抢跑DeepSeek!硅谷华人把下一代Agent Harness造出来了!?

AI小蝌蚪行业资讯📡 量子位2026-11-08934 阅读💛 222 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

抢跑DeepSeek!硅谷华人把下一代Agent Harness造出来了!?

苦单Session久矣,两大Agent玩家不谋而合。

梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

大道不孤。

DeepSeek刚刚提出的Super-agent及其理念,一经发布,引发热议。

也就在这种热议中,一家硅谷华人团队之前的成果,开始被真正看懂了。

而这场跨越大洋的技术共鸣,背后其实指向了同一个人机协同的底层困境——

当前,人类正在成为AI的瓶颈。

设想一下,AI可以同时推进1000、10000、100000个任务,多到人都看不过来时,Agent到底该变成什么样子?

AI生成

就在前几天,DeepSeek Harness团队甩出一篇重磅文章,针对这一痛点给出了下一代Super-agent的架构设想:

一个拥有连续上下文、能够自主调度多个Agent并行工作,甚至7×24小时在线的超级智能体。

把人类有限的注意力解放出来,让Agent接管海量任务,自己管理自己。

现实就是如此魔幻,很多人不知道的是,就在大洋彼岸的另一边,一家名叫AFK AI的硅谷华人团队——

早在年初,就把Super-agent底层的「单Router+多Worker」架构和四大核心特质,跑到了自家产品Comma里。

甚至他们还更进一步,直接向单Session接管一切后的上下文诅咒开刀,让Agent长期记忆、持续学习,始终在线:

更值得一提的是,这套系统已经公开可用,连代码都开源了。(源…源神?)

在这个人人都在高喊Personal Agent的时代,一支硅谷华人团队,提前把科幻电影里的「贾维斯」带进了现实。

苦单Session久矣,两大Agent玩家不谋而合

下面这些抓马且让人头大的学习工作场景,我猜大家应该都不陌生——

你正在让AI修改一份代码,测试还需要十几分钟才能结束,sad。。。

这时客户突然提出新需求,催你赶紧出一份项目方案,你打开另一个AI会话窗,又开始吩咐任务。

好巧不巧,老板一个突袭,又在工作群里问起昨天的项目进度,捉急!!

于是你继续狂切窗口、翻找历史对话,回头一看,满屏Agent会话、无数个待跟进任务,真·头大了。

如此「难绷」的一幕,其指向的正是DeepSeek Harness团队在Super-agent文章中提到的核心痛点——

根据团队的观察,咱普通人的注意力,通常只能同时跟进3至5个活跃Session。

不是Agent本事不够大,关键原因在于Agent的并发能力可以无限扩张,但人类的注意力却是有硬「上限」的。

而Super-agent的破局思路也相当直给:那索性就直接把人类注意力外包出去,让Agent管理Agent。

对此,他们还为Super-agent提出了四大标准——连续、高效、主动、持久。

连续代表着记忆与上下文贯通,高效来自多Worker并行协作,主动代表自主推进任务,持久则支撑长期在线及自主修复。

用户通过一个对话入口,让主Agent调度多个Agent并行处理海量信息、跨场景盯活,人只负责顶层决策就ok:

前几天,DeepSeek Harness抛出的这一判断,直接整得大家震惊眩晕瘫坐了,但更让人兴奋的是——

DeepSeek描绘的下一代Agent蓝图,硅谷华人团队AFK AI早在半年前,就已经沿着相似的方向做出了Comma。

甚至这个团队还提出一个颇具前瞻性的理念:一个团队,一个对话。

用户只需面对一个长期存在的主对话,由Router统筹任务、调度拥有独立上下文的Worker并行执行。

在底层架构上,两个Agent玩家也形成了颇为默契的共识:单Session+Router(主脑)+多Worker(执行者)。

由常驻Router统一接收指令、统筹全局,多个Worker在独立上下文中并行干活、汇报结果。

哪怕后台有几十个Agent同时开工,用户也只管在一个对话框里交代事情、验收成果,再也不用满屏切窗口、挨个催进度。

当然,新的问题也来了,那就是当Agent开始接管人类的注意力,一个更棘手的问题也随之浮出水面——

谁来管理Agent自己的记忆?(好问题.jpg)

要知道,一个Session要操心的事情越来越多,上下文窗口终究是有上限的。

当一个长期存在的Session开始接管越来越多的工作,人类的注意力问题解决了,但Agent自身的记忆瓶颈又出现了。

真正难啃的,是让Agent拥有一套能够持续学习、长期在线、随时找回关键记忆的系统。

而这,恰恰触及了Super-agent更深层的技术命题:

