DeepSeek Harness 團隊於 2026 年 10 月 31 日發表《Exploring Super-agent Design: Towards a More Autonomous Agent System》，並開源 MIT 授權研究項目 dsh-superagent-prototype。它想處理一個實際問題：當 AI 同時接手多項工作，人仍要花心神追蹤不同工作階段，協調本身就可能成為樽頸。初步測試的速度數字值得留意，但測試使用的是合成資料，並非真實軟件開發質素評估。125

Router 負責協調，Worker 落手做

設計將協調和執行分開：長時間運作的 Router 接收互動、掌握整體工作狀況，再把任務分派出去；各個 Worker 則在互相隔離的工作階段中並行處理個別任務，再向 Router 回報。團隊提出，單一任務能做到幾好，關乎模型能力；多項任務能否同時推進，亦受限於人的注意力。92250

現有來源支持「人手注意力會限制多工協調」這個大方向，但未能證實每人只可以管理三至五個 Agent 工作階段。這個數字應視為估算，而非已有材料證明的測量結果。

設計亦提出事件驅動、非同步多渠道互動，以及將狀態保存和即時運算分開等做法，目標是讓 Router 根據收到的事件判斷是否要開展工作，並在不同任務之間延續狀態。團隊亦描述一個獨立於主系統的 Watchdog 監察迴路，用來追蹤任務進度，協助系統處理一般程序存活檢查未必察覺到的問題。這些是設計方向，不代表公開原型已完整實作所有功能。2025

「靜默重現並修復」是甚麼？

DeepSeek Harness 團隊據報曾在內部群組設定「靜默重現並修復」流程：有人回報軟件問題時，Agent 可在背景嘗試重現問題並尋找直接的修復方法，即使沒有人特別標註或呼叫它。只有在確認問題、又找到簡單修復方案時，它才會交出結果；否則便保持安靜。20

另有報道指，內部 Super-agent 曾參與重現及修復問題、回應程式碼審查，以及開發 DeepSeek Harness 本身。這些是有關內部用途的報道，並不證明公開原型已具備相同能力，或以相同方式部署。1922

公開原型實際能做甚麼？

公開的 dsh-superagent-prototype 是一個 DeepSeek Harness 套件，主要面向單一 GitHub 專案，亦可選擇接入飛書（Feishu，一款工作通訊工具）。獲授權的人提出工作要求後，系統會建立工作項目，交由獨立的 Agent 工作階段和目錄處理，再在原本的對話中回覆，例如提交 Pull Request（合併請求）。83545

程式文件列明 Worker 工作槽可設定並行上限。換言之，原型設有控制同時處理工作的機制；但這不代表所有使用情境都有同一個固定工作階段數目，也不代表設計中提及的多渠道系統已完整納入公開版本。32

專案亦清楚交代定位：README 稱它是「只供參考的研究原型」，並非 DeepSeek 官方產品；同時提醒程式可能有錯，未達正式生產環境的使用準備。README 亦表示，公開版本經過改編，與內部系統及設計文章所描述的實作並不完全相同。1237

測試快了多少？又證明不了甚麼？

據報測試中，Super-agent 的任務完成時間第 95 百分位數為 15.7 分鐘，單一工作階段基準則為 29.5 分鐘，低約 47%。報道提到，測試使用合成訊息流和模擬工具，每次測試約有 300 則訊息。253

這反映的是特定測試條件下的完成時間比較，不能證明系統寫出的程式碼更好、能正確修復真實漏洞，亦不能證明它在正式環境中可靠或安全。另有報道提到令牌成本較高，但現有來源未能證實「快取讀取令牌增加約 37%」這個具體說法。23

初步關注度，不等於普及或可靠

現有材料未能獨立核實原型曾錄得 459 或 563 個 GitHub 星標的截圖數字，也未能證實社群在數小時內做出改版的說法。另有報道指 DeepSeek 的 deepseek-harness 專案星標數已超過 188,000；但這個數字不能用來證明 dsh-superagent-prototype 已被廣泛採用，亦不能代表使用者信任它的程式碼輸出。23

較穩妥的結論是：DeepSeek 分享了一個減少多個編碼 Agent 協調成本的研究方向，並提供一個範圍有限的原型和初步合成測試。這個發布有助了解 Router 與 Worker 如何分工，但原型自己的免責聲明，加上測試證據的限制，都提醒讀者不要把它當成已完成的自主寫碼產品。21237

