DeepSeek最近又有新动作，公开了Personal Agent的底层架构思路。此前许多人期待的「dsh dot」尚未推出，但这次他们先分享了一篇面向工程实践的架构思路探讨——Super-agent：迈向更自主的Agent系统。
这意味着AI可以在没有指令的情况下自己发现Bug、定位问题，甚至主动提交修复PR。它还能持续关注工作群消息，跨平台协作，并行处理多个复杂任务，实现24小时在线运行。在模拟多任务环境中，Super-agent的任务完成时间中位数为12.4分钟，95分位数为15.7分钟，表现优于传统单会话方案。
日常软件开发过程中，开发人员经常需要在不同平台之间切换。例如，在IM群聊里讨论技术方案，然后到GitHub提交代码，再根据PR评论修改实现。对于传统Coding Agent来说，这些操作分散在不同会话中，用户需要记住每个会话的进展并告知AI。一个人通常只能同时跟进3到5个活跃Session，这限制了多任务协作效率。Super-agent解决了这个问题，同一个开发任务可以从IM群聊延续到GitHub PR评审。Super-agent能够理解不同消息属于同一项工作，并据此调整执行方向。用户面对的是同一个Agent，底层的多个会话由系统自行管理。
Super-agent使用了投机执行技术，即AI发现某件事可能需要处理时，可以提前尝试。例如，群里有人讨论一个Bug，Super-agent便先着手复现、查找原因，如果找到简单可行的修复方案，就交给用户；如果没有找到有效结果，则保持安静。同样的思路也适用于个人助手，收到会议邀约后，AI可以提前检查日程冲突、整理相关资料，并准备好回复草稿等待用户确认。
