DeepSeek公开Agent底层架构，提出Super-agent思路

DeepSeek 公开了 Personal Agent 的底层架构思路，方向指向更自主的 Agent 系统：Super-agent。此前外界期待的「dsh dot」并未现身，率先到来的是一篇面向工程实践的架构探讨。

按照这一思路，AI 无需被 @ 或接收指令，即可自行发现 Bug、定位问题并主动提交修复 PR；它还能持续关注工作群消息、跨平台协作、并行处理多个复杂任务，并保持 24 小时在线运行。DeepSeek 团队公布的初步实测显示，在模拟多任务环境中，Super-agent 的任务完成时间中位数为 12.4 分钟，95 分位数为 15.7 分钟，优于测试中的传统单会话方案。

• 传统 Coding Agent 的痛点：开发常在 IM 群聊讨论方案、到 GitHub 提交代码、再按 PR 评论修改实现，操作分散在不同会话，用户需自行记住进度并向 AI 交代上下文
• 注意力瓶颈：DeepSeek 团队观察发现，一个人通常只能同时跟进 3 到 5 个活跃 Session，模型单项任务能力增强后，多任务协作效率反而受限于人的注意力

Super-agent 正是针对这一问题。在团队内部运行的实例中，同一开发任务可从 IM 群聊延续到 GitHub PR 评审：用户先在群里决定采用方案 A，随后在 GitHub 评论中要求改为方案 B，Super-agent 能识别两条消息属于同一项工作并调整后续执行方向。用户面对的始终是同一个 Agent，底层多个会话由系统自行管理。

技术层面，该架构还引入了投机执行（Speculative Execution）：当 AI 判断某件事可能需要处理时，可提前在后台尝试。