AI news

冯若航谈 Super-agent:路由之外,怎样管理工作上下文

By Founder Park2 viewsSource: Founder Park
冯若航谈 Super-agent:路由之外,怎样管理工作上下文

作者以 DeepSeek 的 Router 与 Worker 原型为起点,讨论如何按项目显式划分权限、在群聊中协作,并以数据库和文档保存任务、决策和长期记忆。文中同时说明完整方案仍属设想。

The full text has not been translated yet. The Chinese original is shown below.

DeepSeek Harness 团队前几天发了篇关于 Super-agent 设计探索的长文,想用 Router + Worker 双层架构,把一个人管理多个 Agent 的负担交给系统。文章出来后讨论不少,大多关注这套调度机制是怎么设计的。

今天分享的这篇解读,来自 PostgreSQL 圈的老熟人冯若航。他也是开源 PG 发行版 Pigsty、开源对象存储 Silo 的作者,平时自己维护底层开源项目,每天都在高强度混用 Claude、Codex 和 Gemini。

顺着 DeepSeek 的方案,冯若航继续追问:Session 可以被藏起来,但 Router 凭什么知道这句话该派给谁?文章里有不少数据库老兵的视角,把 DeepSeek 原文没有展开的问题再往下推了一层。

今天 DeepSeek Harness 团队发了一篇文章,《Super-agent 设计探索(在新窗口打开)》。崔老板找我点评一下,我觉得这个确实值得聊聊,遂有此篇。

文章挺长,外面的解读多在复读概念,其实剥掉那些系统术语的外壳,它要解决的是一个特别朴素的真问题:人的注意力是有限的,同时盯三五个会话脑子就转不过来了,一个人到底怎么高效管理多个并发干活的 Agent?

文章里有句金句:「Session 应当是系统的实现细节,而不应是用户的认知负担。」

那怎么把 Session 藏起来?DeepSeek 的做法很直白:最外层接事件触发器(Trigger),中间摆一个常驻的 Router,底下挂一堆干具体活的 Worker Session。Router 自己不下场干重活,专门守在入口听你说话,判断该把任务分给哪个 Session,等底下干完了再汇总回给你。

平心而论,如果把题目限定在「怎么在一个点对点的对话框里,替用户自动切分 Session、异步派活」,这套开源原型的工程设计相当扎实,不少细节一看就是真干过活、踩过坑的人写出来的。

但读完之后,我想接着追问一个原文没有正面回答的问题:把 Session 藏到底下之后,Router 凭什么知道你这句话该派给谁?单靠这套路由,真能解决「一个人管理多个复杂任务」的难题吗?

我看悬。

01

为什么小秘书遇上大工程就拉胯?

「对着一个聊天框派百样活」并不是今天才有的新鲜玩意儿。OpenAI 9 月底发布的 Dots,就是一个常驻在线的 个人 Agent,可以替你给 Codex 派活。更早一点,我今年 5 月就用过 Today.AI,路数基本一致。他们一号工程师是我哥们儿,这产品怎么一步步磨出来的,我是一路看着的。

用下来我的体感很明显:干点日常杂活、做做分析调研,这类 Personal Agent 还凑合;可一旦碰上严肃场景,拿去干点正经大工程,立马就拉胯。让它当个汇总信息、跑跑轻办公的小秘书没问题,真要像指挥 Codex、Claude Code 舰队那样派活,实在难为它了。

文章配图

为什么全都卡在这里?

一层原因是很多产品被客观环境框住了手脚。最典型的就是微信:至少到今天,微信只给个人机器人开了点对点单聊的口子。你手里养着「小龙虾」或「爱马仕」,也没法把它们拉进各种工作群里。大家被迫在单聊的螺蛳壳里做道场,做着做着,就把这种受限于环境的权宜之计,当成了 Super-Agent 本该有的样子。

再往深处想:今天的多任务并行里,真正充当 Super-Agent 的,其实是我们自己。在几个 Codex 窗口、几个 Claude 对话、几个飞书群之间来回切换,脑子里记着每摊事推到了哪一步、该按什么规矩办的人,是你。

