DeepSeek Harness 團隊於 2026 年 10 月 31 日發布文章《Exploring Super-agent Design: Towards a More Autonomous Agent System》，並釋出 MIT 授權的研究專案 dsh-superagent-prototype。這套設計想處理的問題是：AI 能同時接手更多工作時，人仍可能得花大量心力追蹤不同工作階段。早期測試的速度數據看來不錯，但測試使用的是合成訊息與模擬工具，不能直接證明它在真實軟體開發中的品質。125

Router 協調，Worker 執行

這套設計把協調與執行拆開：長時間運作的 Router 接收互動、掌握整體工作狀態並分派任務；彼此隔離的 Worker 則各自處理任務、平行工作，再向 Router 回報。團隊的核心看法是，單一任務的能力固然重要，但要同時管理多項工作，瓶頸往往在人的注意力。92250

不過，現有資料支持的是「多工會消耗人的注意力」這個一般性主張，並未證實每個人只能管理三到五個 Agent 工作階段。因此，這個數字應視為估計，而不是經資料測量確認的上限。

設計也提出事件驅動、非同步多通道互動，以及把狀態保存與即時運算分開等做法；理想上，系統可依事件判斷是否啟動工作，並在不同任務之間維持連續性。另有一個獨立於主系統的 Watchdog，用來追蹤任務進度，並協助處理一般程序健康檢查可能漏掉的問題。這些是架構設計方向，並不代表公開原型已完整實作所有功能。2025

「靜默復現並修復」怎麼運作？

DeepSeek Harness 團隊內部據報採用一種主動處理流程：有人在工作群組回報軟體問題時，Agent 會在背景嘗試重現問題並尋找簡單修正方案，即使沒有人特別標註它也一樣。只有在確認問題存在、且找到簡單修法後，才會把結果交給使用者；否則便保持安靜。20

另有報導指出，內部 Super-agent 已用於重現與修復問題、回應程式碼審查，以及協助開發 DeepSeek Harness 本身。這些是內部使用情況的報導，不能據此推定公開原型已具備相同能力或部署方式。1922

公開原型目前能做什麼？

公開的 dsh-superagent-prototype 是為 單一 GitHub 儲存庫設計的 DeepSeek Harness 套件，也可選擇整合飛書。獲授權的使用者提出工作需求後，系統會建立工作項目，交由獨立的 Agent 工作階段與目錄處理，再回到原本的對話串回覆，例如提供 Pull Request（合併請求）。83545

程式文件也說明了 Worker 工作槽的併發上限可設定。換句話說，原型具備限制同時處理工作數量的機制；這不代表存在適用所有部署情境的固定工作階段數，也不代表設計中提到的多通道系統已完整納入公開版本。32

專案 README 對其定位也說得很清楚：這是「僅供參考的研究原型」，不是 DeepSeek 正式產品；程式可能仍有錯誤，也尚未達到可直接用於正式環境的狀態。README 另指出，公開版本經過調整，與內部系統及設計文章描述的實作並不完全相同。1237

測試顯示更快，但不是程式品質證明

據報導，在測試條件下，設計最佳結果的第 95 百分位任務完成時間為 15.7 分鐘，單一工作階段基準則為 29.5 分鐘，時間約少了 47%。相關報導描述的測試使用合成訊息流與模擬工具，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差異，不能證明系統寫出的程式更好、能正確修復真實錯誤，或在正式環境中安全可靠。有報導提到 token 成本較高，但目前資料不足以核實「快取讀取 token 約增加 37%」這個特定數字。23

熱度不等於採用，也不等於可靠

目前資料無法獨立核實原型曾出現 459 或 563 顆星的紀錄，也無法確認社群在數小時內完成改作的說法。另有報導稱，DeepSeek 的 deepseek-harness 儲存庫星數已超過 18.8 萬；但那是另一個專案的數字，不能證明這個原型已獲廣泛採用，更不能代表使用者信任它產出的程式碼。23

目前較有根據的結論是：DeepSeek 分享了一種減少多個程式開發 Agent 協調負擔的研究方向，並公開了範圍有限的原型與早期合成測試結果。這份程式碼可供研究 Router–Worker 分工，但原型本身的免責說明，加上測試證據的限制，都提醒讀者不宜把它當成已成熟的自主寫程式產品。21237

