我用 10 天，把 Super-agent 架构做成了一个 724 小时在线的产品

10 月 31 日，DeepSeek Harness 团队发表了《Super-agent 设计探索：迈向更自主的 Agent 系统》，读完以后我就做了个决定，要将它实现落地。10 天过去了，今晚我让刚上线的 Fable5.2 测完最后一个用例后，就正式上线了。

这是一个真正的 7*24 小时持久在线的 Super-agent，存算分离，云端 Loop 与重状态的环境解耦，水平可扩展，基本实现了文中说的架构和功能。同时是一个 SaaS 产品。

1.为什么第一眼就决定要将它实现落地？

因为我自己就是文中的「人肉 Router」，harness 和模型能力的提升使得我们不必再困于具体繁琐的工作，而是转向了更多任务的分配和决策，目标的验收。
回顾我的工作日常，基本上是同时开五六个项目，平均每个项目开 3-5 个 session，终端也从传统的 terminal 换成了支持无限拓展和布局的新型终端，一般还会辅助 Cursor 再开两 2 个 session，用来偶尔瞄几眼代码。大概是下面这样子，隐藏掉了项目的细节：

新终端效率很高，我偶尔看看 session 细节，和模型要我做的决定，更多是要在一个窗口启动服务器，另外一个窗口派任务，再来一个跑测试，还有一个询问项目细节，再来一个上网调研资料...然后模型没额度了，换个桌面版 agent，使用一下 Browser use，还有各个渠道来的信息。
我同时驱动很多 session 并行工作，我有任务目标，有一致的上下文，我在电脑桌前坐很久，我也希望换个沙发，躺下来用语音发命令。
Super-agent 这套架构看了一遍，基本觉得落地没问题，不是因为“工程问题很简单”，而是因为在我们只有痛苦和抱怨的时候，它已经将答案递到了我们面前，我觉得这绝对算探索未至之境。
我相信作者也是在经历了上述种种痛苦以后，再加上一个很小的产品试验，也就是「公共群聊中产品问题，到开发，到 pull request 提交」的一条链路，以小见大，加之计算机和行业知识的积累，才有了这份架构设计。这个设计基本就是量身定做的，同时将本地 Coding Agent 组合，然后搬到线上是我一直的想法。

2.先从架构学习入手

文章认为 Super-Agent(简写 SA)具备下面四个特征：

连续：文中说的「连续」是围绕 Agent 在说的，它应该出现在它需要工作的所有地方。因为人是通过不同渠道和工具获取工作信息的，需要将 Agent 的上下文拉到同一个层次，而不是手动去维护这些。接入各个信息渠道，并共享上下文是关键。

高效：信息和任务是并发来的，所以工作也应该并行执行，一个独立的任务不应该等待。这需要独立的，互不干扰的工作环境。

主动：无需用户参与，持续观察环境并主动推进。这种是由于事件驱动的，触发 SA 的相应。其实还有一种 schedule 触发，按照时间规划来执行一些任务，时间间隔短一些，也可以有非常主动、聪明积极的感觉，并不是简单的定时任务。

持久：也就是一些自我修复的机制。这样持续在线的 SA，一直有人帮忙清理异常，才能持续高效工作。

围绕着这四大特征，设计了 5 个系统，这里重点讲一下「Router 层的双层架构」，并对它进行扩展设计，其他的就不赘述了。

Router 层是整个系统的中心

其实它就是 SA，对外承担了交互的职责，统一和人对接，同时接入各个渠道，如 IM，Github，Slack，WeChat，Gmail 等等，对内统一管理下面的 Agent Worker，将他们的上下文统一在一个平面上。
再回顾下我之前的工作状态，其实是用它来替代了我这个「人肉 Router」，作为我的助理向我汇报工作，是我们个人管理项目成为可能。

从 Router 这个角度看，有点像年初的 OpenClaw 小龙虾，但是差距还是非常大，后面有时间可以对比几个类似的产品。

面向「任务/Task」的设计

文中详细描述了 Router 层所要处理的跨任务信息和决策，重点讲解了事件驱动的消息路由过程和设计。
但让人要面对的对象还是 Session，可以理解为是一个上下文统一、独立完整的工作流程，因为 LLM 的加入会更加智能。但要想实现复杂项目管理的目标，还涉及到工作流程的调度，项目人员的管理和分配，资源的配备等等。
所以在产品落地的过程中，引入了「Task」的概念，让人真正在项目中只需要参与「任务」的管理，同时保留 session 等细节可供执行回溯。同时它也让 SA 在水平方向上的拆分成为可能，因为文中也指出 SA 在事件路由过程中并不会成为瓶颈，没有必要再水平方向上扩展。下面右边侧边栏是「任务」列表界面，点击后可进入「任务视图」：