试想一下,如果真有一个全知全能的 Super-Agent,光靠跟你在一个聊天窗口里一问一答,就能听懂你每一句半截话背后的项目归属、代码边界和轻重缓急,在后台摆平所有冲突还从不闯祸,那它早就不是你的助理了,它直接把「你」给替代了。

所以,Super-Agent(超级代理)这个名字也起的太大了,实际做的事情要窄得多,不如改叫 Secretary-Agent(秘书代理)更贴切。

Router 真想替你扛下这活,就得先把你脑子里装的这份东西搬出来:眼下这句话属于哪个项目,代码在哪台机器的哪个目录,守哪份规范,手里有什么权限,上次拍板定了什么。这份搬出来的东西有个现成的名字,就叫 Context。

所以我认为,真正的问题不是把 Session 藏起来,而是把上下文管理好。

如何管理上下文,是任何 Agent 架构都必须先回答的第一问。

02

Context 到底是什么?

很多人一提 Context,想到的只是大模型的上下文窗口(Context Window),也就是往模型眼前塞多少 Token。原文花大篇幅讲的 Inline & Spill 和链式召回,解决的也是这一层:窗口装不下时怎么腾挪调度。

但在真实的工程实践里,决定系统生死的其实是工作上下文(Working Context)。说白了,Context 是一组边界:你在哪个现场,能碰什么东西,守什么规矩,跟谁一起干活。

落到写代码这个场景,它就是具体的代码仓库,是散落在不同机器上的工作目录,是写明环境依赖与行为准则的 AGENTS.md,是内部文档站的链接,外加绑在这套环境上的工具权限和历史决策。你在 Codex Claude 里给每个仓库单独配的那套环境,本质上就是一个显式的 Context。

把这两层分清楚,道理就很简单了:Session 只是一次临时的执行过程,藏进底层没问题;但 Context 是工作现场和权限边界,必须端到端,绝不能对用户隐藏。

单一入口模式的问题恰恰是把 Context 连同 Session 一块藏了起来,指望背后的 Router 去猜你这句话对应哪个工作现场。在一个真能对外动手的系统里,靠猜来路由,迟早要出事故。你在聊天框里随口一句「帮我把临时垃圾清一下」,本意是清理本地测试目录,Router 但凡猜偏一步、派错了地方,搞不好就是一场线上删库事故。

同样让人捏把汗的,还有原文提到的「投机执行」。这招拿来准备聊天素材无伤大雅,真用在干活上就要命了:Agent 持续监听公共群聊,哪怕没人 @ 它,看大家在讨论缺陷,就在后台悄悄拉代码复现、提修复 PR。要知道,CPU 的投机执行猜错了还能回滚,就这样还捅出了 Spectre 漏洞;而 Agent 跑命令、跑 CI、提 PR,全是收不回来的外部副作用,连一个「可回滚的架构状态」都没有。没有显式的边界拦着,群里随便谁扔一句不可信的话,都可能触发后台静默跑代码。

03

群聊是自然的形态

管理多个 Context,最自然的交互形态是什么?

不妨先看看人是怎么干活的。人在现实里说话之所以能省字,是因为开口前就知道自己在什么场合:会议室有会议室的规矩,机房有机房的红线;你在家里和在老板办公室说话肯定不是一个调门,往不同的邮件列表发信也守不同的规矩。人本来就是看场合说话的(Context-aware),没道理到了工程协作里,反而把场合边界全抹平,去让概率模型硬猜。

原文有句话说得很对:相似的设计约束会导出相似的架构选择。几百人的公司怎么管、几十个项目怎么并行推,人类早就交出了标准答案:国内协同在飞书、钉钉、企微上,海外在 Slack、Discord 上;更硬核的开源世界里,PostgreSQL 社区靠 pgsql-hackers、pgsql-bugs 这些邮件列表,井井有条地运转了几十年。

说到底,除了私聊,人类搞多线程协作最通用,最习惯,最广泛的载体就是群聊。因为每一个群,天生就是一个显式的 Context 容器。财务群、法务群、运维群、研发群,同一个人在不同的群里扮演不同的角色,守不同的群规。

