ARTICLE · 1310914

从OpenClaw到DeepSeek Super-agent,中间发生了什么

发布时间：2026-11-05 00:04:48 最近访问：2026-11-05 00:04:49

10 月 31 日晚，DeepSeek Harness 团队发了篇《Super-agent 设计探索：迈向更自主的 Agent 系统》，同步开源原型。评论区最高频的一句是：这不就是 OpenClaw 吗？都是常驻群里盯消息、喊一堆子智能体干活。看着真像，但差的那一点，恰好是过去一年人机协作挪动的那根轴。先把话说死：这里讲的 Super-agent，是 DeepSeek 给一套系统架构起的名字，不是市面上泛泛的"企业级超级智能体"。

一、先把两个词钉死：一个是什么，另一个不是什么

OpenClaw：一个包揽全部活的全能个人 Agent

OpenClaw 是开源、本地优先的 AI Agent 运行时。前身叫 Clawd（2025 年 11 月），中间改过 Moltbot，最后定名 OpenClaw；Peter Steinberger 的周末项目，一周 GitHub 冲到 10 万+ Star。

它干成的事只有一件：把大模型从"只能聊"变成"能动手"——工具调用（命令行、浏览器、网页）、持久记忆（MEMORY.md）、心跳机制（不用你喊，它自己周期性醒来查有没有活）。形态是常驻聊天入口，主会话 main 带一堆子 Agent 会话 sessions_spawn，再挂 Skill 扩展。

记住一个细节，后面全靠它：主会话自己握着 Bash、文件读写这一整套工具。既能派活，也随时能自己下场干。

▲ 示意图（AI生成）· OpenClaw 这类运行时给大模型装上"手脚与眼睛"，AI 从聊天框走向真实执行

Super-agent：不是一个更强的 Agent，是一种被解绑的形态

DeepSeek 的原话很直白：要打破 Agent 与单次手动会话的绑定，让它成为一个能跨会话保持上下文、同时推进多项复杂任务且互不干扰的连续实体；把会话管理和上下文同步从人手上移到系统层面，人只负责定目标和验收。

它给了四条硬指标：连续（在 IM 里说方案 A、转头在 GitHub 评审里改方案 B，它认得是同一件事）、高效（多个复杂任务并行，不必等上一个跑完才能发下一条指令）、主动（没人 @ 也能发现值得处理的事，不该介入时保持安静）、持久（始终在线，异常后自动恢复）。

三个必须先排除的误解 ① 不是更强的模型，也不是"一个什么都会的巨无霸"； ② 不是咨询口径里那个"企业级超级智能体"——这次是 DeepSeek Harness 团队的工程架构命名； ③ 不是产品功能。原文开头就写明"面向工程实践的架构思路探讨，并非对 DeepSeek Harness 现有产品功能的介绍"；开源的 dsh-superagent-prototype 是研究原型，非官方产品、非生产可用。原文结语也承认：没提出全新理论，只是把分层路由、快慢路径、投机执行、存算分离这些经典计算机系统思想搬到了 Agent 上。

▲ 示意图（AI生成）· 左边：人在 3–5 个散乱窗口间来回切换；右边：统一入口下多个任务后台并行、彼此隔离

📎 出处：DeepSeek Harness《Super-agent 设计探索：迈向更自主的 Agent 系统》2026-10-31；环球网、证券时报、潮新闻 2026-11-01；科创板日报 2026-11-02。

二、中间发生了什么：不是 A 换代 B，是瓶颈换了个位置

这半年产品形态走了四步，每一步都是被上一步的短板逼出来的：

• 年初，从 Bot 起步。受 OpenClaw 影响，大家在熟悉的聊天工具里放个入口，发句话就能开工——解决的是"随时找得到它"。

• 4、5 月，重心转向桌面与 IDE 类 Working Agent。因为"找得到"不等于"干得好"。决定结果的不只是模型，还有它能拿到什么背景（Context），以及工具、记忆、执行、出错怎么办那套安排（Harness）。

