最近 DeepSeek 又放了个很值得玩的东西出来,叫 Super Agent。
一句话说清楚它干嘛的:把你从”繁琐的工作流”里解放出来——事情来了,Agent 自动识别、自动分配、自动执行,最后人只做审核这一件事。
它的机制就三个词:接单 → 干活 → 人工审核。
这套东西我本地真机跑了一遍,从装、到配信息源、到让它在 GitHub 上自动接了一个 issue、自己改代码、自己开 PR,全程截图。下面把整个过程摊开讲。
声明一下:这是 DeepSeek 官方开源的研究原型(
deepseek-ai/dsh-superagent-prototype),跑在 DeepSeek Harness 之上。它跟我平时用的 DeepSeek Harness 桌面端是两个独立的宿主——Super Agent 是专门用来”自动接活”的那一套。
先看它到底长什么样
装好之后,会单独起一个 Web 面板(默认 3084 端口),顶部有个专门的 Superagent 入口。它跟普通桌面端长得像,但多了一个独立的”主 Session”——也就是那个协调者(orchestrator)。

注意看中间这段对话,它已经自己跑完了一单:
- 「收到执行请求」× 几条
- 「Ticket 已受理:在 README.md 末尾添加该行并开 PR,只改动这一个文件」
- 「已交付:PR #2 …仅改动该文件,已通知原会话」
这就是完整闭环的证据:任务进来 → 协调者受理 → 分配 → 执行器干完 → 提 PR → 通知原会话。全程我没敲一行代码。
核心一:活从哪里来(信息源)
Super Agent 是”自动接活”的,那活是谁派的?这就是它第一个要配置的东西——信息源。
官方现在支持两个:GitHub 和飞书。而且是双通道——信息源既能给 Agent 派任务,Agent 也能把结果回复回去。

我这次把两个都开了:飞书(运行中)和 GitHub(运行中)。在飞书群里 @ 一下机器人就能派活;在 GitHub 上建 issue 也能派活。
飞书到底是怎么”接活”的?一个真实例子
光看配置页有点抽象,我直接进飞书工作台,把我那次真实派活的消息列表截出来看:

这张图里能看到完整的闭环,四个会话串成一条线:
- 「用户926759」(我) 发了一条私聊:“请帮我在 README.md 末尾加一行…只改这一个文件,改完开一个 PR”
- 「dsh-superagent」(智能体) —— 这就是那个机器人,它接到了这条消息
- 紧接着下面就是它的回复:“已完成:PR #2 …可以审阅”
- 旁边还有「开发者小助手」「飞行社」这类其他机器人,说明飞书里机器人和人混在一个消息流里,机器人跟人一样是通过消息来对话的
注意一个细节:飞书里这个机器人叫 「dsh-superagent」,标签标的是「智能体」。也就是说,飞书群或私聊里 @ 一下它,就能把活派出去。等它干完,会回到原会话里回你一句”已完成,PR 在这里”,你点开就能审,全程不用离开飞书。
这就是飞书信息源的价值:你不用打开任何面板、不用切换工具,就在日常聊天的飞书里,像叫同事干活一样给 agent 派活、收结果。 对已经把飞书当工作主阵地的团队来说,这个入口几乎零学习成本。
核心二:谁能派活(准入策略)
这是最容易踩坑、也最关键的一环。这里有个铁律:机器人账号得是单独一个账号,不能用你自己的大号——因为 agent 写的东西全都会挂在这个账号名下,你不想自己的 commit 记录里混进一堆机器提交。
配置里有个「评估」页,专门管这个。它决定了一件事:什么样的请求会被”接单”,什么样的只被”记录”。

上图能看到一条真实的决策记录:
「名单里的人明确请求,由主 Session 接单」
翻译成人话:只有在你白名单里的人,@ 了机器人,它才动手干活。不在名单里、或者没 @ 它,它就只记录、不干活。这套”准入”逻辑,就是防着 agent 乱接活、乱改东西的安全阀。
核心三:执行与并行
「执行」页管的是 agent 干活时的资源。

能看到「执行器运行中」「执行中 0/3」——最多并行 3 个工单,这个数可以改。执行用什么模型、跑在什么环境、允许它执行哪些命令,都在这里配。
整套设置说白了就三条:我从哪里接单、我可以接谁的单、我用什么模型来干活。
核心四:提示词才是灵魂
这是我觉得 Super Agent 最妙的地方。它把整个工作流拆成”事件流”——每一个阶段都是一个可自定义的提示词段落。

