读懂 DeepSeek Super-agent:Agent 如何获取业务背景、协调任务并持续执行
我是安徽最忧郁程序员无隅
前言
让 Agent 修改一段代码,我们通常能够说清输入和预期结果。让它参与一个持续变化的业务,情况就复杂了:需求可能在群聊里调整,特殊情况来自客服反馈,接口限制又写在另一段讨论中。谁来发现这些信息,并把它们交给正在工作的 Agent?本文从这个问题出发,通过一个优惠券需求,解释 DeepSeek Super-agent 中信息接入、任务协调与持续执行之间的关系。
一、Agent 能够执行需求,业务背景由谁提供?
假设我们正在开发一个电商系统,准备增加一张新人优惠券:满 200 元减 20 元。
把需求交给编程 Agent,它可能会检查优惠券的数据结构、定位金额计算逻辑、补充资格校验,再编写测试。对于任务描述中已经明确的条件,Agent 可以逐步完成调查和实现。
问题出现在任务描述之外。
产品人员可能在群聊中补充:“新人资格要结合订单完成情况判断。”客服人员随后反馈:“有些用户的第一笔订单已经退款了,他们是否还算新人?”负责支付的开发者又提醒:“支付成功和订单完成属于两个不同的业务状态。”
这些话共同决定了实现方式。仅凭“增加新人优惠券”这段描述,Agent 很难知道系统最终应该采用哪一条规则。
这里所说的业务背景,包括需求为什么产生、相关约定怎样形成、哪些条件已经改变,以及它与其他工作的关系。它可能存在于文档、聊天记录、代码和评审意见中,也可能只存在于参与者尚未记录的经验里。
在常见的单会话工作方式中,Agent 主要承担执行者的角色:接收目标和背景,调用工具调查问题,再根据得到的信息行动。人负责从实际业务中收集信息,判断哪些内容与当前任务有关,然后整理成 Agent 可以使用的输入。
Agent 已经能够通过工具读取文件、搜索资料或访问业务系统。但信息能够读取,与相关信息能够在合适的时候进入当前任务,是两个需要分别解决的问题。即使上下文窗口能够容纳大量内容,也需要有人决定应该读取什么、怎样关联,以及后续变化应该交给哪个任务。
如果新人资格在开发过程中发生调整,执行者需要及时得到这条变化;如果支付模块正在修改订单状态,优惠券任务也可能需要了解相关约定。只在任务开始时提供一次背景,往往无法覆盖这种持续变化。
理解 Super-agent,可以从这里开始:让系统持续接触已经接入的信息来源,维护信息与任务之间的联系,并把变化传递给负责执行的 Agent。
二、Super-agent 怎样让外部信息进入任务过程?
DeepSeek 公开的 dsh-superagent-prototype 围绕一个 GitHub 仓库工作,并且可以选择接入飞书。它能够接收这些来源中的事件,把获得授权的工作交给执行者,再通过原来的讨论渠道反馈结果。官方将它定位为研究原型,公开代码与内部版本、架构文章的覆盖范围存在差异。官方 README
先认识三个必要的概念。Source 表示信息来源,例如配置好的 GitHub 仓库或飞书接入;Trigger 表示来源中出现的一次事件,例如新消息、评审意见或持续集成结果;Ticket 表示一项已经获得授权的工作,可以理解为系统中的任务记录。
外部信息进入系统以后,需要判断它怎样参与工作。观察下图的两条路径:一条向现有任务补充背景,另一条判断是否需要开展新工作。

已有任务怎样接收后续背景?
假设优惠券任务已经建立,并且订阅了最初提出需求的讨论。产品人员在同一段讨论中补充退款规则,这条消息就可以继续进入对应任务,供执行者判断和处理。
这里起作用的是 Subscription,也就是订阅关系:系统记住某项任务正在跟进哪些讨论,让这些讨论的后续事件能够继续送达。GitHub 上的一条 Issue、一项 Pull Request 的讨论,以及飞书中的一个话题,可以成为系统组织消息的单位。官方使用 Thread 表示这样一组有序事件。
订阅关系建立后,属于这段讨论的后续信息可以直接补充任务背景。执行者根据内容决定是否需要调整实现、补充调查,或者提出一个需要人工决定的问题。涉及正在执行的任务时,系统能够延续已经建立的联系。任务与订阅模型
业务中经常存在跨讨论的关联。例如,客服在另一个话题中讨论退款,里面的信息对优惠券任务有帮助。这需要建立相应联系。公开原型支持执行者跟进相关讨论以获取背景;主会话把一段讨论关联到已有任务时,也有明确的关联条件。系统需要维护这些关系,无法仅凭接入一个群聊就保证每条消息都能被正确理解和分配。
新信息怎样成为一项新工作?