DeepSeek Harness 團隊於 2026 年 10 月 31 日發布文章《Exploring Super-agent Design: Towards a More Autonomous Agent System》，並釋出 MIT 授權的研究專案 dsh-superagent-prototype。這套設計想處理的問題是：AI 能同時接手更多工作時，人仍可能得花大量心力追蹤不同工作階段。早期測試的速度數據看來不錯，但測試使用的是合成訊息與模擬工具，不能直接證明它在真實軟體開發中的品質。125

Router 協調，Worker 執行

這套設計把協調與執行拆開：長時間運作的 Router 接收互動、掌握整體工作狀態並分派任務；彼此隔離的 Worker 則各自處理任務、平行工作，再向 Router 回報。團隊的核心看法是，單一任務的能力固然重要，但要同時管理多項工作，瓶頸往往在人的注意力。92250

不過，現有資料支持的是「多工會消耗人的注意力」這個一般性主張，並未證實每個人只能管理三到五個 Agent 工作階段。因此，這個數字應視為估計，而不是經資料測量確認的上限。

設計也提出事件驅動、非同步多通道互動，以及把狀態保存與即時運算分開等做法；理想上，系統可依事件判斷是否啟動工作，並在不同任務之間維持連續性。另有一個獨立於主系統的 Watchdog，用來追蹤任務進度，並協助處理一般程序健康檢查可能漏掉的問題。這些是架構設計方向，並不代表公開原型已完整實作所有功能。2025

「靜默復現並修復」怎麼運作？

DeepSeek Harness 團隊內部據報採用一種主動處理流程：有人在工作群組回報軟體問題時，Agent 會在背景嘗試重現問題並尋找簡單修正方案，即使沒有人特別標註它也一樣。只有在確認問題存在、且找到簡單修法後，才會把結果交給使用者；否則便保持安靜。20

另有報導指出，內部 Super-agent 已用於重現與修復問題、回應程式碼審查，以及協助開發 DeepSeek Harness 本身。這些是內部使用情況的報導，不能據此推定公開原型已具備相同能力或部署方式。1922

公開原型目前能做什麼？

公開的 dsh-superagent-prototype 是為 單一 GitHub 儲存庫設計的 DeepSeek Harness 套件，也可選擇整合飛書。獲授權的使用者提出工作需求後，系統會建立工作項目，交由獨立的 Agent 工作階段與目錄處理，再回到原本的對話串回覆，例如提供 Pull Request（合併請求）。83545

程式文件也說明了 Worker 工作槽的併發上限可設定。換句話說，原型具備限制同時處理工作數量的機制；這不代表存在適用所有部署情境的固定工作階段數，也不代表設計中提到的多通道系統已完整納入公開版本。32

專案 README 對其定位也說得很清楚：這是「僅供參考的研究原型」，不是 DeepSeek 正式產品；程式可能仍有錯誤，也尚未達到可直接用於正式環境的狀態。README 另指出，公開版本經過調整，與內部系統及設計文章描述的實作並不完全相同。1237

測試顯示更快，但不是程式品質證明

據報導，在測試條件下，設計最佳結果的第 95 百分位任務完成時間為 15.7 分鐘，單一工作階段基準則為 29.5 分鐘，時間約少了 47%。相關報導描述的測試使用合成訊息流與模擬工具，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差異，不能證明系統寫出的程式更好、能正確修復真實錯誤，或在正式環境中安全可靠。有報導提到 token 成本較高，但目前資料不足以核實「快取讀取 token 約增加 37%」這個特定數字。23

熱度不等於採用，也不等於可靠

目前資料無法獨立核實原型曾出現 459 或 563 顆星的紀錄，也無法確認社群在數小時內完成改作的說法。另有報導稱，DeepSeek 的 deepseek-harness 儲存庫星數已超過 18.8 萬；但那是另一個專案的數字，不能證明這個原型已獲廣泛採用，更不能代表使用者信任它產出的程式碼。23

目前較有根據的結論是：DeepSeek 分享了一種減少多個程式開發 Agent 協調負擔的研究方向，並公開了範圍有限的原型與早期合成測試結果。這份程式碼可供研究 Router–Worker 分工，但原型本身的免責說明，加上測試證據的限制，都提醒讀者不宜把它當成已成熟的自主寫程式產品。21237