• 近两个月，两边互相靠拢。Bot 补工作台、文件与连接器；桌面 Agent 补手机入口、群聊与协作。从"自己用"走到"和别人一起用"。

• 再往前，环境本身也开始由 Agent 参与建设：用对话创建插件、扩展工具，让用顺的 Agent 带着新 Agent 上手。

走到这一步，DeepSeek 那句观察才成立：一个人通常只能同时跟进 3 到 5 个活跃会话。单任务的上限取决于模型能力，多任务的上限取决于人的注意力。

所以中间真正发生的事，是问题从"怎么让 AI 干活"，变成了"怎么让人不用一直盯着 AI 干活"。不是 Agent 不够强，是人管不过来一堆窗口。这也是 OpenClaw 和 Super-agent 看起来像、却不在同一层的原因：前者解决入口与执行，后者解决并发与统筹。

▲ 示意图（AI生成）· 从聊天 Bot 到桌面工作环境、两端融合，再到统一入口下的并行任务

📎 演进链参考：腾讯游戏数据团队 spike《从 OpenClaw，怎么走到了 Super Agent?》2026-11-03。

三、DeepSeek 的解法：不是给主角加装备，是把它的手绑住

按公开解读归纳，撑起这四条特征的是五块底层设计：双层架构、事件驱动、面向人的交互、计算与状态及环境分离、外部 Watchdog。最反直觉、也最关键的，是第一块。

Router 不许干活，Worker 不许见人

• Router 层：常驻，统一承接 IM、GitHub、邮件等所有人类交互，维护全局上下文，充当"全局序点"排定哪句话在前、哪句在后。设计上严禁直接执行具体任务，甚至可以直接不给它配命令行 Bash 工具。职责纯粹，用更轻量的模型就够。它跟常见 Agent Team 的 Lead 不同：后者要钻进单个任务的细节里高频协调，Router 完全不介入任务内部拆解。

• Worker 层：多个上下文相互隔离的执行会话，各自挂完整工具与最强模型，一个 Worker 只啃一个任务；不直接跟人对话，翻了多少文件、跑了多少日志都留在自己会话里，只把精简结论回给 Router 统一答复。内部还可以再开 Subagent。

原文有句很硬的话：Session 应当是系统底层的实现细节，不该成为用户的认知负担。

一组实验，把"为什么必须物理隔离"钉死了

第 7.1 节做了对比：约 300 条闲聊、跟进、叫停消息里混入约 20 个工作请求，每种方案连跑 5 次。

• 单窗口 + 普通提示词：5 次里 0 次调用子 Agent，活全揽在主窗口，p95 耗时 29.5 分钟。

• 提示词写死"优先委派"：5 次里 4 次派了，仍有 1 次它判断"这活儿小"亲自下场，主窗口当场卡死。

• 双层架构（系统层拔掉 Router 的执行工具）：100% 派活，中位数 12.4 分钟、p95 15.7 分钟。

DeepSeek 自己加了两句限定：结果只是指示性的，测的是调度，不是代码质量。但结论已经够清楚——别指望靠写提示词让模型自觉守规矩，得从架构上把工具收走。社区里有句解读很到位："Super"不是因为它会干更多活，是因为敢把站在台前那个的手绑住，才能把所有事都接住。

▲ 示意图（AI生成）· Router 空着手只接消息与派单，多个上下文隔离的 Worker 并行执行，结果汇总回统一入口

剩下三块：主动、持久、随时能插话

• 事件驱动：群聊、邮件、日程、GitHub 评论、CI 测试报错都成为 Trigger；两级过滤先由程序规则筛掉无关消息，再由模型判断是否行动。

• 投机执行：结果会不会被采用还不确定时，先在后台静默试。有人反馈 Bug，AI 后台复现、定位、找到简单修法才提交，否则保持安静。Worker 接手后还能直接订阅同一话题的后续消息，省掉 Router 中转——取消这条直通后，Router 决策次数增加约 30%，缓存读取量从 2323 万涨到 3177 万 Token。

