日前，DeepSeek旗下Harness团队发布长文，公开下一代智能体架构构想，提出Super-agent（超级智能体）概念。而硅谷也在类似的路线上发力。
按照DeepSeek设想，未来的AI将不再局限于传统聊天窗口，而是能够跨会话保留记忆、同时处理多项任务，并在不同应用和设备之间自主调度，逐步从一个需要人类不断发出指令的聊天工具，转变为一个可以长期在线、自主工作的智能助手。
DeepSeek指出，现有Agent架构难以有效支持多任务并行和团队协作，问题之一在于Agent与单一人工会话绑定过深。用户每增加一项任务，就可能需要新建对话、补充背景，甚至亲自协调不同AI之间的工作。AI看似承担了大量工作，实际上用户仍然是那个忙于切换窗口、管理上下文和监督进度的“调度员”。
而未来的Super-agent，DeepSeek认为，应当成为一个持续运行的整体，能够跨会话保留上下文，同时调度多个执行单元并行处理复杂任务，各项工作之间互不干扰。
为此，DeepSeek设计了由Router（路由器）和Worker（工作节点）组成的双层架构。Router作为长期在线的“主脑”，负责接收用户指令、理解需求和分配任务；具体工作则交给拥有独立上下文和运行环境的Worker执行，完成后再将结果反馈给Router。
此外，DeepSeek还提出将AI的计算能力与执行环境分离，让云端Agent能够调用用户本地设备的文件和运行环境；通过事件驱动机制，让AI在后台持续执行任务，同时保持前台响应能力。用户不必等待一项任务结束，就可以继续交代新工作。
Super-agent架构一经提出，迅速引发关注。不少开发者认为，这正是下一代AI应用应该具备的形态：用户只需提出目标，AI便能自主拆解任务、调度资源并持续推进，而不是每一步都等着人类发出指令。
这并非一个全新的技术路线。今年早些时候，美国硅谷的AI公司AFK推出了名为Comma的开源个人智能体。
他们将Comma定义为一款无需对话即可运行的个人智能体，用户的工作、记忆和背景信息可以在电脑、手机、云端环境、应用程序及连接设备之间持续延续，而Comma会将用户目标拆解为具体任务，通过持续运行的Agent循环推进工作，直到任务完成。
Comma
在架构上，Comma采用Lead Agent（主智能体）+ Subagents（子智能体）的设计，与DeepSeek提出的Router+Worker模式颇为相似。
用户始终只需要与一个长期在线的主智能体交流。它负责理解需求、拆解任务，再将具体工作分配给不同子智能体。每个子智能体拥有独立的运行环境、上下文和工具，可以同时执行不同任务，彼此之间不会相互干扰。
用户不必为每项工作单独创建聊天窗口，也不需要反复向AI解释背景。主智能体负责记住用户及团队的长期需求，子智能体则像一支随时待命的工作队伍。
在执行能力方面，DeepSeek提出，未来Agent的计算能力与执行环境应当分离：云端负责思考和调度，本地设备则提供实际执行能力。
AFK Comma也推出了类似的功能。其通过名为Salix的组件连接Mac电脑，允许AI读取本地文件；在用户开启相应操作权限后，还能修改文件、运行命令，甚至将任务交给Codex、Claude Code、Pi或Kimi等编程智能体执行。
在具体使用中，Comma将用户需求转化为Tasks（任务）。简单问题仍然可以通过聊天直接回答，复杂工作则进入独立任务流程。系统会检查自身工作成果，并判断任务是否完成。任务分为进行中、待审核和已完成三个状态，只有涉及需要人类作出决定的环节，才会进入审核阶段。
Comma还引入了名为Loops的功能。简单来说，Loop是一段由智能体编写的小程序，可以持续监控邮箱、代码仓库或信息源，只有发现需要处理的事项时才唤醒AI。按照AFK的介绍，在没有触发任务的时段，这类监控不会消耗大模型Token。此外，Comma还支持定时生成工作简报，主动向用户汇报进展。
虽然DeepSeek提出的Super-agent架构还只是一种构想，Comma也仍处于早期阶段，二者并不能在所有环节上都简单画等号，但从中已能看到未来AI行业的发展方向。
过去，AI行业的核心竞争集中在基础模型上，企业比拼参数规模、推理能力、训练成本和性能表现。而随着模型能力不断增强，竞争焦点正逐渐延伸至任务拆解、长期记忆、跨平台协作和实际执行能力。
如果说过去人类是在学习如何使用AI，那么Super-agent时代，行业追求的将是让AI主动适应人类的工作方式，逐渐把人从频繁操作软件、切换窗口和管理任务的琐事中解放出来。
让人少给AI打工，或许才是下一代AI应用真正要实现的目标。
名鼎配资提示：文章来自网络，不代表本站观点。
