DeepSeek修Bug拆成4个Agent：一套可抄的分工模板
触发、路由、契约、停止条件——把一条修 Bug 任务拆成可验收的 4 个角色修一个 Bug，为什么要四个 Agent 接力，而不是让一个更强的模型一口气做完？先别急着比模型。
DeepSeek Super-Agent 没回答的问题：管得了 Agent，管得好上下文吗？
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。
DeepSeek Harness产品分析：从「一切皆插件」到 Agent 运行时
DeepSeek Harness 以 154 万日活和 3.49 万插件证明:Agent 竞争已从模型能力转向运行时生态。
DeepSeek Super-agent：8万星能接管运营？
以前玩Agent，你是那个盯着屏幕、手动拆任务的“监工”，现在DeepSeek Harness团队直接让机器管机器，把人解放出来。
DeepSeek Agent 真实代码案例，从写一个插件到跑通 Skills
很多开发者对 DeepSeek Agent 的印象还停留在“调一次 API、解析一下 tool_calls”。但真正把 Agent 跑起来，缺的从来不是模型能力，而是模型之外的那一层：工具怎么注册、Skill 怎么加载、插件怎么打包、配置怎么校验、调用怎么观测。
DeepSeek Super-agent更早，Comma已经把长期记忆做进Agent大管家
作为对照，Anthropic 在 6 月 23 日推出了理念相近的 Claude Tag，让团队在 Slack 频道里共用一个 Claude。
DeepSeek 用一套框架撬开了 Agent 时代的底层大门
大模型竞争的重心，正在发生一次不易察觉却足以改写产业格局的下沉。过去两年，行业习惯把目光锁死在参数规模、上下文长度与榜单分数上，仿佛谁在基准测试里多拿零点几个百分点，谁就握住了下一代人工智能的船舵。
DeepSeek 让 AI 管理 AI，我们实测了super-agent：谁来监督AI「总管」？
把“人主”换成给 AI 派活的人，问题是一样的:Router 成了人和所有 Worker 之间的主要通道，它漏掉的消息，人靠什么发现?
DeepSeek 提出 Super-agent：Agent 不等开窗口，持续在线、主动推进
DeepSeek 最近一篇《Super-agent 设计探索》，讲的是一种 Agent 的新形态，没有去讲某个产品能干什么。我把它的核心思路拆给你，因为它戳中的是当前大多数 Agent 的一个根本局限。先说这个局限。