另一种情况是,系统接收到一条新的问题反馈,目前没有任务负责处理。
这时需要进行判断:消息是否在系统接收的范围内?发送者是否有权提出工作?如果属于系统从信息中发现的潜在工作,是否符合团队允许主动处理的规则?符合条件以后,才会创建任务,并记录这项工作的授权依据和范围。
官方原型中,明确请求与推断出的工作候选有不同的处理规则。对于推断出的候选,默认的 observe 模式会记录判断结果;在 auto 模式下,通过评估且符合规则的候选才可能被接受。明确请求按照相应权限规则处理。授权与主动工作规则
因此,理解“主动”时需要关注一条完整关系:系统能够接收什么信息,怎样判断它与工作的关系,以及在什么授权范围内采取行动。 获取新背景和扩大工作范围,各自都有对应的条件。
三、Router 与 Worker 如何分别理解全局和处理细节?
当系统同时跟进优惠券、支付故障和订单状态调整时,既需要了解这些任务的关系,也需要有人深入调查每个任务的细节。Super-agent 使用 Router 和 Worker 来分担这两类工作。
Router 可以理解为协调者。 它接收需要判断的新请求,结合已有任务决定如何组织工作,并处理执行者的汇报。它需要知道“谁在处理什么”“这项工作已经进行到哪里”“哪些问题需要进一步协调”。
Worker 可以理解为具体任务的执行者。 它围绕自己的任务调查代码、调用工具、修改实现和验证结果。优惠券 Worker 需要理解新人资格怎样计算;支付 Worker 需要调查订单状态为什么没有更新。两个执行者分别维护各自的任务上下文。
下图从左向右展示任务分配、并行执行与结果汇报。中间的两个 Worker 分别维护自己的会话和工作目录。

协调层需要掌握的信息可以比较精炼。例如:“优惠券任务正在等待退款规则确认,支付故障已经找到原因,订单状态调整还在评审。”这些信息足以支持任务协调。具体执行者则需要保留调查过程、代码位置、测试结果和已经尝试过的方法。
这种分工让任务之间的关系和任务内部的细节分别得到维护。新消息到来时,系统可以先利用已有任务和订阅关系确定去向;负责优惠券的 Worker 得到相关背景后,再判断它会影响哪些实现。
已订阅讨论的消息可以直接进入对应任务。 Worker 负责理解本任务范围内的后续要求;遇到超出范围或属于其他任务的请求时,再将它交回协调流程。这种处理方式使具体执行者能够持续参与需求讨论。
在公开原型的术语中,协调工作由 Main Session 承担,每项任务通过执行器获得自己的 Executor Session 和工作目录。这些会话保存各自的执行背景;系统另外维护任务、订阅、输入和报告等记录。任务模型、执行机制
例如,同一个优惠券任务可以先调查代码,等待产品人员回答问题,得到回答后继续修改,再等待评审。任务记录的存在,使这些先后发生的活动能够围绕同一项工作持续组织。
四、用一次优惠券需求变更,讲清完整过程
为了说明这些机制怎样配合,我们使用一个假设案例。案例中的业务规则和处理过程用于讲解,并未在公开原型中实际运行。
设定如下:团队已经接入飞书与 GitHub;产品人员有权提出任务;优惠券需求及其后续讨论处于系统可读取的范围内。代码交付通过 Pull Request 评审,业务规则由产品人员确认。
下图按时间从上向下展示业务讨论、Worker 与 GitHub 评审之间的信息往返。浅蓝色区域展示退款背景的补充与业务规则的人工确认。

提出需求,建立可以持续跟进的任务
产品人员在飞书话题中提出:“新增满 200 元减 20 元的新人券,请调查现有资格规则,并确认首次下单和退款后的处理方式,完成实现后提交评审。”
请求经过相应判断和授权后,系统建立优惠券任务,分配 Worker,并保留原始讨论的联系。Worker 开始阅读优惠券、订单和退款相关代码,寻找现有业务规则。
这个阶段确定了工作目标、授权范围和反馈位置。后续消息有了可以继续关联的对象。
新背景出现,执行者发现需要确认的条件
客服在同一段已订阅讨论中补充:“我们遇到过第一笔订单全额退款的用户,这种情况是否还可以使用新人券?”
