DeepSeek Harness团队：多任务Agent瓶颈在人的注意力

10月31日晚，DeepSeek Harness团队在官方公众号发布技术文章《Super-agent设计探索：迈向更自主的Agent系统》，提出多任务Agent系统的核心瓶颈已不在模型本身，而在人的注意力边界。

团队观察认为，单项任务的完成质量仍取决于模型能力，但当多项任务同时展开时，单个用户通常只能同时跟进3至5个活跃会话，多任务上限正从模型能力转向人的注意力。

这一判断针对的是当前主流Agent设计的基本单位。现有Agent多以单一Session为运行单元，不同会话之间彼此独立，用户并行推进多项工作时需要手动切换并自行维护各会话的上下文。

团队指出，即使通过CLI、MCP或外部连接器扩展本地Agent能力，仍会面临单会话同步阻塞、多任务上下文混乱以及本地设备离线后任务停止等问题。人的注意力没有被系统分担，反而承担了本应由基础设施处理的协调成本。

据此，团队提出Super-agent架构，核心思路是将会话管理与上下文同步从人手上移到系统层面，由系统承担调度与执行，人专注于目标设定与结果验收。

架构上，Super-agent被划分为Router层和Worker层，Router承接人类交互、维护全局上下文并分派任务，Worker在相互隔离的会话中并发执行具体工作。

此外还引入事件驱动机制和Watchdog组件，使系统能够在长期运行中持续观察环境、推进任务并处理异常恢复，而非依赖人逐项触发。

与文章同步公开的还有名为dsh-superagent-prototype的研究原型，以插件组合包形式运行，目前主要围绕GitHub仓库工作并可接入飞书。

团队在文中说明，该原型经过公开发布所需的改编，与内部版本及长文中的完整实现不完全相同，部分设计尚未落地，并非DeepSeek正式产品。

基于该架构构建的内部Super-agent实例已在日常研发中运行，参与问题复现与修复、代码审查响应及Harness自身的迭代。

值得注意的是，这一提案目前仍停留在架构设计层面，尚未披露实际运行效果或商业化进展。但它将评价Agent的尺度从“完成了多少任务”拉回到“让人额外付出了多少协调成本”。

在模型单任务能力持续提升的背景下，多Agent系统能否真正释放并行产能，取决于系统能在多大程度上接管那些原本落在人注意力上的调度与同步工作。

［本文作者i黑马，i黑马原创。如需转载请联系微信公众号（ID:iheima）授权，未经授权，转载必究。］