文章配图

把机器人拉进群里干活,这思路一点不新鲜。GitHub 十多年前就在聊天室里 @Hubot 跑部署,后来这套玩法有了名字叫 ChatOps,撑起了 Slack 过去十年的机器人生态。只是到了今天,有三件事变了:机器人不再是跑死脚本的工具,而是有独立执行环境、能跨机器干活的 Agent;群里也不止一个机器人,而是一支得互相配合的舰队;更重要的是,它们底下得有一份共享的状态。

与其费劲在单聊框里搞一个全局 Router 猜谜,不如直接按工作上下文建群,把对应的 GitHub 仓库、文档站绑进群里。你点进 Silo 研发群,@ 里面的编码 Agent 派活,它自然就带着 Silo 的代码目录、AGENTS.md 规范和专属权限去动手。原本最容易出错的路由问题,在你进群开口的那一刻就零成本解掉了。这就好比没人会写个数据库代理,靠语义去猜一条 SQL 该发给哪个库;连上 PostgreSQL 的第一件事,永远是显式声明 database 和 role。

这也是为什么 ChatGPT 和 Claude 都在往 Slack 里钻,让你直接在频道里 @ 它们干活。当然,群聊本身也有一身毛病:信息过载、重要决定转眼被刷走、群一多根本看不过来。把 Agent 塞进群里肯定不是终点。群只是把 Context 摆到了明面上,至于群聊自己的老毛病,得靠后面说的「书记」和数据库来治。

04

多对多的上下文容器

有人可能会说:DeepSeek 的架构不也支持多人在群里 @ Super-Agent 干活吗?区别在于,在它那里,群聊只是一根外接的「消息输入管道」;无论是在多个群里,还是多个人使唤一个 Agent,都不改变这一点。而在我说的这套模式里,群本身就是硬隔离的 Context 容器。把这层关系倒过来,顺手就能解开另外两个死结。

第一,安全与主动性可以分级。公开的用户反馈群碰不到生产环境,大可放手让 Agent「无人 @ 也自动复现 Bug」;但握着线上密钥的运维群,就得立下铁律:必须同时满足显式的群 × 有权限的真人 × 明确的指令,三样齐了才准动手。转发的聊天记录、贴进来的邮件、别的 Agent 的转述,统统不算数。至于全局 Router,退居二线当个「版主」就够了:有人在私聊或别的群里跑题派活,它负责认出来,提醒把话题挪回对应的项目群,进对了房间再开工。

第二,也是更要紧的一点:复杂的重活,从来指望不上单个 Agent 包打天下,你手里调度的是一支异构的 Agent 舰队。这里头需要的不光是 1:1 和 n:1 的沟通,更是 m:n 的多对多协作。

到了指挥舰队的阶段,人的核心工作其实是做管理:划定群组、分配角色、立规矩、给授权、玩制衡,靠管理拿结果。至于有没有个秘书替你猜每句话该发去哪个群,不是核心问题。

拿我自己维护 Pigsty、Silo 这类底层开源项目的日常来说,我现在就是舰队指挥官,跑的是一套「三方制衡」的工作流:Claude 做顶层设计和规划,Codex 埋头写代码,写完由 Gemini 和 Claude 一起审 Codex 的活,最后交给 Gemini 补文档、记账。写文章也是这套路数:找 Claude 头脑风暴,让 Codex 做事实核查,最后由 Gemini 润色收口。

不同厂商的模型盲区不一样,交叉审查能揪出单一模型自己怎么也看不出来的问题。很多时候我根本不过问执行细节,就让这几个脾气秉性不同的 Agent 互相挑刺、辩论,达成共识再往上交。靠制度和制衡拿结果,比自己贴身盯细节省心得多。

站在资深用户立场上,最好的状态就是入口中立、记忆攥在自己手里、多个模型提供交叉视角。既然多个各司其职的 Agent 得在同一处现场沟通、交接、互审,群聊就是这支舰队最顺理成章的公共作战室。

聊到这儿,就能回答开头那个问题了:一个人盯十个群,跟盯十个 Session,精力消耗差在哪?