一个像贾维斯一样无处不在、永远在线,甚至能在长期工作中不断积累经验的个人Agent。

而这份关于未来Agent的想象,事实上已经沉淀进Comma里,变成了每个用户都能亲身感受到的实际体验。

从架构共识到产品落地,Super-agent跑进真实产品里

连续与高效:一个对话,让Agent自己带队干活

咱先来拿「连续」和「高效」这事儿聊聊。

前面提到,Super-agent的一大架构特点,就是让常驻Router统筹全局,多个上下文隔离的Worker并行执行任务。

敲重点!这里强调的不仅是单个会话里的多任务执行,还包括跨环境执行,理解并响应用户意图的变化等等。

而这套听起来颇为理想化的交互方式,如今在Comma里,已经变成了实打实的产品体验。

对咱普通用户来说,我自己感觉最爽的一点就是:终于不用天天给Agent「拉群」、安排人设、挨个交代任务了。

啥一个任务一个会话框、啥任务排队执行、啥反复粘贴背景资料,统统可以pass!!!

这不嘛,最近我一直在沉迷玩《分手厨房》游戏,但总觉得还不过瘾,于是灵机一动:直接吩咐Comma搓一个。

但问题是,我手头还压着周报复盘,以及近期AI模型发布信息的整理任务,其余待处理的事项也有点多。

搁以前,这时候又得一口气打开三个Agent会话,分别交代背景、安排任务,再挨个盯进度。

这回我索性偷个懒,就守着Comma的同一个对话框,把三个任务一股脑全塞了进去。

结果,真给我看愣了——三个任务,被分配给不同Worker。

仨Agent同时开工、互不打架,我甚至还能随时插话、临时加活,后台照样火力全开,真·一点不耽误啊???

当然了,光看后台热热闹闹还不够,最终还得拿成果说话!!

大家直接来看Comma耗时十分钟给我做的《分手厨房》(手搓版)。

WASD移动、3分钟倒计时、抢锅、送错菜、堵住通道……要求的玩法都给安排上了,完全1:1还原了我的要求。

与此同时,另一边的周报复盘也新鲜出炉,工作内容梳理得有条有理,重点进展和后续安排也都整理妥当,不错:

整个过程,我只管提需求、看进展、验收成果。

后台的任务分派、并行执行与状态汇总,都由Comma接手,我一点手不插。

这也是我第一次切实感受到,人,终于从多任务调度和注意力分配中抽身。

管理Agent这件事,也终于从「盯过程」变成了「管结果」。

跨环境:跨App接活、派活、交活,一条龙

不过,能在一个对话框里同时干活,还只是上半场。

真正考验Super-agent的,还有当用户的任务离开这个对话框,它还能不能接着往下干。

这也正是Super-agent对「连续性」提出的更高要求:跨环境。

在DeepSeek提出的架构中,这依赖于底层的多信道交互机制——

由Router统一承接不同平台的消息,Worker在后台独立执行,再根据不同渠道的交互习惯返回结果。

他们官方给的一个例子,是同一开发任务跨IM与GitHub无缝推进,AI能主动监听群聊还能自动提交PR,be like:

值得一提的是,在Comma里,这种高效和持续的「跨环境」能力,也早就做成了用户可感知的体验——

其背后依托的是团队自研的分布式Agent运行框架Salix。

通过第三方应用连接器,其能够接收来自不同平台的事件,再由可编程Loop持续监听,在需要时唤醒Agent处理。

而且Comma打通的范围还相当广,像微信、Signal、iMessage、Linear这些通信渠道我们都能接入~

不仅如此,Comma还支持安全自部署、BYOK及接入Codex、Claude Code,统一监督任务、跨端协同管理。

甚至在公司场景下,其还可以通过IM里的Comma Bot下达任务,让连接的员工电脑提供所需的本地工作环境,并通过权限及信息流控制约束访问范围。

由于最近手头的稿子确实有点多,于是我也把Comma接入了Linear,直接在Comma里给Linear下达了项目需求:

转头打开Linear一看,Issue已经建好了,该拆成哪些具体任务、怎么安排后续工作,这是真给我安排得明明白白啊:

但我其实更想说的一点是,Linear里的Issue还能反过来交给Comma执行,进展和结果同步回原来的任务里!!

Comma里交代的活,Linear接得住,Linear里的任务,Comma也能继续干,两边信息颗粒度还一直对齐。

任务能在不同平台间接力,如今,咱终于不用跟着各大平台和Agent到处跑了,建议大厂好好学学:

一个主动的Agent,一个持续学习,永远在线的记忆系统

在DeepSeek的设想中,Super-agent还有两项极具想象力的特质:「主动」与「持久」。

说白了,就是让Agent从被动接活,进化到主动发现问题、自己找活干,还能7×24小时在线。

巧的是,Comma也有异曲同工之妙,甚至能让Agent自己编写值班程序,全天候替人盯梢——

即便大模型没有运行、用户退出客户端,系统依然能够24小时不间断值守,并在关键时刻唤醒Agent。

说到这儿,我最近也顺手拿Comma当了一回「AI选题编辑」。

直接通过接入微信给它安排了个长期任务,每天中午12点和晚上9点,主动搜罗最新AI新闻,整理成选题推送给我。

结果到了点,消息就自己送上门了,选题、摘要、一手信息源全都有,再也不用担心没有选题给主编报了——

当然,真正的Jarvis,还在于它无处不在。

多端记忆绝对一致,不被任何一个App绑定,却能掌控所有的信息流。

哪怕我在Comma客户端里问Linear的任务进展,Comma也能准确应答,跨端记忆的本事没得说:

