DeepSeek 的 Super-agent 设计，和我们的工程实践
看完 DeepSeek Harness 的 Super-agent 设计，作者把自家一年多的折腾翻了出来:任务分给多个 Worker 并行跑，数据库存会话状态，外部 Watchdog 盯异常，最后落到 Lobe 上真接管了网站维护和选题调研。
深度拆解 DeepSeek Super-Agent
当 AI 工具多到需要人来回传话，DeepSeek 开源的 Super-Agent 试图用程序规则替代模型自觉，把调度、筛选、状态管理写死在代码里。本文深入拆解其设计逻辑与局限，看它如何让 AI 团队协作从「人肉中转」走向「自动派活」。
DeepSeek 开源 Agent，专捡没人认领的 bug
11 月 1 日，DeepSeek 里负责 agent 工具的那支团队，在 GitHub 上放出一个叫 dsh-superagent 的原型，MIT 许可，谁都能下下来改。同一天，团队在自己的公众号上写清楚了这个东西是怎么设计的。
DeepSeek开源Agent架构，想让人少给AI打工
这次他想解决的，是让AI在没人@、下指令的情况，自己发现Bug，并主动在后台尝试复现、定位和修复，再提交代码修改请求，等待人审查。
DeepSeek 重磅开源的超级 Agent，到底是个啥？
前几天 DeepSeek 放了个大招，DeepSeek Harness 团队提出了一种新的 Agent 架构，叫做 Super-agent。
刚刚，DeepSeek 开源新 Agent 架构：可接 Github 和飞书，研究让 AI 自己接活
作者｜冬梅 当 AI 已经能够独立写代码、修复 Bug，甚至连续工作几个小时，人类为什么反而越来越忙了？这可能是今年 AI Agent 领域一个颇为矛盾的现象。过去，程序员需要亲手编写代码。
DeepSeek 用一套框架撬开了 Agent 时代的底层大门
大模型竞争的重心，正在发生一次不易察觉却足以改写产业格局的下沉。过去两年，行业习惯把目光锁死在参数规模、上下文长度与榜单分数上，仿佛谁在基准测试里多拿零点几个百分点，谁就握住了下一代人工智能的船舵。
刚刚，DeepSeek 重磅发布全新 Agent 架构：AI 开始指挥 AI 干活
DeepSeek Harness 的 Super-agent 架构，让 Router 负责调度、Worker 并行执行，AI 从会话工具变成长期在线的数字同事。DeepSeek 团队观察到，一个人通常只能同时跟进 3 到 5 个活跃 Session。
DeepSeek Harness产品分析：从「一切皆插件」到 Agent 运行时
DeepSeek Harness 以 154 万日活和 3.49 万插件证明:Agent 竞争已从模型能力转向运行时生态。