepSeek SuperAgent 架构拆解:双层路由、事件驱动与工程化实践启示
设想一个研发人员常见的下午:你同时让三个智能体窗口分别修 Bug、写方案、跑数据。每个窗口里的智能体其实都干得不错,但你却疲于奔命——谁在等结果、哪条消息对应哪件事、结论在哪里拍板,全靠人脑记住。问题不在单个智能体的能力,而在于调度压力全部压在了人身上。DeepSeek 发布的 SuperAgent 正是瞄准这一痛点,让使用者感觉始终只有一个智能体,而它却能同时推进多项工作,引发了行业对智能体架构的重新审视。
源码级判断:模型提议程序裁决
SuperAgent 团队观察到一个关键事实:一个人通常只能同时跟进 3 到 5 个活跃会话,单任务的上限取决于模型能力,多任务的上限却取决于人的注意力。为此,它提出了四个核心要求:连续——跨会话、跨场景的信息能自动接上;高效——不必等上一件事做完就能接下一件;主动——能感知环境变化,值得做就推进,没必要就保持安静;持久——持续在线,故障可自恢复。这四个要求恰好对应人在协作中的四个瓶颈:要人盯着、要人发起、要人在线、出了错查不清责任。
在架构上,SuperAgent 可以被理解成一个小团队:常驻的 Router 像前台,负责接待所有新事务并决定交给谁处理;Worker 像专员,各自在隔离的会话中执行任务。前台不干具体的活,专员不直接对外沟通。Router 承担连续性——所有对人的沟通与任务协调都经过它,是全局的排序点和记忆中枢;Worker 承担并发——每个任务一个独立会话,配最强模型,有结论后汇报给 Router 统一回复。这种职责划分解决的是单会话串行排队与多会话互不知情之间的矛盾。
智能体的成败,不在模型的参数里、不在提示词的技巧里,而在确定性工程外壳的每一道防线里。
“行业观察”积墨 AI 智能体开发平台
快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。
从源码看工程化落地要点
从多年产业实践经验来看,SuperAgent 的几个工程细节尤其值得借鉴。其一是事件漏斗:接入真实环境后,消息流呈现高噪音、低触发率的特征,实验负载中约 300 条消息只有约 20 条是工作请求,因此简单情况走规则快速通道,少数复杂情况才调用模型,既省时又省钱。其二是上下文组织:把上下文窗口当作缓存管理,近期高概率用到的信息直接内联,低频内容留在窗外只留引用,模型顺着引用逐跳展开即可完成链式召回。其三是全双工:耗时命令超过 5 秒自动转入后台异步执行,结果作为新事件投递回来,推理步保持很短,新消息在当前步结束后即可处理。更关键的是计算、状态与环境三者分离:智能体循环放进云端无状态容器,会话状态存数据库,本机环境则通过轻量守护进程下发指令执行,进度不因设备离线而丢失。这些设计共同指向一个原则——模型是系统中唯一不确定的部件,工程的职责是用确定性的外壳把它包住。
架构收敛与企业级实践启示
深入其开源原型的源码,能看到几条极为务实的设计判断。第一,模型提议、程序裁决:工单状态由确定性核心唯一写入,Router 的接单本质上只是提交申请,权限、规则、参数校验不合格即拒绝——即使模型被注入攻击,最坏也只是提交了一个被拒绝的申请。第二,先记账再动手:外部动作与状态改动记入同一笔账,提交后由后台逐条执行,这是经典的 Outbox 模式,保证崩溃重启后能接着做。第三,外部文本永远只是数据:群聊和评论可能携带恶意指令,系统用明确的优先级层级约束,Router 转交备注不超过 30 词且不许添加实现计划,防止传话失真。第四,主动能力灰度:新规则默认试运行,模型只记录判断结果不真的开工,判断准确后再放开执行。第五,人的优先级最高:状态按在等谁来排序,Worker 全忙时人的消息仍能唤醒已有工作,未读的人类消息在任务结束时会退回重新评估。这些细节说明,可靠性不再只取决于模型做对,更取决于做错或中断时系统能否恢复。
SuperAgent 发布后,行业普遍感到智能体架构正在收敛:约束条件把解空间压窄了,答案自然趋同,正如数据库最终都走向预写日志、操作系统最终都走向进程调度。对企业的启示同样清晰——智能体正从一次性对话走向长期运行的系统工程,模型是 CPU,工程框架是操作系统与数据库,选型时应更看重确定性外壳的成熟度,而非单一模型的能力上限。
