大数跨境

DeepSeek开源dsh-superagent:从单次会话走向持续协作的Agent架构设计

DeepSeek开源dsh-superagent:从单次会话走向持续协作的Agent架构设计 联川AILab
2026-11-12
1
导读:近期,DeepSeek Harness 团队公开了 dsh-superagent-prototype,尝试探索

近期,DeepSeek Harness 团队公开了 dsh-superagent-prototype,尝试探索一种不同于传统对话式 Coding Agent 的工作方式。与需要用户主动打开会话、输入指令并等待结果的编程智能体不同,dsh-superagent 能够持续监听 GitHub Issue、Pull Request、CI 等协作事件,并支持可选的飞书消息接入。当收到符合授权规则的工作请求时,系统可以创建独立任务,分配相应的 Agent Session 执行,并在原始讨论中返回代码修改、测试结果或 Pull Request。

该项目以 TypeScript 开发,作为 DeepSeek Harness 的 Bundle 运行,采用 MIT 开源许可证,目前主要面向单个 GitHub 仓库的持续开发协作。官方 README 明确说明,公开版本属于研究性质的 Prototype,并非 DeepSeek 正式产品,也不完全等同于团队内部使用的系统或相关技术文章中提出的全部设计。

相比增加新的编程工具或提升模型的单次推理能力,dsh-superagent 更关注 Agent 如何长期参与团队工作。当一个智能体需要同时处理多个任务,并持续接收代码审查、CI 反馈和用户补充需求时,单次会话中的模型推理已经不足以支撑完整的协作过程。任务授权、上下文归属、并发执行、状态持久化和故障恢复开始成为同样重要的问题,而 dsh-superagent 正是围绕这些工程问题展开设计。

一

从单次Session到持续协作:Agent的工作方式正在发生变化

传统 Coding Agent 通常以 Session 为基本执行单位。用户提出编程需求,模型通过推理和工具调用逐步修改代码、运行测试,最终返回执行结果。这种模式适合相对独立的开发任务,但在真实团队环境中,软件开发往往同时涉及多个工作线程,而且很少在第一次提交代码后就彻底结束。例如,一个开发者可能同时处理几个 Bug、一个正在开发的功能以及多个等待 Review 的 Pull Request。每项工作都有自己的代码修改、测试过程和讨论记录。如果全部放入同一个 Session,不同任务的中间信息可能相互干扰,持续运行的工具调用也可能影响后续交互;如果分别创建多个 Session,用户又需要持续跟踪每个会话的进度,并在 GitHub 评论、CI 结果和 Agent 对话之间手动传递信息。

问题还不仅是多个任务如何并发执行。一个 Pull Request 提交后可能需要等待 CI、人工审查或其他成员的反馈,随后重新修改代码。对于这种跨越多个时间点的工作,Agent 需要知道新消息属于哪项已有任务、当前任务是否仍然有效、哪些操作已经完成,以及是否需要重新获得授权。如果只依靠模型记住此前的对话,这些信息很容易随着 Session 结束、上下文压缩或进程重启而丢失。dsh-superagent 的设计思路,是将用户感知的长期工作与底层执行 Session 分开。系统中的 Ticket 表示一项持续存在的授权任务,而 Session 只是执行这项任务时使用的计算资源。一个 Ticket 可以先后经历多次 Assignment,即使某次执行因为失败或重启而结束,任务本身的来源、授权关系和历史记录仍然可以保留。这种设计改变了 Agent 的组织方式:用户不再需要直接管理每一个底层 Session,而是通过 Issue、PR、飞书消息等自然的协作入口提出需求,并在真正需要决策、补充信息或审查结果时介入。

二

整体架构:事件接入、任务路由与独立执行

dsh-superagent 采用事件驱动的架构,将外部协作环境中的变化转化为可管理的工作任务。GitHub 和飞书等外部系统被抽象为 Source,一条评论、消息或 CI 结果对应一个 Trigger,同一讨论链中的事件则通过 Thread 关联起来。系统在接收事件后,根据来源、身份、授权规则及现有任务关系判断如何处理,必要时创建新的 Ticket,并交给独立 Executor 执行。