这条信息通过订阅关系进入任务。Worker 将它与已经读到的代码联系起来:当前系统按照已支付订单判断新人资格,现有实现还没有覆盖产品人员期望的退款条件。
到这里,Agent 已经完成了一项有价值的工作:发现新背景会影响当前需求。但“全额退款后是否恢复资格”仍然需要业务决定。Worker 应当把问题表达清楚,说明现有行为和需要确认的条件,再等待答复。
产品人员随后确认:“用户尚无已完成且未全额退款的订单,才具备新人资格。全额退款的订单不计入,部分退款的订单继续计入。”这条答复成为任务的新输入,执行者据此继续调查和修改。
如果新的要求超出了原始任务范围,例如要求同时重写整套会员等级规则,就需要重新判断工作范围和授权。公开原型会让执行者将超出本任务范围的后续请求交回协调流程。后续请求处理规则
修改与评审继续围绕同一任务进行
Worker 根据确认后的条件修改实现,检查首次完成订单、全额退款和部分退款等相关情况,并提交 Pull Request。任务随后进入等待评审的状态。
评审者又提出:“请补充订单退款后重新下单的情况,确认资格计算没有遗漏。”当对应 Pull Request 已经由任务跟进时,这条评审意见可以继续进入原任务。Worker 保留此前的业务背景和调查记录,补充修改与验证,再更新提交。
最终完成评审和合并后,系统可以记录交付结果,并向原始讨论反馈。公开原型的任务结束规则会结合关联 Pull Request 的状态进行处理,提交评审之后仍然存在需要持续跟进的工作。交付与任务结束规则
执行中断以后,系统需要保存哪些联系?
假设系统在评审期间重新启动。要继续跟进这项工作,它需要保留任务记录、执行会话、工作目录、订阅关系,以及尚待处理的消息。
公开原型对这些状态提供了持久化与恢复机制。对于被重启打断的执行,新的执行安排会带着恢复说明继续工作,并要求执行者检查目录、Git 历史和 GitHub 状态,再决定后续动作。重启与恢复机制
这一步有实际原因:进程终止之前,外部操作可能已经成功,而本地还没有完整记录结果。例如,Pull Request 已经创建成功,回复却尚未送达。恢复时先核实实际状态,才能减少重复执行。
至于尚未完成的外部命令,是否需要重新运行,要根据恢复后检查到的结果决定。持久化记录帮助系统找到工作位置,具体执行仍然需要确认当前环境。
五、公开原型能够接触哪些信息,能力边界在哪里?
信息来源决定它能够了解多少背景
公开原型的工作对象是一个 GitHub 仓库,可以选择接入飞书。GitHub 事件、讨论和飞书消息怎样进入系统,取决于实际配置的来源、读取范围和接收方式。官方范围说明
例如,群聊只接收提及机器人的消息时,其他普通讨论就无法全部成为系统输入。另一个部门没有接入的沟通渠道,也不会因为建立了 Router 就自动变得可见。
对于尚未记录的口头约定、参与者没有表达出的顾虑,系统需要人来补充。业务背景进入 Agent 的前提,是这些信息已经被表达,并且处于系统能够访问的范围之内。
接收背景与获得行动权限需要分别处理
官方文档明确区分了上下文传递和工作授权。订阅讨论中的消息可以作为背景进入任务,但任务的授权范围仍然受到原有约束。消息、评论和引用的文档本身也无法修改系统执行的权限规则。授权机制
这意味着,执行者可以阅读某条与优惠券有关的讨论,但其中要求修改会员体系的内容,仍然需要按照工作范围重新处理。明确的信息关系和授权依据,是持续执行能够受到约束的条件。
业务决定也有同样的要求。系统可以发现两段讨论采用了不同的新人定义,可以整理它们的影响,并提出待确认的问题。最终采用哪项业务规则,需要由具有相应职责的人确认。
任务独立组织,还需要相应的运行与维护条件
独立会话与工作目录有助于分别管理任务的上下文和文件。公开原型同时说明,这些目录和命令包装方式提供的是工作默认设置;执行者按照运行它的操作系统用户身份执行命令。需要限制文件、凭据或其他系统资源的访问时,还需要相应的运行环境控制。执行环境说明
官方 README 也提醒,公开代码属于供参考的研究原型,可能存在缺陷,部分架构设计仍属于后续探索方向。评估这类系统时,可以分别检查它已经接入的信息来源、任务关系维护方式、授权规则、状态恢复能力和人工处理入口,再判断它能否支持自己的业务场景。研究原型说明
参考资料
更多推荐

所有评论(0)