差在群是可以做出层次结构的。Session 是一条平铺直叙的流水账,什么过程细节都往脸上刷;群里却可以分层:Agent 之间的交接和争论默认折叠,群里的「书记」定期出摘要,敲定的结论沉淀进 Wiki,人只在三种时刻露面:被 @、要拍板、出事故。

更聪明的路由是 nice to have,而能真正能省下大量注意力的,是良好设计的信息结构。

05

群聊是皮,

数据库是骨

如果群聊是必由之路,这套东西往深了做,架构应该长什么样?

先看眼下的窘境。舰队要打配合,总得有地方共享上下文;可现阶段大多数人的做法,是在各个工具之间手动复制粘贴,拿自己当人肉总线。想让 Claude 接手 Codex 干了一半的活,要么把 Codex 里的整段会话展开贴过去,要么指路让它去翻 Codex 的本地会话,然后它还真就钻进人家的私有目录,硬啃那一堆 JSONL 日志。这种协作方式,实在太糙了。

病根在于,现在的 Agent 工具大都各管一摊,在本地写一堆零散日志,彼此看不见,自然谈不上配合。要是大家都驻在同一个群里,每个 Agent 都能直接看到其他人和 Agent 的讨论、思路与产出,效率肯定比人肉搬运高得多。

这跟 Coding Agent 走过的路一模一样。两年前我用 AI 写代码,还得把代码一段段手工贴进聊天窗口;等 Claude Code 出来,就再也不用干这种蠢事了:它直接把本地代码仓库当成上下文,缺什么自己去翻。Coding Agent 让 Agent 住进了代码仓库,下一步,就是让 Agent 住进团队的协作现场。

再往下挖一层,群聊其实只是套在外面给人看的一层皮,底下真正的骨头,是一个跨 Agent 共享的数据库。假如系统里只有 Agent,压根不需要渲染聊天气泡,直接在数据库里读写结构化记录、传指针、发信号,效率最高。

说穿了,IM 软件本身也是数据库套了层壳。之所以要保留群聊这层皮(或者给老派极客配个邮件列表网关),纯粹是为了迁就人类的习惯:人要看进展,要查审计,要随时插话接管。底下存的是同一份状态:普通人看群聊,老黑客看邮件,Agent 直接读写库。

有了这样一个共享数据库兜底全局状态,很多棘手的问题就顺了。各家 Agent 按约定协议读写,交接工作只需传个指针,又快又准;库里还能做细粒度的权限隔离,正好补上了严肃生产环境最缺的那块板。

顺着这个思路,还能推出两件事。第一,人往群里说的是大白话,得配一个「书记」,负责把日常讨论提炼成库里的结构化记录:建了什么任务,做了什么决定,推到了哪一步。第二,Agent 之间私下怎么高频沟通都行,但每一条都得对人透明,平时折叠收起,需要时随时展开;否则群聊「看得见、插得上话」的最大价值就丢了。

另外别忘了,群只是 Context 露在 IM 里的那一面,并非全部。一个项目的 Context 底下,往往同时挂着聊天群、代码仓库和文档站。原文举过一个例子:你在 IM 里定了用方案 A,后来在 PR 评论里改成了方案 B,Agent 得跟得上变化。放在这套模型里,这事就很自然:群和仓库本来就挂在同一个 Context 底下,两边改的本就是同一份状态。

06

记忆:

从聊天记录到 Wiki

原文把长期记忆也列成了开放问题。顺着上面的账往下算,解法其实很清楚:聊天记录是原始流水,长期记忆应该沉淀成文档或 Wiki,机器再在旁边建好向量、全文和图索引,方便检索召回。

做数据库的看这套分层肯定觉得亲切:聊天记录相当于 WAL(预写日志),只追加不修改,是一切事实的源头;Wiki 相当于表,是从记录里整理出来、人能读能改的知识;至于各类索引,随时都能重建。所以备份只需盯紧前两样,索引丢了重算一遍就行。

真正难的不是存,是怎么持续整理:谁来干,多久干一次。这就像数据库得定期跑 VACUUM,光往里堆不收拾,记录越积越多,Wiki 很快就会臃肿到没法看——这就是「书记」的第二份工作。