图1 | dsh-superagent的事件驱动任务流转

这套领域模型中,Trigger、Thread、Ticket 和 Mandate 是几个需要区分的概念。Trigger 是不可变的事件记录,保存事件来源、发送者及相关元数据;Thread 将同一讨论中的多个事件组织起来,提供完整上下文;Ticket 表示系统已经接受的一项工作;Mandate 则记录这项工作为什么获得授权,以及允许执行的范围。因此,外部系统收到一条消息,并不代表 Agent 已经获得执行任务的权限。同样,一条已有 Ticket 的后续评论,也不一定意味着应该创建新的任务。系统需要首先判断事件与当前工作之间的关系,再决定是否启动新任务、附加到已有任务,或者仅将其作为上下文保存。

实际执行则由 Assignment 和 Executor 承担。Assignment 是 Ticket 与某个 Executor 实例之间的绑定关系,一个 Ticket 在不同时间可以拥有多个 Assignment。每个 Ticket 对应独立的 Worker Session 和工作目录,Worker 在其中进行代码修改、测试及提交操作,不同任务因而可以分别维护执行上下文,并在配置的并发限制内推进。从整体实现看,Engine 是领域状态管理的核心。外部 Source Plugin、Session Tool 和管理接口通过相对明确的边界调用 Engine;Engine 负责维护 Trigger、Thread、Decision、Ticket 和 Assignment 等对象,并与 Policy、Assessor、Executor、Store 和 Outbox 等组件协作。

图 2 | 领域引擎与独立执行会话架构

在 Agent 层面,dsh-superagent 将主 Session 和工作 Session 分开。主 Session 使用专门的 Router Preset,重点处理事件评估、任务路由和授权相关操作;Worker Session 则使用执行 Preset,获得完成开发任务所需的工具。对于更复杂的局部工作,Worker 还可以使用 DeepSeek Harness 的 Subagent 能力继续拆解任务。这一安排与传统的多智能体任务分解有所区别。dsh-superagent 的主路由并不需要持续了解每项任务的全部代码实现细节,而是重点管理不同工作的归属和执行关系。多个 Worker 可以分别处理不同 Ticket,主 Session 只需要接收必要的状态与决策通知,从而减少任务之间的上下文干扰。

此外,Source 并不是 GitHub 和飞书两个固定适配器。项目提供了可扩展的 SourceKind 接口,并在官方 Cookbook 中演示了如何接入新的事件源。开发者需要实现事件转换、接收与授权规则、消息回复、上下文读取和事件轮询等能力。这意味着系统的领域模型并不直接绑定某一种协作平台,但当前开源版本已经实现的主要接入仍然是 GitHub 和可选飞书。

三

授权与事件订阅:让Agent主动工作,但不能随意扩大权限

持续在线的 Agent 面临一个与普通聊天助手不同的问题:它会接收到大量并非直接向自己发出的消息。GitHub 中的评论、机器人通知和 CI 结果都可能与某项工作有关,但并不意味着这些事件都应立即触发代码修改。dsh-superagent 因此将任务准入划分为确定性的规则检查和需要语义理解的评估过程。Source 的 Policy 负责控制事件接收范围、用户身份、白名单及机器人权限,系统再根据消息是否明确指向 Agent,将候选请求区分为 Explicit 和 Inferred 两类。明确授权的请求可以直接由 Main Session 进行路由;推断任务则需要通过完整的 Assessment,才能决定是否启动。 这两个处理路径不是简单的同一流程中的前后两个步骤。

图 3 | 授权机制与主动任务模式

对于推断任务,系统提供 off、observe 和 auto 三种接受模式。off 不接受推断候选;observe 是默认模式,系统仍然评估事件,并记录哪些任务原本可能被接受,但不会真正创建 Ticket;auto 则允许满足预设规则、经过正向评估的推断请求自动形成任务。明确授权的用户请求在这三种模式下仍然可以正常处理。这种设计使团队能够逐步开放 Agent 的主动能力。开发者可以先使用 observe 模式观察系统如何判断 CI、普通讨论和机器人消息,确认规则符合预期后,再考虑启用 auto,而不必一开始就允许 Agent 自主处理所有候选事件。

