DeepSeek Harness团队于2023年10月31日发布了名为Super-agent的工具。次日，该工具的dsh-superagent-prototype仓库在GitHub上获得了3705星的单日增长，从第22名跃升至第一名，知乎热榜排名第二，热度达到1500万。Super-agent的主要功能在于，它允许用户通过一个常驻的Router来管理多个Worker，从而替代用户之前针对多个Agent会话的单一管理模式。根据实际使用数据，Super-agent的p50响应时间为12.4分钟，p95响应时间为15.7分钟，相较于单一会话加Subagent方案的p95响应时间29.5分钟，显著提升了任务执行效率。

然而，经过对相关文档和实测结果的深入分析，发现Super-agent的Token使用成本显著上升，其读取缓存Token数量从605万增长至2323万，增幅约为3.8倍。此外，Router及Worker的运行环境依托于用户的操作系统账户，这意味着它们具备访问用户home目录的能力。

在Super-agent的设计中，Router和Worker的运作机制明显不同于Claude Code的Subagent模式。或许很多用户最初会将Super-agent视为Claude Code Agent Teams的简单改名，然而两者的核心机制迥异。Claude Code的Subagent模式基于同步协作，在一个会话中执行子任务并等待其完成。而Super-agent则采用异步操作，Router负责维护全局上下文并分派任务，而Worker执行任务时独立于Router，形成了任务之间的上下文隔离。这种设计显著减少了任务排队的等待时间，提升了整体响应速度。 谈球吧

尽管Super-agent在响应时间上取得了明显的优化，Token消耗的增加却是其使用者需要关注的重要因素。根据DeepSeek团队的实验，Super-agent在处理约300条消息和20项真实工作请求时，其读取缓存Token的数量达到2323万，而单会话的基线数据为605万，增幅达到3.84倍。团队的解释是“用更多Token换取更短、更稳定的完成时间”，但这一表述并未涵盖所有潜在成本因素。取消“订阅直通”机制后，Router的决策次数增加了30%，进一步导致读取缓存Token数量上升至3177万，增加了37%。此机制并非可选优化，而是控制成本的关键，重启处理每一条后续事件将直接导致Token消耗上升。

需要强调的是，Super-agent的Worker虽然具备独立的会话和工作目录，实现了文件层面的隔离，但并不意味着进程间的安全隔离。相关分析指出，Super-agent的Worker是以“danger-full-access”权限在用户的操作系统账户下运行。此特性使得Worker能够访问用户的home目录及按路径执行程序。因此，文档建议用户使用专用的操作系统账户来确保安全，这一点值得关注。具体而言，Worker继承了系统权限而非受限的沙箱权限，能够直接访问操作系统上的程序和文件，这提出了潜在的安全风险。

综上所述，DeepSeek Super-agent在提升任务处理速度的同时，也带来了Token使用成本的显著增加与潜在的安全隐患。对于在生产环境中部署Super-agent的用户而言，实施专用的操作系统账户是防范风险的关键措施。尽管其安装过程相对简单，但在利用“研究原型”进行实际操作时，用户应充分考虑所涉及的安全性问题。 谈球吧