梦瑶发自凹非寺
量子位 | 公众号 QbitAI
大道不孤。
DeepSeek 刚刚提出的 Super-agent 及其理念，一经发布，引发热议。
也就在这种热议中，一家硅谷华人团队之前的成果，开始被真正看懂了。
而这场跨越大洋的技术共鸣，背后其实指向了同一个人机协同的底层困境——当前，人类正在成为 AI 的瓶颈。
设想一下，AI 可以同时推进 1000、10000、100000 个任务，多到人都看不过来时，Agent 到底该变成什么样子？
AI 生成
就在前几天，DeepSeek Harness 团队甩出一篇重磅文章，针对这一痛点给出了下一代 Super-agent 的架构设想：
一个拥有连续上下文、能够自主调度多个 Agent 并行工作，甚至7×24 小时在线的超级智能体。
把人类有限的注意力解放出来，让 Agent 接管海量任务，自己管理自己。
现实就是如此魔幻，很多人不知道的是，就在大洋彼岸的另一边，一家名叫 AFK AI 的硅谷华人团队——
早在年初，就把 Super-agent 底层的「单 Router+ 多 Worker」架构和四大核心特质，跑到了自家产品 Comma 里。
甚至他们还更进一步，直接向单 Session 接管一切后的上下文诅咒开刀，让 Agent 长期记忆、持续学习，始终在线：
更值得一提的是，这套系统已经公开可用，连代码都开源了。（源…源神？）
在这个人人都在高喊 Personal Agent 的时代，一支硅谷华人团队，提前把科幻电影里的「贾维斯」带进了现实。
苦单 Session 久矣，两大 Agent 玩家不谋而合
下面这些抓马且让人头大的学习工作场景，我猜大家应该都不陌生——你正在让 AI 修改一份代码，测试还需要十几分钟才能结束，sad...
这时客户突然提出新需求，催你赶紧出一份项目方案，你打开另一个 AI 会话窗，又开始吩咐任务。
好巧不巧，老板一个突袭，又在工作群里问起昨天的项目进度，捉急！！
于是你继续狂切窗口、翻找历史对话，回头一看，满屏 Agent 会话、无数个待跟进任务，真·头大了。
如此「难绷」的一幕，其指向的正是 DeepSeek Harness 团队在 Super-agent 文章中提到的核心痛点——根据团队的观察，咱普通人的注意力，通常只能同时跟进 3 至 5 个活跃 Session。
不是 Agent 本事不够大，关键原因在于 Agent 的并发能力可以无限扩张，但人类的注意力却是有硬「上限」的。
而 Super-agent 的破局思路也相当直给：那索性就直接把人类注意力外包出去，让 Agent 管理 Agent。
对此，他们还为 Super-agent 提出了四大标准——连续、高效、主动、持久。
连续代表着记忆与上下文贯通，高效来自多 Worker 并行协作，主动代表自主推进任务，持久则支撑长期在线及自主修复。
用户通过一个对话入口，让主 Agent 调度多个 Agent 并行处理海量信息、跨场景盯活，人只负责顶层决策就 ok：
前几天，DeepSeek Harness 抛出的这一判断，直接整得大家震惊眩晕瘫坐了，但更让人兴奋的是——
DeepSeek 描绘的下一代 Agent 蓝图，硅谷华人团队 AFK AI 早在半年前，就已经沿着相似的方向做出了 Comma。
甚至这个团队还提出一个颇具前瞻性的理念：一个团队，一个对话。
用户只需面对一个长期存在的主对话，由 Router 统筹任务、调度拥有独立上下文的 Worker 并行执行。
在底层架构上，两个 Agent 玩家也形成了颇为默契的共识：单 Session+Router（主脑）+多 Worker（执行者）。
由常驻 Router 统一接收指令、统筹全局，多个 Worker 在独立上下文中并行干活、汇报结果。
哪怕后台有几十个 Agent 同时开工，用户也只管在一个对话框里交代事情、验收成果，再也不用满屏切窗口、挨个催进度。
当然，新的问题也来了，那就是当 Agent 开始接管人类的注意力，一个更棘手的问题也随之浮出水面——
谁来管理 Agent 自己的记忆？（好问题 .jpg)
要知道，一个 Session 要操心的事情越来越多，上下文窗口终究是有上限的。
当一个长期存在的 Session 开始接管越来越多的工作，人类的注意力问题解决了，但 Agent 自身的记忆瓶颈又出现了。
真正难啃的，是让 Agent 拥有一套能够持续学习、长期在线、随时找回关键记忆的系统。
而这，恰恰触及了 Super-agent 更深层的技术命题：
