DeepSeek的超级Agent强在克制：100 词上限写进代码，主动干活默认只看不做

先看 DeepSeek 放出的一张截图。

大多数报道盯着最后一行：没人 @ 它，它自己定位了根因，提交了修复 PR。

我们更在意第一行：群里讨论日常使用时，它「静默监听、不介入」。

10 月 31 日晚，DeepSeek Harness 团队发布长文《Super-agent 设计探索》，同时开源了原型 dsh-superagent-prototype。Router、Worker、事件驱动这些架构，已经有不少文章讲过。

但长文是蓝图，代码才是兑现。我们把长文里 16 项可核对的设计与开源代码逐条对照，在本地跑了官方测试，也重算了长文的实验数据。

文中标注：事实原文或代码可查　原文称DeepSeek 的说法　判断作者观点

原文称长文的消融实验让四种方案处理同一批消息：每次约 300 条，其中约 20 条是真正的工作请求，每种跑 5 次。

最有意思的是对照组。给单个 Session 配上 Subagent 工具、用中性提示词，模型 5 次运行一次都没把活分出去，所有任务都在主会话里做，不断被新消息打断。改成「优先委派」后，5 次里委派了 4 次；剩下 1 次它觉得活「很小」，自己动手，拖出一条长尾。

事实重算之后，「快近一倍」只在 P95 成立（15.7 对 29.5 分钟）；和「优先委派」组比，P50 只快约 10%（12.4 对 13.8 分钟）。真正拉开差距的是稳定性：Super-agent 的 P95 只比 P50 多 27%，「优先委派」组多了 110%。

判断这组实验证明的不是「更快」，而是「更可预测」。要不要分工、要不要开口，模型的临场判断靠不住。DeepSeek 的办法是把这些决定从提示词里拿出来，交给结构。

注：每组约 100 个任务，P95 由最慢的约 5 个决定；实验是合成负载，只测调度，不测写代码。

项目第一篇文档 000-philosophy 的原则只有一句：尽可能少占用人的注意力，尽可能多地交付价值。理由也写得直白：一个能替整个团队干活的 Agent，也能浪费整个团队的注意力。

落到代码里，一条群消息要变成 AI 的一次行动，得过四道闸：

事实第二道闸的提示词有 68 行，大半在教模型什么时候不接：不要把设计争论变成工单；截图里说某处「难看」「不一致」，不算给出了修改目标；拿不准就安静忽略，不要找人确认。

默认开启的主动规则也只有两条：改错别字和措辞；有明确目标的局部样式修正。

第四道闸还堵了后路：提示词写明，不许用长复合句、分号串、列表或连发多条消息来绕过 100 词上限。

判断代价同样清楚：这套闸门宁可漏掉，也不多嘴。拿不准的活会被安静放过，规则得由人一条条写。对一个要常驻团队群的 AI，这个取舍是对的。

DeepSeek 放出的另一张截图里，群里还在争论该在训练里解决、让模型转义，还是改渲染规则，它已经提交了改渲染规则的 PR。

判断按开源版的默认配置，这一幕大概率不会发生。研判提示词写明，还有「未决的备选方案」时不算实施请求；何况主动干活默认只观察。

原文称这是他们在内部用户群单独配置的「静默复现并修复」策略。

所以装上开源版，你不会马上看到「没人 @ 就提 PR」，先看到的是一份「它本来会做什么」的记录。这不是缺陷，是顺序：先观察，再放权。官方安装指南也建议从很短的白名单开始。

原文称Router 只负责交互与分派，不执行具体任务，「甚至可以不配备 Bash 工具」。

事实开源原型里，Router 配了 bash 和读文件工具。架构文档原话是：不读代码是提示词规则，不是工具限制。代码只拦住了 Router 的 sleep 和长时间等待。

判断放在第一节的实验旁边看，这里有个张力：实验说明靠提示词让模型分工不可靠，而 Router 不下场，靠的恰恰是提示词。

好在分工的主干由结构保证：每个工单一个独立 Worker，后续消息直接送到 Worker。Router 越界读代码，主要损失的是它自己的速度和 Token。如果你要二次开发，这是第一个值得改成代码约束的地方。

事实克制要花钱。Super-agent 单次实验的读缓存 Token 是 2323 万，中性提示的单 Session 是 605 万，相差 3.84 倍。去掉「直通」机制会涨到 3177 万，完成时间却几乎不变：直通省的是钱，不是时间。

判断注意口径是「读缓存」Token。缓存命中通常比普通输入便宜得多，3.84 倍 Token 不等于 3.84 倍账单；原文没有给出非缓存部分。

再看蓝图兑现了多少：

事实缺得最明显的是「持久在线」。长文设想 Agent Loop 跑在云端，只在你的电脑上装一个轻量 daemon；原型是单机进程，跑在 tmux 里，状态存在本地一个 SQLite 文件。长文的 Watchdog 会判断 Worker 有没有实质进展；原型里只有一个每小时检查服务状态、必要时重启的定时任务。

实验脚本和数据没有开源，暂时无法复现。README 也写明：这是研究原型，与内部版本和长文描述并不一致。

回到开头那张截图。大多数人记住的是它修好的 Bug，但对一个要住进团队群的 AI，更难的是那一行「不介入」。

想试的人：从 observe 模式开始，用独立的系统账号。

做 Agent 的人：把最重要的约束，从提示词搬进代码。