技术热点透视20261102：默认只记账，DeepSeek 把 agent 拆成前台和工位
本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。
我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。
12.4 分钟。15.7 分钟。2,323 万 token。
三个数字来自同一组任务：DeepSeek 的 Super-agent 跑完 20 个工作请求，中位耗时 12.4 分钟，95 分位 15.7 分钟，一轮读掉 2,323 万缓存 token。同样的任务交给单 Session 的 agent，是 20.4 分钟、29.5 分钟和 605 万。
10 月 31 日晚，DeepSeek Harness 团队在公众号发了《Super-agent 设计探索：迈向更自主的 Agent 系统》，同一天把研究原型挂上 GitHub（deepseek-ai/dsh-superagent-prototype，MIT）。据 GitHub 数据，30 小时涨到 5,900 星，一天后 7,000 星、700 个 fork。
这不是一个新模型。改的是外面那层：一个常驻的 Router 接人、分派、汇总，一堆 Worker 各占一个工位干活，互相不共享上下文。
容易被读成「又一个多智能体框架」。它挪动的是分工边界——谁面对人、谁动手、谁决定这活接不接。这三件事今天全压在同一个会话窗口上。
- Google 关掉了自己的异步编程 agent：Jules 11 月 11 日后转只读，12 月 31 日终止，后台任务并入 Antigravity。
- 长上下文把云端的多租户隔离撑破了：Cloudflare 上 GLM-5.3 的 155 条回答带着别人的数据，触发条件是 68 万 token 以上的提示。
- 0.8B 的模型开始抢 OCR 的活：小米 Xiaomi-OCR-0 在 OmniDocBench v1.6 拿 96.83，1B 以下第一，还顺手发了 MCP 服务和 Agent Skill。
- 一个网页读走本机文件，报价一千美元：Epoch AI 让 GLM 5.3 打通 6 个 Firefox 版本，每版约 1,000 美元 API 费。
Router 只接人，Worker 只干活
长文的四条约束是：同一件事要在 IM 和 GitHub 评论之间连续推进；要能并行；没人下指令时也推进值得做的事；要长期在线，异常能自恢复。单条 ReAct 循环同时满足不了，所以拆两层。
Router 常驻，统一接群聊、GitHub、邮件的消息，维护跨任务上下文，判断该接、该挂、该停还是忽略。它不干具体活，长文里甚至提到可以不配 Bash 这类执行工具——全局节点一旦自己变成瓶颈，整套设计就没收益了。也因为它只做分派，复杂度不高，轻量模型往往就够。
Worker 是另一类东西：一个工单一个 session、一个工作目录，挂完整工具链，必要时再开 Subagent。干完活不直接回人，只把结果报给 Router。
这条规矩值得单独说。Worker 如果都能直接回你，你就又回到同时盯 N 个窗口的老路上——注意力成本没降，只换了地方花。单一出口让噪音可控：IM 侧单次回复不超过 100 词，只在需要决策或验收时通知；PR 侧输出结构化的背景、改动、验证结果。
还有个很人性的细节：并发槽位有上限，但额外留一个给「人的消息或状态查询」。后台任务占满池子时，人想催一句，不会被排到队尾。
主动性那一半靠事件驱动。群聊、邮件、日程、Code Review、CI 结果统一抽象成 Trigger，它是幂等和审计的最小单位——同一条被接受两次只产出一个工单，上游重推、重启回放都不会重复开工。
但群聊是低触发率的，绝大多数消息不需要 AI 介入。所以两级过滤：程序规则先走快路径（在不在名单、有没有 @、接收范围对不对、是不是 bot），剩下的才交给模型判断。授权随之分三档——名单内的人 @ 或私聊算「明确」，名单内的人没 @ 算「推断」，其余不准入。
还有一层是从 CPU 借来的：投机执行。群里有人报 bug，即使没人 @，也先在后台复现、定位、找最小修复；确认问题存在且改得简单才提 PR，搞不定就保持安静。
四种跑法，模型一次都没自己分工
实验规模不大，设置写得清楚：约 300 条消息、其中 20 条是工作请求，编码工作用「只耗时的工具」代替，每种方案重复 5 次。
Super-agent 双层是 p50 12.4 分钟、p95 15.7 分钟。单 Session 加 Subagent、中性提示是 20.4 和 29.5，而且 5 次里模型一次都没调用 Subagent，全挤在主 Session 里被新消息打断。把提示改成「优先委派」之后是 13.8 和 29.0，5 次里 4 次真的委派了，剩下 1 次模型觉得活太小自己干，就形成一条长尾。
p50 的 12.4 对 13.8，在 5 次重复里说明不了什么。稳的是 p95：29.5 压到 15.7，接近一半。