在记忆管理的底层设计上,Comma也确实有点真东西在的——

其将长期状态保存在模型上下文之外,再通过Router与独立Worker的分工,避免海量任务细节不断挤占主对话。

更进一步,Comma还把「持续学习」做进了产品深层,甚至让Agent能够从每一次工作中积累经验。

Comma会记录Agent的任务结果、人工修改和验收反馈,将其转化为训练信号,持续迭代专属小模型。

更有意思的是,新模型必须在团队自己的测试中击败旧版本,才能正式上岗。

比如,原本把退款请求误判为Bug的v3模型,在学习人工纠正后,升级到v4便能正确识别为账单问题。

AI生成

而这套机制,事实上还会按月更新评测数据,让小模型逐步接手成熟工作流,复杂任务则继续交给大模型。

相当于Agent每干完一轮活,都有机会把经验变成下一次的本事,真正实现越干越聪明。

从Bridge到Comma,持续探索长期自主的Agent

最后我想说的是,Comma这套架构的诞生,其实比很多人想象中还要早。

把时间拨回2026年4月。

彼时,Super-agent还没成为行业热议的话题,硅谷华人团队AFK AI就已经明确了自己的技术方向——

让一个长期存在的主Agent,统一接管用户的任务,再调度多个独立Worker执行。

4月28日,团队正式公开了Comma的前身:Bridge。

当时的产品介绍中,就已经出现了Lead Agent(主Agent)与Subagents(子Agent)的架构设计。

随后,这套理念开始加速落地。

5月20日,团队明确「每个群组一个Router Session」;6月3日,固定主对话与任务委派机制正式上线。

巧的是,仅仅20天后,Anthropic也推出理念相近的Claude Tag,让一个Slack频道共享同一个Claude。

而AFK AI的探索还在继续。

8月,团队推进Session切换能力。

9月,引入共享Session的信息流控制机制,解决多人协作中的敏感信息流转问题。

9月30日,Comma正式开源,随后又公开了基于Lean形式化验证的安全机制。

从单一主会话、多Worker协作,到跨Session管理与安全控制,Comma用了近半年时间,将最初的架构设想一步步变成了真实产品。

如果说DeepSeek为行业描绘了Super-agent的具体形态,Comma则用已经运行很久的产品给出了另一种回答——

一个真正能够长期陪伴用户、自主协调任务的Personal Agent,早就提前走进了现实。

见微知著,察势于先。

回过头看,DeepSeek和AFK AI在架构上的不谋而合,本质上则是两支团队穿透表层应用,对多智能体体系底层瓶颈、真实生产侧痛点形成的共识判断。

当前AI浪潮走到当下,行业对Agent Harness的期待,正在发生一次关键转向——

行业对Agent Harness的期待迎来关键跃迁,关注点从任务吞吐量,落到它所能承接的责任与复杂事务体量之上。

而Comma,已经率先在这条路线上交出了实践样本,让Agent在长期使用中不断积累经验,真正实现越用越聪明。

永久在线、共生成长的贾维斯,如今,早已不再是科幻梦。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
田, 晏林
  • OpenAI新融资到账110亿美元,不及原计划一半2026-11-07
  • 为了去AI味,人类开始主动写烂文章了……2026-11-07
  • 不藏了!人形机器人全开源动真格,从机械结构一路拆到运动算法2026-10-27
  • LeCun押注的世界模型,中国一家清华系公司已经做进了机器人2026-10-21

文章评论(12)

月沐雨8 天前

这篇文章分析得很透彻,收藏了!

回复
杨丽华8 天前

这个观点很中肯,深有同感。

回复
山问津8 天前

很有价值的分享,感谢整理。

回复
杨丽华8 天前

支持作者,持续关注中。

回复
空向阳8 天前

整理得太全面了,省了我不少时间。

回复
竹听风8 天前

写得挺用心的,支持一下。

回复
竹听风8 天前

整理得太全面了,省了我不少时间。

回复
星知秋8 天前

这个观点很中肯,深有同感。

回复
林拾贝8 天前

思路清晰,干货满满。

回复
暮拾贝8 天前

楼主辛苦了,内容很有参考价值。

回复
龙文博8 天前

楼主辛苦了,内容很有参考价值。

回复
墨沐雨8 天前

有没有更详细的教程,期待后续。

回复