@Guluhehe: 从 DeepSeek 的 Super-agent,到 Pi、LangChain 和 Grok Bot,最近读到的几套设计,我把它们归纳为 Always-on Agent 的三个设计共识: 第一,Always-on 不等于 Always-r…
摘要
作者归纳了 DeepSeek Super-agent、Pi、LangChain 和 Grok Bot 在 Always-on Agent 设计上的三个共识:Always-on 不等于 Always-running、工作持久存在而执行者按需出现、自主唤醒不等于自主行动或通知用户,并指出从持续执行走向持续负责仍是待解门槛。
查看缓存全文
缓存时间: 2026/11/21 14:22
从 DeepSeek 的 Super-agent,到 Pi、LangChain 和 Grok Bot,最近读到的几套设计,我把它们归纳为 Always-on Agent 的三个设计共识:
第一,Always-on 不等于 Always-running。 第二,工作持续存在,执行者按需出现。 第三,自主唤醒不等于自主行动,更不等于通知用户。 https://t.co/Jm6YiYetkv
Always-on Agent,正在形成三个设计共识
最近终于有空,好好读读 DeepSeek Harness 的《Super-agent 设计探索》,其中有一个判断让我印象很深:
单任务的上限取决于模型能力,多任务的上限取决于人的注意力。
这是 Coding Agent 使用场景中的典型问题。我们已经能把复杂任务交给 Agent 独立完成。但如果同时推进好几件事,仍然需要自己盯着不同的 Session:哪个完成了,哪个在等反馈,哪个失败后需要重新告诉它「继续」。
DeepSeek 团队提到,根据他们的经验,一个人通常只能同时跟进 3~5 个活跃 Session。
Agent 已经能独立执行任务,但让这些工作持续推进,仍然要靠人协调。
这次他们提出的 Super-agent,就是在尝试改变这种分工。它的设置就是有点像一个一直存续的PMO。
更有意思的是,一向坚持极简 Harness 的 Pi 作者 Mario Zechner 公开推荐了这套设计。他还提到,Earendil 也在朝类似方向发展:一个长期存在的主体,按需委派任务,并能接收不同系统的事件。
几天后,LangChain 在《Agents Are Going Async》中,也直接讨论了 DeepSeek 的 Router / Worker 模式。再包括最近一直在研究的 Grokbot,以及之前写的拆解 Grok Bot:最好用的 Bot 是怎么造出来的?。
我发现这些团队虽然做着不同的产品,却在 Always-on Agent 的设计上,开始出现一些相似的选择。我把它们归纳为三个正在形成的共识。
第一,Always-on 不等于 Always-running。
第二,工作持续存在,执行者按需出现。
第三,自主唤醒不等于自主行动,更不等于通知用户。
从持续存在,到持续执行,再到持续自主。这三个判断,正在改变 Agent 系统组织工作的方式。
01|Always-on 不等于 Always-running
一个长期在线的 Agent,为什么不需要一直运行?
Grok Bot 是一个直观的例子。
用户面对的是长期存在的 Bot,但实际执行命令的 Cloud Computer 可以按需启动、休眠和恢复。Bot 的身份与计算环境不必拥有相同的生命周期。
Pi Durable 则在 Cloudflare 上,用持久化 Session、休眠与定时唤醒,验证了另一种轻量的实现方式。
DeepSeek 的 Super-agent 设计,则从另一个角度讨论了这种分离。
它提出把 Agent Loop 的计算、需要持久化的 Session 状态,以及实际执行代码的环境分别管理。Agent Loop 可以运行在云端,而开发机上的代码、依赖和工具不一定需要全部迁移过去。
这些设计的共同点在于:
长期存在的是 Agent 的身份与状态,而不是某个永远运行的进程。
如果从恢复机制来看,还可以区分不同层次:Memory 保存经验,Durable Workflow 保存执行进度,虚拟机快照帮助恢复运行环境。它们并不能相互替代。
更重要的是,日志记录了工具调用,不意味着外部操作一定成功。执行状态可以恢复,真实结果仍然需要核验。
02|工作持续存在,执行者按需出现
计算环境可以退出,但任务怎么办?
假设一个 Coding Agent 正在修改代码,用户突然追加要求,或者 Worker 运行到一半崩溃。系统如何继续这项工作?
DeepSeek 的 Router / Worker 架构,尝试将全局协调与具体执行分开。
Router 持续接收消息、协调任务;Worker 在独立 Session 中执行工作。
如果所有任务都挤在一个 Session,彼此容易干扰;如果每条消息都新建 Session,又会失去跨任务的连续上下文。
双层架构,就是在连续性与并行执行之间寻找平衡。
而在它开源的 dsh-superagent 原型中,还有一个更值得关注的设计:Ticket。
Ticket 被定义为「一个获得授权的工作单元」。它附带 Mandate,记录谁授权、允许做什么,再通过 Assignment 分配给具体的 Executor。
这意味着,一项工作不再等同于执行它的某个 Session。
Worker 退出后,Ticket 仍然可以存在。系统可以重新分配执行者,让它根据已有记录和外部产物继续处理。
当然,这不代表能够自动无损接力。新 Worker 仍然需要检查此前做过什么、哪些外部操作已经生效。
如果用户中途修改要求,Executor 也不能自行扩大原有 Mandate,而要判断是否需要交回协调流程重新授权。
LangChain 的 Async Subagents 在框架层提供了另一种能力:主 Agent 不必等待后台任务结束,还能查询状态、追加要求或取消执行。
Grok Bot 则让长期 Bot 协调拥有独立 Durable Workflow 的 Helper,从持久化工作流层面支持长任务恢复。
三家的执行保证并不相同,但都在减少任务对单次模型运行的依赖。
相比争论叫 Worker、Helper 还是 Sub-agent,更重要的是:执行者退出后,系统是否仍然知道这项工作该怎样继续?