但这组数据里最有价值的地方不在速度，在第三句：把「要不要分工」交给模型判断，5 次里 0 次成立；写成结构之后，稳定成立。提示词管不住的，架构管得住。
Router 那边单独压了一轮：触发速率从每分钟 1 条升到 40 条，平均批处理从 1.0 涨到 2.8，单次请求耗时从 2.5 秒涨到 3.9 秒，单个决定分摊的推理时间却从 6.4 秒降到 1.6 秒。事件爆发时合并积压，比硬堆并发划算——群里炸了、CI 集体失败的时候，系统不能直接跪。
时间是用 token 换的
2,323 万对 605 万，3.8 倍。这是这套架构的明码标价。
去掉订阅直通后，完成时间基本不动（12.6 / 15.5 分钟），但 Router 的决策次数多约 30%，缓存读取涨到 3,177 万。直通优化的是 Router 的开销，不是延迟。
均摊一下：2,323 万除以 20 个请求，每个请求约 116 万缓存 token。这个量级说明每个工位都在带着完整上下文反复读——不是模型变笨，是上下文被复制了 N 份。
缓存读取通常按标准输入价的一个零头计价，各家折扣不同，这里没有单价，只有量。方向很清楚：多任务并行的成本，从「多花几次调用」变成「多读几遍上下文」。
所以要付的账是：更多 token，换更短的长尾和更少的打断。付不付，取决于你的瓶颈是钱还是人的注意力。
数字能推到哪一步
测的是编排开销，不是编码质量。 编码工作被「只耗时的工具」替代，等于把模型的写作能力从实验里拿掉了；官方自己也写了没评估真实编码质量。
p95 是从很小的样本尾部估出来的。 20 个请求、每种方案 5 次，这个规模上的 95 分位更像方向，不像能写进 SLA 的数。
对照组其实在测另一件事。 「中性提示」那组证明的是模型不会主动用 Subagent，不是双层架构更优。这两个结论常被混着说。
出厂默认是「只记录，不动手」
这一点比架构更值得看。原型默认的接单模式是 observe：评估候选，判断正面也只记成「本来会接单」，不开工单。auto 模式要命中团队自己写的规则才接活，off 全关。名单内的人明确请求，在哪种模式下都执行。
README 把判据写成一句话：占尽可能少的人类注意力，交付尽可能多的价值。文档里每一条通知、每一个设置都要为它占用的注意力付账。
代价写在部署文档里，也很直白：worker 和 router 以操作者本人的系统用户权限跑命令，执行不需要批准。安装时剥离名字里含 KEY、PASSWORD、SECRET、TOKEN 的环境变量，面板只听 loopback，blockedCommands 可以圈掉个人命令行工具。官方建议用独立系统账号、白名单先只放自己、先 observe 跑一段、自动合并别开。
Watchdog 是另一处有意思的地方：它本身也是一个带完整工具的 session，用模型判断 Worker 有没有实质进展、方向有没有偏，维护者可以用自然语言问它为什么出错，甚至让它在线改主系统的提示词和触发规则。
长文末尾列了五条没解决的：Router 怎么随任务规模扩展、跨月长程记忆、Session 变成实现细节后人机协作该怎么设计、实例之间的 A2A、以及接入本地设备后的提示词注入与端侧凭据风险。
第三条最容易被跳过。当会话窗口不再是用户要管理的东西，人怎么看进度、怎么中途纠偏、事后怎么追责？现有的对话式交互是跟 Session 一起被抽象掉的，新的形态还没长出来。
其他动态
异步 agent 从一个产品，变成一个功能
10 月 29 日 Google 更新帮助文档：Jules 11 月 11 日后转只读，12 月 31 日终止。导出靠 Jules Tools，能带走设置、仓库、定时任务、记忆和完整会话（含 prompt、执行计划、活动日志、代码 diff）；代码、分支和 PR 本来就在 GitHub 上。
Jules 2024 年 12 月上线，寿命不到两年。同日 Antigravity 上线插件市场，一个插件包打包 skills、MCP server、rules、hooks 和自定义 agent，首批合作方有 Atlassian、Figma、Stripe。Google 没给「后台任务进 Antigravity」的时间表，也没做会话和记忆的自动迁移。
值得关注的原因：远程后台执行从独立工具退成平台的一个功能，形态在收口。麻烦的是迁移成本落在哪——不是代码，是会话历史和记忆，而这两样没有自动通道。另一个信号是插件包的形状定了：skills + MCP + rules + hooks + agents 五件套一起分发，这是继「装一个 IDE 扩展」之后新的能力分发单位。
155 条回答里，带着别人的请求
10 月 26 日 Cloudflare 披露：8 月 27 日到 9 月 9 日，Workers AI 上的 GLM-5.3 有 155 条响应带了其他客户的请求数据，全部来自长度超过 681,280 token 的提示。
两条原因叠在一起：模型的 KV cache 池配得比上下文窗口小，以及 SGLang 的一个 bug 让被拒请求的数据残留到后面的响应里。9 月 8 日收到报告，次日上午复现，9 月 9 日恢复并把 SGLang 升到 0.5.22 以上。Cloudflare 说没有发现蓄意利用，其他模型不受影响。