整理时最值得留住的有两类:一是决定,也就是当时为什么这么定,这是群聊刷屏最容易冲走的东西;二是规矩,比如 AGENTS.md,往往是真金白银踩坑换来的,含金量最高。Wiki 里的每条结论,最好都能链回群里的原话,方便日后追溯。

落地时还有三个坑得提前防着。一是向量这种模糊检索对报错码、函数名这类精确字符串很不灵,必须配上全文检索;二是记忆写入得设门槛,不能群里谁随口一句话就往长期记忆里塞,最好像提 PR 一样,由书记提议、人或负责审查的 Agent 批准合入,免得一句话污染所有 Agent 的记忆;三是要学会遗忘,被推翻的决定、过时的结论要能标记作废、定期清理,就像清理 MVCC 里的死元组一样,不然一个早被否掉的旧方案还会在记忆里阴魂不散。

07

这套东西放在哪,

归谁

真要把这套体系搭起来,马上会撞上两个很实际的部署问题。

第一,Agent 得常驻。跑在笔记本上的 Agent,盖子一合、电一断就失联了。除非你接受手底下的 Agent 到点跟你一块下班,否则早晚要给它找台常开的机器:家里的迷你主机,甚至是智能路由网关音箱,或者一台云服务器。

第二,你的工作环境又不在那台机器上。没提交的代码、本地的凭据、挑环境的工具链,散落在这台笔记本、那台开发机上。原文在这一点上判断得很准:既然这些环境很难搬上云,那就让它们留在原地,每台机器驻一个轻量 Daemon(甚至可以是 sshd),Agent 需要时远程过去执行命令。中心只要记好一本总账:有哪些 Context,各自在哪台机器的哪个目录,按什么规矩办。代码同步直接走 git,犯不着再造一个网盘。

这么一拆,整个系统的分工就非常清晰了:Agent 跑在哪无所谓,模型走 API 调用随时能换,唯独状态(记录、记忆和规矩)必须有个固定的家。我在《三分天下:为什么 Agent Memory 框架是死路》里写过,Agent 技术栈最终会收敛成模型、Harness、数据库三层,讲的就是这个逻辑。现在看还得再补一样:身份,也就是 Agent 的账号由谁发,手里的钥匙归谁管。

运行环境和模型只会越来越便宜、越来越容易替换,最后真正值钱的是状态和身份,所以厂商一定会想尽办法把这两样攥在自己手里。这事不是杞人忧天,2025 年年中就已经演过一回了。当时 Salesforce 改了 Slack 的 API 条款:第三方不许再通过 API 批量导出消息、建持久索引、长期保存,也不许拿去喂大模型,只能走它自己的搜索接口按条查。网页上的导出按钮虽然还留着,但你想挂个自己的工具持续做镜像、建独立索引,已经走不通了。数据名义上是你的,能带走多少却得看房东脸色。

我的观点一以贯之:数据的控制权应该留在自己手里,检验标准只有一条,能不能随时带走。状态放在 PG 里,哪怕用的是别人托管的 PG,哪天不爽了随时一行 pg_dump 拎包走人;要是塞进厂商私有的记忆黑盒里,真想迁走就得脱层皮了。

08

有人做出来了吗

我之前在上海 AI 应用大会的圆桌上聊到过这种形态:谁把这条总线做出来,谁就赢了。那现在有人做出来了吗?简单说:零件到处都是,完整的还没有。

大厂这边,探路的方向其实大同小异,只是各砌各的墙。腾讯的 WorkBuddy 今年 3 月公测,几个月后日活就报到了 1300 万(花旗 7 月研报的数字),10 月又跟企业微信打通;但它骨子里还是个人桌面 Agent,IM 只是个遥控器,算不上协作现场。飞书往前多走了一步,让 Agent 进群、领工号、和别的 Agent 分工,往「有工号的数字同事」上靠。Slack 则干脆把原文那套 Router 做成了产品,由 Slackbot 统一调度各家 Agent,卖点就是你不用操心哪个 Agent 管哪摊事。

开源社区攒出来的零件也不少。OpenClaw 已经做到了一个群对应一个会话,但数据还是散在每个 Agent 本地的 JSONL 文件里;MCP Agent Mail 给每个写代码的 Agent 发了身份和收件箱,活像一个给 AI 用的邮件列表,但默认只跑在单机上;Mattermost 支持自己部署,底层正是 PostgreSQL,群里也能放好几个接不同模型的机器人,但它们目前主要还是对话助手,缺独立的执行环境。