03|自主唤醒不等于自主行动,更不等于通知用户
LangChain 在《What We’ve Learned Building Proactive Agents》里分享了一个挺有代表性的例子。
他们的工程 Agent Robin 会关注 Slack 中的讨论,但并不需要每次都参与。
团队专门引入了一个名为 Jev 的决策模型,判断 Robin 什么时候真的有话值得说。它既不需要每次都等人 @,也不会因为看到一条新消息,就突然插进同事们的对话。
📷
Agent 看见了事件,不意味着必须采取行动;即使能够行动,也不意味着应该打扰人。
同样的判断也出现在 LangChain 的销售 Agent 中。GTM Agent 会将邮件会话分成不同情况:哪些正在等待人处理、哪些需要准备回复草稿、哪些根本不需要回复。
系统可以在后台持续工作,但不是所有事情都要变成一条通知。
LangChain 还披露,在其 Managed Deep Agents 的相关运行中,超过 70% 来自定时调度,而非用户临时发起。
当大量工作发生在没有人直接发出指令的时候,判断什么值得做、什么值得告诉人,就成了新的设计问题。
04|从持续执行到持续负责
回头看三个共识,其实都在尝试解决同一个问题:
如何让工作不再依赖人持续盯着某个 Agent Session?
让状态独立于计算进程,让任务独立于具体执行者,再让系统能够根据事件主动协调工作。
这些机制组合起来,一项长期工作就可以形成持续循环:
触发 → 评估与授权 → 执行 → 结果核验 → 下一步决策。
但让工作不断线,并不意味着系统已经能够持续负责。
至少还有三个问题。
**能不能继续?**Worker 崩溃后怎么恢复?外部操作成功却没有记录时,如何避免重试造成重复副作用?
**应不应该继续?**一项持续几天的工作,最初的目标和授权是否仍然有效?
**继续得对不对?**工作虽然没有中断,但如果逐渐偏离目标,谁来发现并纠正?
DeepSeek 在设计中还提出了独立 Watchdog,不仅检查进程是否存活,也尝试判断 Worker 有没有取得实质进展、是否偏离目标。公开原型尚不能代表这些可靠性机制已完整落地。
不过,这个方向很值得关注。
只要系统还无法判断工作是否应该继续、结果是否可信,人就仍然需要不断检查和干预。最初那个注意力瓶颈,也就没有真正解除。
过去,我们更多围绕一次模型执行来组织 Agent 的工作;现在,开始围绕持续存在的工作,组织每一次模型执行。
而从持续执行走向持续负责,可能才是 Always-on Agent 下一道真正需要跨过的门槛。
相似文章
@criscxuan: 很扎实的一篇 Multi-Agent 工程拆解。拿 DeepSeek 的 Super-agent 理念对照腾讯云开源项目 Octop 的「团队模式」,讲透了几个非常关键的工程共识: 1. 真正的双层架构必须拿走调度者的执行工具,不然主 A…
一条对 Multi-Agent 工程拆解文章的点评,对照 DeepSeek 的 Super-agent 理念与腾讯云开源项目 Octop 的「团队模式」,总结了双层架构需剥夺调度者执行工具、异步非阻塞通信以及脑手分离等关键工程共识。
@huangruiteng: DeepSeek 最新开源 dsh-superagent 的架构设计,指明下一代 agent 系统的核心目标是 much value and little human attention。 这个目标只能说和 loopx 在 8、9 月 b…
文章讨论 DeepSeek 最新开源的 dsh-superagent 架构设计,指出其"much value and little human attention"目标与 loopx 项目一致,并对比了两者在状态/session 分离、上下文优化及 router 委派机制上的异同,同时推广 loopx 的相关 RFC。
@MinLiBuilds: 今晚的作业来了。 DeepSeek 官方发了一篇超长技术文。 讲的是 Super-agent,一个更自主的 Agent 系统。 核心观点: 单任务,瓶颈是模型。 多任务,瓶颈是人。 一个人同时最多盯 3 到 5 个 Session,再多脑…
DeepSeek 发布长篇技术文介绍 Super-agent 自主 Agent 系统,采用 Router + Worker 双层架构解决多任务并发瓶颈,实测 p95 完成时间从 29.5 分钟降至 15.7 分钟,原型已开源。
@katcat_AI: https://x.com/katcat_AI/status/2116724336128381145
本文技术拆解了 DeepSeek Harness 团队开源的 dsh-superagent-prototype,剖析一个可持续接单的编程智能体如何处理授权、任务分发、Worker 调度以及基于事务与持久队列的中断恢复机制。文章强调该原型仅供研究参考,而非 DeepSeek 正式产品。
@akshay_pachaar: 全天候智能体,讲解得一清二楚!(还有如何构建一个,100% 开源)聊天窗口里的智能体只在对话期间才能工作……
介绍了 Anthropic 关于构建常驻(always-on)智能体的指南,阐述了事件收件箱、定时器、记忆、权限和发件箱五大核心原语,并推荐了开源自托管平台 Alook 用于将编码智能体组织化部署。