梁圣开源超级Agent架构：让AI长期在线主动干活

从「等待指令」到「主动发现问题」：Agent范式的关键转折

据B站UP主分享，开发者良胜（梁圣）近期开源了一个名为 DeepSick Operating Prototype 的超级Agent架构。它的核心思路并不复杂，却切中了当前AI Agent最尴尬的痛点：大多数Agent本质上仍是「对话的奴隶」——你问一句，它答一句；窗口一关，任务终止。而这个架构试图把AI从被动响应者变成长期在线、能主动发现问题并执行任务的Agent。

这个转变的意义在于：Agent不再受单个对话窗口的生命周期限制。过去的Agent像一个临时工，每次上岗都要重新交代背景；而长期在线的Agent更像一个常驻员工，持续感知环境、积累上下文、在规则允许的范围内主动推进工作。据UP主描述，这正是该架构「非常不错」的地方——它未必是算法层面的突破，而是工程机制上的重新组合。

两层解耦：Router负责全局，Worker负责并发

DeepSick Harness团队从底层做了重构，把「维持全局连续性」和「高并发干活」这两件本质不同的事拆成了两层：

• Router层：负责全局调度和用户交互，掌握整体状态与任务分发；
• Worker层：各自维护独立上下文，并行处理具体任务。

这种拆分解决了一个常见的架构矛盾：如果所有上下文都塞进一个会话，并发就无从谈起；如果完全并行，又容易丢失全局一致性。分层之后，Router保证「我是谁、整体进展到哪」，Worker保证「具体这件事怎么快速做完」，两者互不干扰。据UP主介绍，这是该架构在工程设计上最值得关注的部分。

事件驱动：任务不再只靠指令启动

任务驱动机制也做了改变。Agent不再只依赖用户指令启动任务，而是监听GitHub、群聊、CI等外部事件。没有值得处理的事情时，它就安静待着，不消耗资源也不打扰人；一旦有事件触发，才进入工作状态。

这种设计让Agent真正嵌入了工作流——代码提交、流水线状态、团队讨论都可以成为它的输入源，而不是等人想起来再去问它。

事件驱动架构（Event-Driven Architecture）是一种以「事件」的产生、检测和响应为核心组织系统行为的模式。在传统请求-响应模型里，系统只在被调用时运转；而事件驱动系统中，系统持续监听外部信号源（如Webhook、消息队列、文件变更、CI状态回调），一旦匹配到预设条件就触发对应处理逻辑。对Agent而言，这意味着它可以把GitHub的push事件、群聊中的@消息、流水线的失败通知等作为「输入」，由事件本身而非人的提问来驱动任务启动。事件驱动通常配合订阅-发布机制与去重、限流策略使用，否则容易因事件风暴导致重复处理或资源浪费，这也是后文强调「简单事件用代码过滤」的工程原因。

在Agent语境下，「上下文」（Context）指模型在完成一次任务时可见的全部信息，包括对话历史、工具调用结果、环境状态等。受限于模型的上下文窗口长度，把所有信息塞进单一会话既昂贵又容易互相干扰。Worker层「各自维护独立上下文」的含义是：每个并发任务拥有自己隔离的上下文空间，只装载与该任务相关的信息，任务结束后可回收或摘要归档；Router层则持有一份轻量的全局状态（如当前有哪些任务在跑、各自进展、优先级）。这种「全局轻状态 + 局部重上下文」的分工，是分布式系统中常见的模式，它使得并发扩展不会线性推高单点上下文负担，同时保证全局一致性由单一调度者维护。

成本控制：简单事件用代码过滤，复杂事件才交给模型

主动型Agent最大的隐忧是推理开销失控。该架构的应对方式是分级处理：规则允许的情况下主动推进，简单事件直接用代码过滤掉，只有复杂事件才交给模型判断。

这一机制的价值在于把模型算力用在刀刃上。大量例行事件本可以用确定性逻辑处理，没必要每次都唤起大模型；只有真正需要理解与判断的场景，才付出推理成本。UP主明确提到，这样做是为了「减少不必要的推理开销」。

大模型的推理开销主要体现在每次调用消耗的token数量与调用频次上，主动型Agent因持续监听事件，调用频次可能远高于对话式Agent，成本容易失控。「用代码过滤」指的是以确定性规则（如事件类型白名单、关键词匹配、变更文件路径、状态码判断）在进入模型之前先做一层筛选，把明确无需处理或可程序化处理的事件直接处理或丢弃。这类确定性逻辑成本近乎为零且结果可预测，而模型调用适合需要语义理解、模糊判断的场景。业界常把这种思路称为「模型分级」或「路由式降本」，与大小模型协同、缓存命中复用等手段结合，可在保持主动性的同时把推理预算集中在高价值事件上。

并非算法创新，而是工程机制的重新组合

值得客观看待的是，UP主本人也指出：这些设计并不算全新的算法创新。Router/Worker分层、事件驱动、分级过滤，单独看都是业界熟悉的工程模式。

真正的价值在于把它们重新组合进Agent运行时，从而让Agent摆脱单个对话窗口的生命周期束缚。这类工作往往不如模型能力突破那样吸睛，但对Agent能否从演示走向生产环境至关重要。开源这一架构，也为关注Agent工程化的开发者提供了一个可参考的实现样本。

对于正在构建Agent应用的团队而言，这个原型值得关注的不是某个单点技术，而是它如何用分层与事件驱动把「长期在线」和「高并发」这两个目标同时落地。