一个像贾维斯一样无处不在、永远在线，甚至能在长期工作中不断积累经验的个人 Agent。
而这份关于未来 Agent 的想象，事实上已经沉淀进 Comma 里，变成了每个用户都能亲身感受到的实际体验。
从架构共识到产品落地，Super-agent 跑进真实产品里
连续与高效：一个对话，让 Agent 自己带队干活
咱先来拿「连续」和「高效」这事儿聊聊。
前面提到，Super-agent 的一大架构特点，就是让常驻 Router 统筹全局，多个上下文隔离的 Worker 并行执行任务。
敲重点！这里强调的不仅是单个会话里的多任务执行，还包括跨环境执行，理解并响应用户意图的变化等等。
而这套听起来颇为理想化的交互方式，如今在 Comma 里，已经变成了实打实的产品体验。
对咱普通用户来说，我自己感觉最爽的一点就是：终于不用天天给 Agent「拉群」、安排人设、挨个交代任务了。
啥一个任务一个会话框、啥任务排队执行、啥反复粘贴背景资料，统统可以 pass！！！
这不嘛，最近我一直在沉迷玩《分手厨房》游戏，但总觉得还不过瘾，于是灵机一动：直接吩咐 Comma 搓一个。
但问题是，我手头还压着周报复盘，以及近期 AI 模型发布信息的整理任务，其余待处理的事项也有点多。
搁以前，这时候又得一口气打开三个 Agent 会话，分别交代背景、安排任务，再挨个盯进度。
这回我索性偷个懒，就守着 Comma 的同一个对话框，把三个任务一股脑全塞了进去。
结果，真给我看愣了——三个任务，被分配给不同 Worker。
仨 Agent 同时开工、互不打架，我甚至还能随时插话、临时加活，后台照样火力全开，真·一点不耽误啊？？？
当然了，光看后台热热闹闹还不够，最终还得拿成果说话！！
大家直接来看 Comma 耗时十分钟给我做的《分手厨房》（手搓版）。
WASD 移动、3 分钟倒计时、抢锅、送错菜、堵住通道……要求的玩法都给安排上了，完全1:1 还原了我的要求。
与此同时，另一边的周报复盘也新鲜出炉，工作内容梳理得有条有理，重点进展和后续安排也都整理妥当，不错：
整个过程，我只管提需求、看进展、验收成果。
后台的任务分派、并行执行与状态汇总，都由 Comma 接手，我一点手不插。
这也是我第一次切实感受到，人，终于从多任务调度和注意力分配中抽身。
管理 Agent 这件事，也终于从「盯过程」变成了「管结果」。
跨环境：跨 App 接活、派活、交活，一条龙
不过，能在一个对话框里同时干活，还只是上半场。
真正考验 Super-agent 的，还有当用户的任务离开这个对话框，它还能不能接着往下干。
这也正是 Super-agent 对「连续性」提出的更高要求：跨环境。
在 DeepSeek 提出的架构中，这依赖于底层的多信道交互机制——
由 Router 统一承接不同平台的消息，Worker 在后台独立执行，再根据不同渠道的交互习惯返回结果。
他们官方给的一个例子，是同一开发任务跨 IM 与 GitHub 无缝推进，AI 能主动监听群聊还能自动提交 PR，be like：
值得一提的是，在 Comma 里，这种高效和持续的「跨环境」能力，也早就做成了用户可感知的体验——
其背后依托的是团队自研的分布式 Agent 运行框架 Salix。
通过第三方应用连接器，其能够接收来自不同平台的事件，再由可编程 Loop 持续监听，在需要时唤醒 Agent 处理。
而且 Comma 打通的范围还相当广，像微信、Signal、iMessage、Linear这些通信渠道我们都能接入～
不仅如此，Comma 还支持安全自部署、BYOK 及接入 Codex、Claude Code，统一监督任务、跨端协同管理。
甚至在公司场景下，其还可以通过 IM 里的 Comma Bot 下达任务，让连接的员工电脑提供所需的本地工作环境，并通过权限及信息流控制约束访问范围。
由于最近手头的稿子确实有点多，于是我也把 Comma 接入了 Linear，直接在 Comma 里给 Linear 下达了项目需求：
转头打开 Linear 一看，Issue 已经建好了，该拆成哪些具体任务、怎么安排后续工作，这是真给我安排得明明白白啊：
但我其实更想说的一点是，Linear 里的 Issue 还能反过来交给 Comma 执行，进展和结果同步回原来的任务里！！
Comma 里交代的活，Linear 接得住，Linear 里的任务，Comma 也能继续干，两边信息颗粒度还一直对齐。
任务能在不同平台间接力，如今，咱终于不用跟着各大平台和 Agent 到处跑了，建议大厂好好学学：
