AI Agent 万圣节，DeepSeek团队提交了3.7万行代码过节！SuperAgent时代开启 各位刀友好，我是刀哥！万圣节快乐！ 万圣节，别人准备南瓜灯CosPlay，DeepSeek 团队往 GitHub 上放了一份特殊的节日礼物。 北京时间 10 月 31 日，晚上 8 点 05 分，一次提交，216 个文件，新增 37068 行。 项目叫：dsh-superagent-prototype。 好家伙，别人出门过节，他们给 AI 安排上了工作。 3.7 万行包括源代码、测试、文档和依赖文件，这是一个逐步积累、整理后公开的版本，不能理解成团队当天手写了 3.7 万行代码。 更有意思的是，DeepSeek 在项目说明里坦言：其中相当一部分工程工作，本来就是 Coding Agent 完成的。 AI 参与开发了一套用来管理 AI 的系统。 真正让我感兴趣的，是它可能解决一个大家越来越熟悉的烦恼： AI 工具越用越多，自己反而越来越忙。 开一个窗口写方案，再开一个查资料，另一个改代码，还有一个做图。 听起来，一个人带了四个助手。 实际情况呢？ 第一个忘了你的要求，第二个还在跑，第三个等你确认，第四个把人物画成了六根手指。 你在几个窗口之间切来切去，复制材料、解释背景、检查结果。 忙活半天，自己的正事还没开始。 原来以为请了几个助手，结果先给自己增加了一份调度员的工作。 这也是为什么，有些人用了很多 AI，依然觉得累：AI 接走了部分执行工作，但任务之间的协调，还牢牢压在人身上。 我上一篇写 WorkBuddy 和 LibTV 做视频，已经有过一点类似感受。任务交给工具后，我可以出门，让它继续生成，再通过手机调整要求。人真正需要花心思的地方，是想清楚内容、挑版本和改方向。 假如同时做十条视频、三份方案、两个项目呢？ 谁来记住每件事做到哪了？ Super-agent 要探索的，就是这件事。 它安排了两个角色：Router 和 Worker。 Router 可以理解成项目协调员，负责接收消息、判断事情该交给谁、跟进任务之间的关系。Worker 是具体干活的同事，每项工作有自己的上下文和工作目录。 比如同时来了三件事：客户反馈一个问题，测试发现一个故障，同事提出一个小改动。 系统把它们分给不同的 Worker。大家分别处理，结果再汇总回来。 你面对的是一个统一入口，背后可以有多个任务同时推进。 源码里还有一个挺体贴的小设计：正常任务有并发限制，但会给人的追问留出额外调度空间。 意思是，AI 忙着干活的时候，你说“先停一下，需求变了”，系统也要给你插得上话的机会。里能看到这个安排。 这类细节，比“同时启动一百个 Agent”的宣传更接近真实工作。 另一个变化，是 AI 开始根据事件行动。 过去，我们需要把问题重新整理一遍，再发给 AI。 按照 DeepSeek 文章描述的内部实践，群聊里出现 Bug 反馈，就可能触发后台调查：尝试复现、定位问题、寻找修复办法，最后拿着可审查的结果回来。 这很像一位有经验的同事。听见大家讨论问题，他先查一下，确认有帮助，再加入讨论。 当然，积极也得有边界。 谁都不想在群里随口说一句“这个页面有点丑”，第二天发现 AI 已经把整个产品重新装修了。 公开原型在这方面相当克制：主动模式默认是 observe，也就是先记录“我本来会接这个任务”，并不直接启动工作。确认规则合适后，才逐步切换到自动执行。默认策略源码写得很清楚。 先看它会不会判断，再决定让它动多少手。 这个方法，普通人用 AI 也值得学。 还有一个细节容易被忽略：任务需要有自己的档案。 客户上午在群里提问题，下午补一份资料，晚上又改了要求，这些应该属于同一件事。 系统要知道目标是什么、已经尝试过什么、哪些结果有效、下一步等谁。 这套原型用工单、订阅关系和数据库保存这些状态，并处理重试与中断恢复。 换句话说，工作能够持续推进，靠的是模型能力，加上一整套扎实的工程机制。 看到这里，有刀友可能已经想装了。 稍等，先认清版本。 目前公开的是研究原型，主要服务单个 GitHub 仓库的研发协作，还不是装上就能包办全公司工作的正式产品。 官方也明确表示，公开版本与内部系统、文章描述并不完全相同，一些设计仍属于探索方向。(官方项目说明:/deepseek-ai/dsh-superagent-prototype)。 文章谈到的云端运行、本地设备离线后恢复，也有实际条件。依赖你电脑上某个文件或程序的步骤，电脑离线时当然不能凭空完成。 它让我们看见一种方向，但距离随便部署、放心托管，还有工程工作要做。 不过，思路可以先用起来。 以下几个例子，是沿着这种架构推演的应用，并不代表这个仓库已经开箱支持。 做内容的刀友，可以让 AI 持续收集选题信号、核验资料，准备不同角度的