异步 ReAct 架构

从整体上看，Router 和 Worker 这套架构就是一套异步的 ReAct 方案。Router 派发消息给 Worker，并不用等待，立马可以处理下一条，多条消息同时到达也可以同时处理，增加吞吐量。当 Worker 结束任务后上报处理结果，Router 返回给用户。ReAct 就体现在更加复杂的异步调度上，由于「Task」的引入，不同 session 可以并行，可以 if-else，也可以 wait-continue 等等。

作为异步任务的执行，我觉得大家对执行时间的包容度还是很大的。它做它的，我去干别的，等它做完收报告。
其实没有太明白 DeepSeek Harness 为什么引入异步 ReAct，从架构上就可以了。

产品落地过程

10 天的落地过程主要分 3 步骤，前期主要使用 Opus5.5 和 Fable5.1，但在后面设计 Router 的过程中它们降智非常严重，经常一个问题也说不到重点，那几天基本都吵架到深夜...好在过了两天 Fable5.2 发布，开始有了进展。

1.统一设备、agent 的接入，作为 worker 资源提供

开始做的第一步，我并没有去实现 Router 相关的部分，而是先将所有的本地 Coding Agent 搬到线上，统一管理。这个是很早就有的想法，是非常独立的一部分，本身就能非常大的提高产品体检和效率：

可以随时、随地接入，而不用守在电脑旁边

独立的 Agent 资源隔离，角色、任务、工具、技能等等可以定制化和可视化。制作出非常多独立轻量的 Bot。这个也非常重要，反观很多桌面类产品将很多东西大杂烩，产品设计就是堆功能，用户体验就是摸不着头脑。

组合各家 Coding Agent，使用最强 Harness 和 LLM

所以第一步就是物理上拉通所有的电脑等设备，逻辑上拉通所有的本地 agent，可以作为底层的 woker 作为调用。所以先发布了 Crewbot，一个开源的 daemon，在每台设备上安装一下（后期可能集成进桌面版，用户感觉会更好），具体介绍和仓库在：

https://github.com/nifengxiaofei/crewbot-connector

安装后的效果就是:

(base) test1 daemon % crewbot status
crewbot 0.2.7 (protocol v2)
Daemon
status running (pid 65637, up 1d 23h)
server https://super-agent.team — reconnecting for 7m
agents 0 process(es) running
account linked
Device
hostname MacBook-Air.local
os darwin (arm64)
Agents
Claude Code 2.1.321 ✓ ready
Codex 0.166.0 ✓ ready
Grok 1.0.77 ✓ ready

2.每个 bot 都是独立的，可在线派任务

为了最大兼容之前的工作模式，接入后每个 Bot 都是一个独立的执行个体。和它们对话、派任务就和在本地 CLI 使用没有区别，所有「数据」、「订阅」或者「API」使用的都是本地设备上的。

这些 CLI Agent，如 Claude code，Codex，Deepseek Harness 等都是大量的工程实践，配备专业的模型才是最佳实践。

我最喜欢的一个功能就是自定义每个 bot，给它配备不同的 skill，帮我执行任务，利用开放的专业技能，大大扩展我的个人能力。我也将 skills 市场集成了进来，搜索和安装一键合成，我可以轻松配备一个 Bot 军团为我干活，评估效果。

现在市面上 agent 落地方式最多基本都是 agent+skill，bot 已经帮你轻松组织好了。

而且至此，这些产品的功能都是「免费」给大家使用，只需要线上注册一个账号就行了。

3.接入 Router

上面的这些功能将你本地的 Agent 团队带到了云端，worker 工作环境还是留在本地。但你还是一个大管家，只是交互体验和隔离性更好了。要真正实现「项目管理」，还需要加入智能助手 Router。
任何的项目或者任务管理都需要：

1、创建任务和目标，查看分配任务，查看任务目标，验收任务

2、给任务和目标配备资源，这里就是干活的 bot，配备不同工具、技能和资源

现在可以从 web 端，手机 web 端接入发消息。Router 根据消息将任务派发给 Bot，bot 干完活回来报告给你。事件驱动和投机执行都能轻松实现。

4.后续的功能规划