分成两块:
- 团队约定:沟通方式(怎么通知人、消息怎么写)、工单范围(什么时候继续、什么时候暂停交草稿)、交付要求(PR 证据、自动合并条件、提交作者)
- 内置段落:共享约定、主 Session 角色、执行器角色、订阅、回复与确认、路由
这里有个很有意思的设计:为什么 PR 长这样、带不带改前改后的截图,全都可以自己在提示词里定。比如你可以写死”提交 PR 时带上改前改后的截图”。上图里「交付要求」就标了个**「已改」**,说明这段是被自定义过的。
完整跑一遍:从 issue 到 PR
最后串起来看全过程。这是我在 GitHub 上建了个 issue 派活之后,它自动干出来的:

- PR 标题:
docs: note README is used for dsh-superagent smoke tests - 改动:只改了 README.md,末尾加一行
This repository is used for dsh-superagent smoke tests. - 分支名:
agent/readme--smoke-note-48b15e1f7bee(agent 前缀,机器自动生成的)
注意 PR 正文那句 “This is by an automated agent, not a human”——它在明明白白告诉你:这是 agent 干的,不是人。
有意思的是,这次改动是纯文本,所以 PR 里写的是 “No UI change, so no before/after screenshots apply”(无 UI 改动,不适用前后截图)。这正好反过来说明了:只有涉及 UI 的改动,它才会自动做改前/改后的浏览器截图对比。
一句话总结
Super Agent 的骨架真的不复杂,就三步:
- 接单——从 GitHub/飞书,按准入名单判断要不要接
- 干活——协调者分发,执行器用配置好的模型和环境去改代码、提 PR
- 审核——人只看 PR,低风险的甚至可以自动合并 + 快速回滚兜底
再复杂的自动化系统,无非是把这三步里的某个环节打磨得更准——多接几个来源、多加几道 code review、多放几个 agent 交叉检查。
最后说个我自己的判断:模型越强、写的代码越多、提的 PR 越多,人就越看不过来。所以把注意力从”写”挪到”审”,把低价值的重复劳动丢给 agent,可能才是接下来用 AI 的正确姿势。
这东西,放你团队里怎么用
讲两个具体的场景,你就能判断它跟你有没有关系。
场景一:那个永远没人愿意干的”改文案”活。
假设你们团队刚改了个产品名,从”旧名”换成”新名”。这个改动要同步到十几个仓库的 README、官网的几行介绍、几个 config 里的默认值——没难度,但琐碎,谁接谁烦。
以前的做法是:有人在群里喊一嗓子,或者开个 issue 挂着,等哪个倒霉同事有空了去挨个改。快的半天,慢的拖一周。
现在你把这件事丢给 Super Agent。你在飞书群里 @ 它一句:“产品名从 A 换成 B,把所有仓库里的 A 都改掉,各开一个 PR。“接下来就是它的事了——它自己拉代码、自己找所有出现 A 的地方、自己改、自己给每个仓库提一个 PR。你该干嘛干嘛,过一会儿飞书里收到一串”已完成 PR #1、#2、#3”的通知,你点开扫一眼 diff,对的就合并。整个过程你只动了两下:发一句需求、点几个”合并”。
这就是它真正的价值:不是替你写代码,是替你把”等别人、找人、盯着人干”这套沟通和搬运的活干完了。
场景二:那种”明确到一句话、但得天天重复”的小改动。
比如每天都要干的:给新加的服务补一个监控配置、把某个依赖升级到安全版本、给接口补个单测。这种活的特点是——需求一句话能说清,但一周能冒出五六个,积少成多很耗人。
把这类活都甩给它:需求从 GitHub issue 或飞书进来,它按你设好的准入名单判断”这单我接不接”,接了自动开工作区干活、自动提 PR,你只在最后审核。设置里还能把”并行工单数”调到 3,让它同时处理三个这种杂活。
反过来,什么活别给它:
那种”帮我设计一下整个系统的架构”、“这个线上 bug 你看着修”的开放式、高风险活,现在别指望它。这类任务边界不清晰、判断错了代价大,它现在还兜不住,得人自己上。
所以一句话结论: 它现在能干的,是那些**“一句话能说清、错了也好改、量还不少”的小活**——把这些从你的时间里抠出来,把人腾去干真正需要动脑子的部分。它不是”替你写代码的实习生”,更像一个**“随叫随到、还不用你盯着的杂活外包”**。落地面不宽,但在”小活自动化”这件事上,确实能省下实打实的时间。
本文所有截图均为本地真实环境实拍(Super Agent 管理面板 + 实际跑通的 GitHub PR),非官方宣传图。