与新任务授权相对应的,是已有工作的 Thread Subscription 机制。假设某个 Ticket 已经开始处理 GitHub Issue,并提交了 Pull Request。之后其他开发者在 PR 中提出审查意见,或者 CI 返回新的测试结果,这些事件通常属于原任务的延续,不需要重新创建 Ticket。Subscription 会把订阅 Thread 中的新事件直接投递给所属 Ticket,由 Worker 决定是否继续执行。这一机制减少了重复进行任务识别的成本,也让 Agent 不必依赖用户每次重新 @ 它才能获得后续信息。但 Subscription 提供的只是上下文传递,不会自动扩大原始 Mandate 的授权范围。Worker 如果发现新的请求明显超出原任务,例如要求修改无关模块或执行新的独立工作,就需要将其交还路由系统重新判断。

系统对不同类型的后续事件也做了进一步区分。机器人消息和 CI 结果可以送达仍在运行的 Ticket,作为执行上下文,但不能单独恢复已经结束的任务。对于已结束且未被人工明确停止的 Ticket,符合条件的人工后续消息可以在重新验证 Mandate 后恢复工作;而 Worker 为了参考其他 Issue 或 PR 建立的 Context-only Subscription,只提供信息,不产生新的任务权限,也不能凭借其中的普通消息恢复已结束任务。这种区分使 dsh-superagent 在持续接收反馈的同时,仍然能够保留相对明确的任务边界。它并不是让模型自行决定所有消息是否有效,而是用程序化规则、持久化授权和模型语义判断共同控制工作范围。

四

长期任务如何运行:Ticket状态、并发调度与故障恢复

在长期任务系统中,Agent 一次工具调用结束,并不代表整个工作已经完成。一个 Ticket 可能正在修改代码,也可能等待人工回答、Pull Request Review 或新的 CI 结果。系统需要区分当前工作的生命周期、执行器运行情况,以及任务下一步所需要的外部条件。

dsh-superagent 将 Ticket 的主要生命周期区分为 Open 和 Ended,而 Assignment 则拥有独立的 Pending、Running 和 Ended 生命周期。在一个仍然打开的 Ticket 中,Panel 展示的 Queued、Working、Waiting for a Trigger、Awaiting Answer、Awaiting Review 和 Blocked/Failed 等阶段,是根据当前 Assignment、最新 Report、待处理输入及人工介入条件计算得到的,并非一条必须依次经过的线性状态链。

图 4 | 工单与执行分配生命周期

例如,Worker 修改代码并提交 Pull Request 后,可以报告当前结果已经准备好审查,但这不意味着整个 Ticket 必然结束。如果相关 PR 仍然处于打开状态,Ticket 可以继续等待审查或合并结果;当新的人工反馈到来时,系统再根据任务授权和当前状态决定是否继续执行。

为了支持多个 Ticket 并发运行,dsh-superagent 为 Worker 设置了可配置的并发 Slot。Ticket 从启动准备工作或唤醒空闲 Executor 时开始占用 Slot,系统按照配置限制普通任务的并发数量,同时额外保留一个 Slot 供人工消息或状态请求使用。这样即使普通任务已经占满执行容量,用户仍然有机会推动已有任务继续工作,而不必始终等待新任务队列释放资源。耗时命令也采用了专门处理方式。Worker 的前台 Shell 命令运行超过约 5 秒后可以转入后台 Job,使模型在下一步继续接收消息,而不必一直等待命令完成。当某一轮 Agent Turn 结束时,如果还有后台 Shell Job 或 Subagent 正在运行,Ticket 会继续保持 Working,并占用相应执行 Slot。