值得关注的原因：长上下文的账不只在显存上。当 100 万 token 的上下文和共享缓存池放在一起，「请求被拒」不等于「数据被清」。多租户推理的隔离边界现在由推理引擎的实现细节决定，而不是由 API 的语义决定——你用 API 时默认的那条线，其实没人替你保证。
0.8B 的 OCR 模型，顺手发了 MCP 和 Skill
10 月 30 日小米开源 Xiaomi-OCR-0：0.8B 参数，底座 Qwen3.5-0.8B-Base，约 1.7 亿条训练样本，Apache 2.0。官方数字是 Real5-OmniDocBench 95.24（对比模型第一）、OmniDocBench v1.6 96.83（总榜第二、1B 以下第一）、五项 OCR 视觉问答平均 83.2，高于 8B 的 MiniCPM-V-4.5。
一个模型干三件事：版面解析输出 Markdown / LaTeX，字段抽取输出 JSON，文档问答。已经用在超级小爱识屏上，提取取餐码、记账金额。仓库除权重和推理代码，还给了 Demo、MCP 服务和 Agent Skill 工具包。
值得关注的原因：所有分数都是官方自报，暂时没看到第三方复现，这一条要打折看。更值得记的是打包方式——权重之外同时给 MCP 和 Skill，等于把一个能力装进 agent 的工具箱。专用小模型正从「一个能试玩的模型」变成「一个可以被调用的工具」。
一个网页读走本机文件，报价一千美元
Epoch AI 10 月 29 日的报告：给 GLM 5.3 一个 Firefox 版本号，不给漏洞报告、不给内部信息、不让模型联网，让它自己从「已合入但未发布」的修复里挑漏洞，串成完整利用链。
9 月 17 日到 10 月 26 日发布的 6 个版本，156.0 到 158.0.1，全部打通。终点是一个网页：用 Firefox 打开就触发，读走本机一个文件并发到外部服务器，用户不用点任何东西。环境是 Ubuntu 26.04 加默认安全设置。
搭好环境后每多打一个版本约 1,000 美元 API 费，整个研究 10 万美元以上，大头是搭离线沙箱。最快一次 12 小时，上限 48 小时。每次成功靠两个部件：一个来自补丁间隔，一个是模型每次重新发现的未公开沙箱逃逸——后者已报给 Mozilla，Firefox 159.0 在 10 月 27 日修掉。同样方法打 Chrome，花了约 10 万美元没成功。Z.ai 和其他 provider 都没触发拒答。
值得关注的原因：变便宜的不是漏洞知识，是「补丁公开」到「补丁普及」之间的窗口。周更节奏下它稳定存在，Epoch 等于给这个窗口标了价。Mozilla 把安全修复伪装成普通改动，没挡住——模型读得懂代码。防御杠杆在厂商手里：先私修再发，或缩短 beta 到正式版的时间。把矛头指向开放权重，方向是错的。
顺带一提
- UCSD 放出 JetSpec++ 投机解码方案：因果并行草稿、隐状态预测、流水线验证，宣称生成速度最高提升 7.45 倍。自报，暂无第三方复现。
- 苹果收购数据工程公司 Ascend.io，依《数字市场法》披露；Ascend 官网写自己在「逐步结束运营」，更像一次人才收购。
- Linux 的 CVE-2026-98432（IPv4 TCP 握手 use-after-free，CVSS 9.8，远程未认证可触发）上游已修，10 月 31 日 Ubuntu 和 RHEL 的内核仍未打上；Anthropic 说 Claude 写出了可用的 root exploit。会写利用的模型在变多，能被利用的窗口也在变多。
参考资料
- DeepSeek Harness 团队：《Super-agent 设计探索：迈向更自主的 Agent 系统》，2026-10-31
- GitHub：deepseek-ai/dsh-superagent-prototype（MIT，2026-10-31 创建）
- Google 帮助中心：Jules turndown notice，2026-10-29；The Verge 报道，2026-10-30
- Cloudflare 博客：GLM-5.3 on Workers AI 事件报告，2026-10-26；SGLang 同步公告
- 小米技术：Xiaomi-OCR-0 发布与开源，2026-10-30
- Epoch AI：AI can turn security fixes into working exploits before users receive an update，2026-10-29
- Mozilla Security Blog：缩短补丁间隔的应对措施，2026-10-29
微信公众号
欢迎关注「字与码」
如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。
X / Twitter
关注 @ax2_zicode
更即时的技术观察、新文章提醒和一些短想法会发在 X 上。