DeepSeek 开放常驻型 agent 原型,把多个会话交给路由层管理
10 月 31 日,DeepSeek 在 GitHub 放出 dsh-superagent-prototype,采用 MIT 许可,仓库现有 73 个星标、7 次分叉。结构分两层:上层 Router 接收消息、分配任务并维护全局上下文,下层多个 Worker 会话并行执行;某个 Worker 接手一条 GitHub PR 后可直接订阅后续评论,意见经直通机制交给该 Worker,不再经 Router 逐层转发。
公开文档提出四个特征:连续(跨会话、跨工作平台保留任务上下文)、高效(耗时任务不阻塞新的交互)、主动(持续观察环境,必要时自行采取动作)、持久(长期在线,异常可自行恢复)。配套机制包括两级事件过滤(先由程序规则筛除无关消息,再由模型判断是否行动)、异步 ReAct 循环(已在 DeepSeek Harness 中实现,尚未默认开启)、计算与状态、执行环境分离(设备离线时云端维持任务状态),以及一个独立的 Watchdog,用于判断任务是否陷入无效循环或偏离目标并尝试介入。
实验环境为约 300 条消息、20 项工作请求的模拟协作场景,每种配置重复 5 次。任务完成时间中位数 12.4 分钟,95 分位 15.7 分钟;传统单会话方案在中性提示下 95 分位为 29.5 分钟。取消直通机制后,Router 决策次数增加约 30%,读取缓存 token 增加约 37%。
这套做法要处理的问题是人的注意力上限:模型单任务能力变强之后,同时能跟进的工作条数成了瓶颈,公开文档给出的观察是多数人只能同时跟进 3 到 5 个活跃会话。把会话管理从人转移到系统,换来的是排队时间,付出的是路由判断与上下文读取的 token。
可直接借用的是三项与模型无关的结构:会话与任务解耦、按对象订阅消息、用独立的监督进程判定无效循环。数字来自自建模拟环境,任务类型与规模有限,接入真实 IM 与代码托管平台后的稳定性仍需观察。
量子位 https://www.qbitai.com/2026/10/506904.html ;GitHub https://github.com/deepseek-ai/dsh-superagent-prototype