对于这类后台工作,系统在 Turn 结束后设置了最长约 30 分钟的持续运行限制。达到限制时,仍在运行的 Shell Job 会被终止并记录结果,部分 Subagent 则可以按规则继续运行。对于已经进入人工交接阶段的任务,后台 Shell Job 又可能采用不同的保留规则,因此这些限制并不是适用于所有后台进程的统一超时。在故障恢复方面,系统通过持久化的任务记录保留 Ticket、Assignment、Input 和 Report 等信息。执行器中断后,系统可以创建新的 Assignment,并向 Worker 提供恢复说明,使其检查原有工作目录、Git 状态和相关外部信息后继续处理。尚未真正进入 Session 历史的输入也可以保留,避免因一次进程中断直接丢失用户请求。不过,这种恢复并不意味着所有运行中的计算都能够无损继续。官方文档明确指出,插件或进程重启可能终止正在运行的后台 Shell Job,随后由新的执行轮次依据持久化信息决定如何继续。因此,dsh-superagent 提供的是面向任务状态的恢复机制,不能直接等同于具备完整进程快照或计算检查点的无损续跑。

持久化机制本身也不只是把聊天记录保存到 SQLite。Engine 在事务中修改领域状态,而 Outbox、Effects 等组件将消息投递、启动执行器等外部操作转化为可持久化的待执行工作,待事务提交后再执行相关副作用。当外部调用失败时,系统可以按照预设策略进行重试。这意味着,系统内部已经确认的任务状态与尚未成功完成的外部操作能够被分别管理。对于可能经历网络异常、GitHub API 失败或者进程重启的长期 Agent 而言,这种状态与外部副作用的分离,是可靠执行的重要基础。

五

人机协作与可配置执行:减少注意力占用,但保留关键控制

dsh-superagent 的一个重要设计目标,是让 Agent 在能够独立完成工作时尽量少打扰用户。传统 Coding Agent 的用户往往需要持续观察每一步工具调用,而长期在线的 Super-agent 如果把所有日志、测试输出和状态更新都发送给开发者,反而可能带来新的信息负担。因此,系统将日常执行细节保留在 Ticket 和历史记录中,优先在任务被接受、需要人工澄清、出现阻塞或形成可交付结果时联系用户。GitHub Issue、Pull Request 和飞书仍然是主要的协作入口,开发者可以直接在原有 Thread 中补充需求或提出审查意见,不必为了查看 Agent 状态而不断切换到底层 Session。

图 5 | 原讨论回写与后续反馈闭环

项目同时在 DeepSeek Harness Web 中提供 Superagent Panel,集中展示需要人工处理的 Ticket、系统健康状态和历史执行记录。Panel 按 Overview、Source、Trigger、Eval、Execution 和 Settings 等工作区域组织信息,能够追溯一项任务从原始 Trigger、授权 Decision 到 Ticket、Assignment 和最终交付的过程。在可配置性方面,团队可以修改通信方式、Ticket 处理范围、交付要求以及相关 Skills,也可以覆盖内置 Prompt 的不同部分,并保留 Prompt 配置的版本信息。团队的业务规则可以通过 Prompt 表达,但宿主代码中实现的准入检查、Mandate、工具权限和账号包装机制不会因为修改 Prompt 而自动改变。

这种区别在 Pull Request 交付环节表现得比较明显。dsh-superagent 提供了可配置的 Auto-merge 行为,但相关条件属于 Delivery Requirements Prompt,而不是一套由宿主代码单独实现的合并安全决策机制。默认交付要求规定,只有与当前 Ticket 对应、已经准备好、必要审批覆盖当前提交,并且代码增删总行数少于 200 行的 Pull Request,才可以按配置尝试 Auto-merge。同时还需要指定另一个具备相应权限的账号 CLI;如果没有配置,则由人工完成合并。Worker 在继续推送新的代码修订之前,也需要撤回已有的 Auto-merge 设置。因此,这类交付规则首先是对 Agent 行为的约束,而不是可以替代 GitHub 原生权限控制的安全边界。实际研发团队如果希望强制人工审查、限制分支写入或要求 CI 必须通过,仍然需要使用 GitHub Branch Protection、审批规则以及账号权限配置等机制落实。