还有个叫 AI Village 的实验挺逗,把 OpenAI、Anthropic、Google、xAI 四家的 Agent 放进同一个群里干活,测下来发现群体协作有时提效、有时反而拖后腿。其中一个 Agent 总结出的心得很有意思:在社区里当 Agent,最要紧的是拿捏好什么时候闭嘴。

看了一圈,离我心目中那个形态最近的,反倒是独立开发者 yetone 的两个开源项目。一个是 cumora,主打人与 Agent 混编的团队聊天工具:Agent 跟人一样进群、发私信,有自己的记忆和状态,既能接托管的云端大脑,也能把你本机上的 Claude Code、Codex 挂进来,后端用的正是 Postgres。另一个是 magpie,专门管模型这一层:本机上每个 Agent 调哪家模型,在一个界面里就能随时切。

文章配图

拼起来看就很清楚了:大厂有群、有数据、有身份,但全锁在自家的围墙花园里;开源的零件越造越齐,但把自己部署、以 Context 为中心、各家 Agent 混编进群、共享数据库底座、跨机远程调度这几块拼图一口气咬合到一起的东西,目前还没有。

09

超级代理的 Infra 底座

商业软件那边的赢家,基本已经由渠道决定了:飞书、Slack、微信手里本就攥着人。开源这边要想赢,拼的绝不是功能比大厂多,而是能不能做成那个谁都敢用、谁也卡不住谁的中立标准,就像 PostgreSQL 之于数据库。

而不管走哪条路,共享状态的底座扒到底都落在两样东西上:数据库和对象存储。单机玩具用本地文件系统配 SQLite 就够对付了;一旦要跨设备、跨机器,标准答案就是 PG 加 S3,外头再配一套文档框架跑 Wiki,一个 Git 仓库管代码。

细数一下就会发现,这几乎全是 PG 的看家本领:结构化记录直接落表;Agent 之间发信号,有 LISTEN / NOTIFY;给时断时连的机器排异步任务,有 SKIP LOCKED 队列;两个 Agent 抢着改同一页 Wiki,有 advisory lock;按 Context 隔离权限,有行级安全(RLS);混合检索有 pgvector 和全文索引;合规审计有 pgaudit。至于大文件和构建产物,扔进 S3 就完事了。

我心目中的理想形态其实很朴素:找一台常开的 Linux 机器,摆在书房的迷你主机也好,云上的虚拟机也罢,在里头跑齐数据库、对象存储、Web 服务、托管代码仓库和自建 IM,再驻一个总控 Agent。这就是你那帮 Agent 的家。模型按需去租,执行环境散在各处,唯独状态和身份稳稳留在自己手里。

这套东西里最吃重的两块,一个是 PostgreSQL 数据库,一个是兼容 S3 的对象存储,正好在我这几年一直在打磨的 Pigsty /Silo里都提供了。上层的 IM 完全可以先拿 Mattermost、Zulip 这类原生跑在 PG 上的现成方案顶上。真正需要新造的,其实就是显式的 Context 管理层,以及群里那位「书记」。

实话说,这套完整体我自己也还没攒出来——没时间折腾这个。即使今天,我也经常在几个 Harness 之间手工当人肉总线,这篇文章里的大半念头,就是被这份苦差事逼出来的。「Super-Agent 控制面」这场应用层的仗,我大概率不会亲自下场去打;但在底座这一层,我也知行合一,早早就下了注:Pigsty 把 PostgreSQL、上面点名的全套扩展,连同 Silo 对象存储打包在一起,在 Linux 上敲一行命令就能拉起来,开源免费。谁想捣鼓这套东西,尽管拿去当底座。

眼下真正的 Super-Agent 还是人类自己。AI 什么时候能接过这个班,我不知道;但不管最后谁坐这个位置,脚下那块管状态、管边界的 Context 底座,反而是高度确定性的。

文章来自于"Founder Park",作者 "Founder Park"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)