DeepSeek Harness 團隊於 2026 年 10 月 31 日發表《Exploring Super-agent Design: Towards a More Autonomous Agent System》，並開源 MIT 授權研究項目 dsh-superagent-prototype。它想處理一個實際問題：當 AI 同時接手多項工作，人仍要花心神追蹤不同工作階段，協調本身就可能成為樽頸。初步測試的速度數字值得留意，但測試使用的是合成資料，並非真實軟件開發質素評估。125

Router 負責協調，Worker 落手做

設計將協調和執行分開：長時間運作的 Router 接收互動、掌握整體工作狀況，再把任務分派出去；各個 Worker 則在互相隔離的工作階段中並行處理個別任務，再向 Router 回報。團隊提出，單一任務能做到幾好，關乎模型能力；多項任務能否同時推進，亦受限於人的注意力。92250

現有來源支持「人手注意力會限制多工協調」這個大方向，但未能證實每人只可以管理三至五個 Agent 工作階段。這個數字應視為估算，而非已有材料證明的測量結果。

設計亦提出事件驅動、非同步多渠道互動，以及將狀態保存和即時運算分開等做法，目標是讓 Router 根據收到的事件判斷是否要開展工作，並在不同任務之間延續狀態。團隊亦描述一個獨立於主系統的 Watchdog 監察迴路，用來追蹤任務進度，協助系統處理一般程序存活檢查未必察覺到的問題。這些是設計方向，不代表公開原型已完整實作所有功能。2025

「靜默重現並修復」是甚麼？

DeepSeek Harness 團隊據報曾在內部群組設定「靜默重現並修復」流程：有人回報軟件問題時，Agent 可在背景嘗試重現問題並尋找直接的修復方法，即使沒有人特別標註或呼叫它。只有在確認問題、又找到簡單修復方案時，它才會交出結果；否則便保持安靜。20

另有報道指，內部 Super-agent 曾參與重現及修復問題、回應程式碼審查，以及開發 DeepSeek Harness 本身。這些是有關內部用途的報道，並不證明公開原型已具備相同能力，或以相同方式部署。1922

公開原型實際能做甚麼？

公開的 dsh-superagent-prototype 是一個 DeepSeek Harness 套件，主要面向單一 GitHub 專案，亦可選擇接入飛書（Feishu，一款工作通訊工具）。獲授權的人提出工作要求後，系統會建立工作項目，交由獨立的 Agent 工作階段和目錄處理，再在原本的對話中回覆，例如提交 Pull Request（合併請求）。83545

程式文件列明 Worker 工作槽可設定並行上限。換言之，原型設有控制同時處理工作的機制；但這不代表所有使用情境都有同一個固定工作階段數目，也不代表設計中提及的多渠道系統已完整納入公開版本。32

專案亦清楚交代定位：README 稱它是「只供參考的研究原型」，並非 DeepSeek 官方產品；同時提醒程式可能有錯，未達正式生產環境的使用準備。README 亦表示，公開版本經過改編，與內部系統及設計文章所描述的實作並不完全相同。1237

測試快了多少？又證明不了甚麼？

據報測試中，Super-agent 的任務完成時間第 95 百分位數為 15.7 分鐘，單一工作階段基準則為 29.5 分鐘，低約 47%。報道提到，測試使用合成訊息流和模擬工具，每次測試約有 300 則訊息。253

這反映的是特定測試條件下的完成時間比較，不能證明系統寫出的程式碼更好、能正確修復真實漏洞，亦不能證明它在正式環境中可靠或安全。另有報道提到令牌成本較高，但現有來源未能證實「快取讀取令牌增加約 37%」這個具體說法。23

初步關注度，不等於普及或可靠

現有材料未能獨立核實原型曾錄得 459 或 563 個 GitHub 星標的截圖數字，也未能證實社群在數小時內做出改版的說法。另有報道指 DeepSeek 的 deepseek-harness 專案星標數已超過 188,000；但這個數字不能用來證明 dsh-superagent-prototype 已被廣泛採用，亦不能代表使用者信任它的程式碼輸出。23

較穩妥的結論是：DeepSeek 分享了一個減少多個編碼 Agent 協調成本的研究方向，並提供一個範圍有限的原型和初步合成測試。這個發布有助了解 Router 與 Worker 如何分工，但原型自己的免責聲明，加上測試證據的限制，都提醒讀者不要把它當成已完成的自主寫碼產品。21237