DeepSeek开源Super-agent原型：让AI接活，还能跨对话跟进

让几个人工智能（AI）助手同时写代码，听起来很高效。真正开工后，人却可能更忙：一边解释需求，一边切换聊天窗口，还要记住哪个任务已经改了方案、哪条评论需要继续跟进。

DeepSeek这次把问题对准了这份管理负担。它在存放项目代码的GitHub平台上，公开了名为dsh-superagent-prototype的Super-agent研究原型，尝试让一个持续在线的系统接收工作消息、安排执行者，并把后续反馈接回原来的任务。

这离“AI同事”又近了一步，但官方划出了清楚的边界：它是供研究参考的原型，并非DeepSeek正式产品，也不与内部版本完全相同；技术设想中的部分能力尚未实现。[1]

一件事，不必在几个窗口里重新讲

这个原型面向一个GitHub代码仓库，可以接收代码协作平台上的消息，也可选接飞书。有人提出工作请求后，系统为工作建立单独的任务记录，由执行者在独立会话和目录中处理，再回到提出请求的对话交付结果，例如提交一份等待审阅的代码修改。

这里的Agent，指能够调用工具、执行步骤的AI助手。它的价值取决于能否把事情往前推进，而不只是回答一句话。

Super-agent把“接收和协调工作”与“具体执行工作”分开。可以把前者理解为团队的调度员，后者理解为各自拿着任务资料的执行者。消息到来后，系统需要判断：这是新任务，还是某件事的补充？该交给谁？是否需要叫人来作决定？[1][2]

由此减少的，是人反复搬运上下文的工作。所谓上下文，就是完成任务所需的前因后果：目标、约束、已经作出的选择，以及刚刚发生的变化。

“主动接活”，先得知道谁有权派活

持续读取工作消息，并不意味着每条消息都能让AI开工。

官方授权文档将明确请求与规则允许的主动工作分开处理。团队可以设定哪些人能够派活、哪些消息范围可以接收，以及哪些情况允许系统主动介入。主动工作默认先进入观察模式，只记录“本来会怎么处理”，不直接执行；审阅这些判断后，团队才可以开启自动接收。[3]

已有任务订阅到的新消息可以补充背景，却不会因此自动扩大权限。一条评论里出现“顺便再改一下别的项目”，也不能被当成无限扩张工作范围的通行证。[3]

这些规则触及了企业采用AI助手的实际难题：让助手少问一些重复问题，同时保留可追溯的任务范围。系统越能主动行动，越需要把“谁授权了什么”留下记录。

少占用人的注意力，也要把失败交代清楚

原型的设计原则强调减少人的注意力消耗：没有需要处理的事时保持安静，需要决策或能够交付结果时再通知人；未完成的工作要明确标示，不能把失败包装成成功。[4]

工程上，官方文档还描述了持久化任务状态、恢复中断执行等机制。这有助于让工作在一次对话结束或进程重启后继续衔接，但恢复机制本身不等于任何任务都能无人看管地完成。[2]

智讯智库认为，这次探索值得看的地方，是它把AI协作的评价标准从“单次回答有多漂亮”，推向了“多件事情能否持续、合规地交付”。如果最终仍要人逐条搬运消息、追问进度、检查任务是否失联，模型再聪明，也很难减少管理成本。

开源原型展示了一种组织工作的办法。它能在真实团队中省下多少注意力、会不会误接任务、异常后能否可靠恢复，仍需要实际运行和审阅记录来回答。

参考资料

[1] DeepSeek. dsh-superagent-prototype：README[EB/OL]. 2026-11-01访问.

[2] DeepSeek. dsh-superagent-prototype：007 Architecture[EB/OL]. 2026-11-01访问.

[3] DeepSeek. dsh-superagent-prototype：002 Authorization[EB/OL]. 2026-11-01访问.

[4] DeepSeek. dsh-superagent-prototype：000 Philosophy[EB/OL]. 2026-11-01访问.