• 持久在线：存算分离（执行循环放云端、会话状态入数据库、本地只留轻量 daemon，电脑离线任务照样跑），独立 Watchdog 巡检任务是否陷入无效循环；异步 ReAct Loop 把 start / stop 拆开，长任务后台执行时前台仍能秒回、随时插话改向。

得说清边界：异步循环默认未开启，Watchdog、存算分离等也还没进开源原型。这是设计稿，不是可以直接装上的成品。

▲ 示意图（AI生成）· 事件流经两级过滤、后台静默尝试、只有少数成果提交前台，云端与看门狗支撑持续在线

四、公安这边走过同一条链，但不是同一个东西

先把界限划清楚：DeepSeek 解的是系统级并发调度——一个工程师怎么同时管多个会话；公安面对的是组织级规模化——几千名民警各自造助手，还要跨警种、跨层级、跨区域。层级不同，不能照搬。但结论是同构的：单点能力起来之后，瓶颈必然移到统筹；靠人盯、靠发倡议都管不住，最后得靠机制。

丽水公安这条链是公开可查的，一步都不用编：

• 起点是单点：2023 年一位派出所民警提出"四类行政案件占基层办案量八成以上、笔录易错、审核时效差"，基层＋技术＋法制三人组成"铁三角"，一年多做出「法眼金睛」AI 办案助手，辅助办案 2 万余起、准确率超 98%。

• 转折是一句原话："单点突破虽能解一时之渴，但构建公安研发生态方能谋长远之策"。陈毅夫同时点破基层普遍卡在"高技术门槛、高试错成本"上——这和"人只能盯 3–5 个会话"是同一类瓶颈，只是发生在组织层。

• 答案是「丽警星系」五颗星：丽警星座统筹全市算力资源／丽警星辰鼓励全警自主研发智能助手／丽警星空建立灵活对接机制／丽警星链用链式战队连接各警种、各县市区／丽警星盾从技术与管理双维度保障网络安全。

• 规模与实效：全市民警自主搭建智能助手 1838 个，择优上线 235 个全市共享，15 个精品上省级主干，月均支撑服务 25.7 万余次；3 项应用纳入部级试点、8 个智能体列为省厅重点攻坚。「线索研判精灵」把小时级研判压到 3 分钟以内，累计守护群众资金 1100 余万元。

所以别把它读成"公安版 Router/Worker"。更准确的说法是：同一个工程结论，在组织层长出的答案——把各自开窗口，变成统一入口、分工隔离、能力共享与安全兜底。公安还多一层硬约束：执法行为要可追溯、数据要分级、系统在公安网内要过关基与等保。

▲ 真实图·陈毅夫（左）和同事在研究大数据模型（据《法治日报》2026-10-25 第07版《陈毅夫和他的"造星"计划》）——能力下沉到一线，是整条链的起点

授权边界：DeepSeek 原型文档自己写得比谁都直白

这一节不用泛泛讲等保，看它开源文档里的四条硬话：

• 两种 Agent 预设都以操作者操作系统用户的全权限运行，Worker 能读到操作者的 home 目录；官方建议给 Agent 单独开 OS 账号、单独的 GitHub 账号。

• 主动行为默认 observe 模式：只记录"本来会接下哪些活"，人工审阅这些判断之后才允许切到 auto。

• 每个工单 Ticket 带一份不可变的 Mandate，记录它凭什么可以执行；本地面板只列"需要人处理"的项。

• 结果是否采用，最终拍板留给人。

对公安来说，这四条不是优化建议，是默认底线：权限最小化、主动不自动执行、操作可追溯、人留最终决定权。执法场景里"AI 自己动手"从来就不该是出厂设置。

▲ 真实图·陈毅夫（左）和同事在丽水公安科技创新中心工作（据《法治日报》2026-10-25 第07版）——从"一个模型"到"一个生态"的落点

📎 出处：《法治日报》2026-10-25 第07版《陈毅夫和他的"造星"计划》（epaper.legaldaily.com.cn/fzrb/content/20261025/Articel07002GN.htm）；公安部官网《陈毅夫和他的"造星"计划》c10645469；dsh-superagent 原型授权与部署文档。