一个主动的 Agent，一个持续学习，永远在线的记忆系统
在 DeepSeek 的设想中，Super-agent 还有两项极具想象力的特质：「主动」与「持久」。
说白了，就是让 Agent 从被动接活，进化到主动发现问题、自己找活干，还能7×24 小时在线。
巧的是，Comma 也有异曲同工之妙，甚至能让 Agent 自己编写值班程序，全天候替人盯梢——
即便大模型没有运行、用户退出客户端，系统依然能够24 小时不间断值守，并在关键时刻唤醒 Agent。
说到这儿，我最近也顺手拿 Comma 当了一回「AI 选题编辑」。
直接通过接入微信给它安排了个长期任务，每天中午 12 点和晚上 9 点，主动搜罗最新 AI 新闻，整理成选题推送给我。
结果到了点，消息就自己送上门了，选题、摘要、一手信息源全都有，再也不用担心没有选题给主编报了——
当然，真正的 Jarvis，还在于它无处不在。
多端记忆绝对一致，不被任何一个 App 绑定，却能掌控所有的信息流。
哪怕我在 Comma 客户端里问 Linear 的任务进展，Comma 也能准确应答，跨端记忆的本事没得说：
在记忆管理的底层设计上，Comma 也确实有点真东西在的——
其将长期状态保存在模型上下文之外，再通过 Router 与独立 Worker 的分工，避免海量任务细节不断挤占主对话。
更进一步，Comma 还把「持续学习」做进了产品深层，甚至让 Agent 能够从每一次工作中积累经验。
Comma 会记录 Agent 的任务结果、人工修改和验收反馈，将其转化为训练信号，持续迭代专属小模型。
更有意思的是，新模型必须在团队自己的测试中击败旧版本，才能正式上岗。
比如，原本把退款请求误判为 Bug 的 v3 模型，在学习人工纠正后，升级到 v4 便能正确识别为账单问题。
AI 生成
而这套机制，事实上还会按月更新评测数据，让小模型逐步接手成熟工作流，复杂任务则继续交给大模型。
相当于 Agent 每干完一轮活，都有机会把经验变成下一次的本事，真正实现越干越聪明。
从 Bridge 到 Comma，持续探索长期自主的 Agent
最后我想说的是，Comma 这套架构的诞生，其实比很多人想象中还要早。
把时间拨回 2026 年 4 月。
彼时，Super-agent 还没成为行业热议的话题，硅谷华人团队 AFK AI 就已经明确了自己的技术方向——
让一个长期存在的主 Agent，统一接管用户的任务，再调度多个独立 Worker 执行。
4 月 28 日，团队正式公开了 Comma 的前身：Bridge。
当时的产品介绍中，就已经出现了 Lead Agent（主 Agent）与 Subagents（子 Agent）的架构设计。
随后，这套理念开始加速落地。
5 月 20 日，团队明确「每个群组一个 Router Session」；6 月 3 日，固定主对话与任务委派机制正式上线。
巧的是，仅仅 20 天后，Anthropic 也推出理念相近的 Claude Tag，让一个 Slack 频道共享同一个 Claude。
而 AFK AI 的探索还在继续。
8 月，团队推进 Session 切换能力。
9 月，引入共享 Session 的信息流控制机制，解决多人协作中的敏感信息流转问题。
9 月 30 日，Comma 正式开源，随后又公开了基于 Lean 形式化验证的安全机制。
从单一主会话、多 Worker 协作，到跨 Session 管理与安全控制，Comma 用了近半年时间，将最初的架构设想一步步变成了真实产品。
如果说 DeepSeek 为行业描绘了 Super-agent 的具体形态，Comma 则用已经运行很久的产品给出了另一种回答——
一个真正能够长期陪伴用户、自主协调任务的 Personal Agent，早就提前走进了现实。
见微知著，察势于先。
回过头看，DeepSeek 和 AFK AI 在架构上的不谋而合，本质上则是两支团队穿透表层应用，对多智能体体系底层瓶颈、真实生产侧痛点形成的共识判断。
当前 AI 浪潮走到当下，行业对 Agent Harness 的期待，正在发生一次关键转向——
行业对 Agent Harness 的期待迎来关键跃迁，关注点从任务吞吐量，落到它所能承接的责任与复杂事务体量之上。
而 Comma，已经率先在这条路线上交出了实践样本，让 Agent 在长期使用中不断积累经验，真正实现越用越聪明。
永久在线、共生成长的贾维斯，如今，早已不再是科幻梦。