六

工程边界与总结:从对话工具到持续运行的Agent系统

dsh-superagent 已经具备一定的长期任务组织能力,但公开版本仍然存在明确的工程限制。项目主要面向单个 GitHub 仓库,部署依赖专门的 DeepSeek Harness Profile、Agent GitHub 账号、GitHub CLI 及相关执行环境。飞书是可选接入,其他 Source 虽然可以根据官方 Cookbook 扩展,但并不意味着仓库已经内置了这些平台的完整适配。更重要的是,独立工作目录不等于真正的安全沙箱。根据官方 Deployment 和 Execution 文档,Router 和 Worker 使用的 Preset 具有较高的操作系统执行权限,可以按照运行账号所拥有的权限执行命令。GitHub CLI Wrapper、工作目录和部分命令限制主要用于建立默认操作环境,不能从系统层面阻止 Worker 访问其他可读文件或通过绝对路径执行程序。

图 6 | 原型安全边界与部署防护

因此,如果准备在真实研发环境中试用这一框架,至少需要为 Agent 配置独立的操作系统账号和 GitHub 身份,限制凭证权限、可写目录与外部资源访问,并对重要分支启用保护与人工审查。对于可能影响生产部署或重要数据的操作,还应结合外部审批机制控制风险,而不只是依赖模型遵守提示词。此外,公开仓库目前没有提供足以量化系统长期成功率、吞吐提升或生产可靠性的完整 Benchmark。事件路由、授权评估、独立 Worker 和恢复机制可以从代码及设计文档中找到对应实现,但不能因此认定这些能力已经在高并发、跨仓库或复杂组织环境中得到充分验证。官方也明确提醒,Prototype 中仍可能存在 Bug,且部分技术文章中讨论的方案尚未在开源版本中完整落地。

从架构角度看,dsh-superagent 的主要变化并不是让 Coding Agent 拥有了新的编程能力,而是重新设计了 Agent 如何参与持续协作。外部事件通过 Source 和 Thread 进入系统,Policy 与 Eval 控制任务准入,Ticket 和 Mandate 保存任务与授权关系,Assignment 和 Executor 负责独立执行,Subscription、Store、Outbox 和 Effects 则共同维持任务在多轮交互与系统异常中的连续性。这些设计将模型擅长的语义理解和任务执行,与程序更适合承担的权限检查、状态管理、事件路由和失败处理进行了分离。Session 仍然是 Agent 执行工作的基础,但不再是长期任务的唯一载体;用户仍然保留对重要决策的控制,也不再需要持续介入每一次底层工具调用。dsh-superagent 目前仍是一个需要进一步验证的研究原型,不过它提出的问题具有较强的现实意义。当 Agent 从按需调用的编程助手逐渐变成持续参与工作的系统,真正需要解决的就不只是模型能否完成某项任务,还包括这项任务由谁授权、能够执行到什么程度、如何与其他任务共存,以及系统在中断之后如何判断已经完成的工作并安全继续。

基于文章中所使用的先进技术,包括深度学习,联川生物为您提供最前沿的生物分析解决方案。联川生物的专业团队将这些先进技术与丰富的经验相结合,为您提供高效、精准的服务。无论您的需求是基础研究还是临床诊断,我们都能够为您提供量身定制的解决方案。选择联川生物,让您的研究获得最新科技的支持,开创更广阔的科学道路。

参考资料:

  1. DeepSeek. dsh-superagent-prototype GitHub Repository.

  2. DeepSeek Harness Team. Exploring Super-agent Design: Towards a More Autonomous Agent System.

  3. DeepSeek. Domain Model.

  4. DeepSeek. Authorization.

  5. DeepSeek. Execution.

  6. DeepSeek. Prompts、Panel、Deployment.

  7. DeepSeek. Architecture、Cookbook.

扫描下方二维码

【声明】内容源于网络
0
0
联川AILab
联川AI,与你同在,让科研更简单,让探索更深远。欢迎关注我们,一同开启智慧科研的新篇章。
内容 44
粉丝 0
联川AILab 联川AI,与你同在,让科研更简单,让探索更深远。欢迎关注我们,一同开启智慧科研的新篇章。
总阅读892
粉丝0
内容44