DeepSeek Harness Launches Super Agent; Analysis of Agent Evolution from Bot to Workbench
The DeepSeek Harness product team recently launched Super Agent, drawing industry attention. This article reviews the evolution of Agent tools over the past year—from chat Bots to desktop workbenches and now converging forms—identifying core drivers as 'closeness to actual work environments' and 'accessible capability sharing.' With new products emerging, Agents participating in building their own environments and connecting capabilities has become a new trend.
Full Report
Contents7 sections
Super Agent是怎么来的？
最近最火的应该是DeepSeek Harness产品团队发布的Super Agent了。
很多人说没看懂，也有很多人说，这就是自己工作的日常。这里想聊一下，过去这一年观察到的Agent产品工具的演进逻辑。可能从这个过程回顾，有机会帮助我们更好理解，发生了什么？为什么走到了现在。
先看一个趋势，以及背后的朴素逻辑
今年年初发布的产品，受OpenClaw影响，大多数最开始就是一个Bot，可以让刚接触Agent到人从聊天工具里找它，这样新手更容易使用；而随着时间的迁移到了4、5月，更多新用户开始使用WorkBuddy这样的桌面应用，IDE类、桌面App类应用开始变多，可以方便让Agent在这些环境里面处理工作，竞争也开始激烈。
而到了最近2个月，你会发现一个有意思的情况，就是两边都开始往对方的方向走。一些Bot为主的Agent产品开始补工作台、文件处理、工具/连接器，而原来在电脑上工作的Agent，也开始Bot化，支持更好的手机入口、channel入口和协作。
看起来有点绕，看起来好像是从Bot出发，最后又回到Bot了？
我觉得背后其实是两个非常朴素的需求，在驱动这个变化。
1、Agent要把事情做好，就需要更接近人的实际工作环境。 2、而如果上下文更多，人的coach也更多，Agent越来越好用，人就越希望随时能找到它，也希望把它的能力交给别人用。
而最近的DeepSeek Harness，以及大家围绕它们折腾出来的新用法，又让这里多了一个变化：建设这个环境、接通这些能力，也可以让Agent自己参与了。
所以，我想顺着这条线，聊聊自己的几个观察。
从容易用起来 到真正用起来
年初OpenClaw那一波，最直观的感受，就是联系自己的Agent变方便了。打开熟悉的聊天工具，发句话，它就能开始做事。人不用一直守着电脑。
而且，它已经不只是回答问题，还能接触文件、调用工具、操作设备。
我还留着当时使用内网版的一段对话。我在聊天里问它，知不知道我正在做的一个项目。它回答自己在对应的代码仓库里，准备继续查看项目结构。虽然前面还是一个聊天窗口，后面已经接着一个可以干活的环境了。
年初体验公司的OpenClaw内网版，现在已升级为iMate平台
但继续用下去，会发现“能找到它”，和“它能把活干好”，还是有些距离。
它知道我今天正在做什么吗？文件是不是最新的？上次那个方案为什么没采用？我刚补过的条件，这次有没有带上？
这些背景，很多不在一句任务描述里面。模型能力当然重要，但它这次能看到什么、能调用什么，也会直接影响结果。
比如写一份分析报告，只说“帮我看看这个业务”，和让它能找到需求背景、数据口径、之前的分析，以及刚补充的判断，做出来的东西会很不一样。开发也是，知道仓库结构、哪些测试已经跑过、哪个方案被否掉，才更容易接着往下做。
所以，IDE、桌面App和工作台这条路的价值，慢慢就显现出来了。也是为啥到了特别是4、5月份，很多Bot类为主的产品，用户增速低于了WorkBuddy这样的Working Agent产品。
这里说IDE（Working Agent产品），也不只是写代码的软件。它越来越像一个共同工作的地方：左边是资料和文件，中间可以直接看内容、改东西，旁边是和Agent的会话，下面还能运行工具、看执行结果。做一份材料、研究一个问题，也可以在这里完成。
IDE的人机协作丰富度非常高
Working Agent代表：WorkBuddy
人和Agent围绕着同一件事工作，背景就不只来自我最后发出去的那句话。改了哪里、为什么改、哪个尝试没成功，都有机会留下来。
这也是为什么，即使给Agent一台云端电脑，还不等于它已经和我在同一个工作环境里。我的文件可能在本地，讨论在群里，刚做的修改还留在另一个会话里。这些接不上，它依然需要等我搬过去。
当然，Bot类产品，背后也可以有完整的工作区和记忆。不能因为前面是聊天窗口，就觉得它只有聊天记录。真正要看的是，实际工作在哪里发生，Agent能不能拿到相关背景，并且继续做下去。
资料也不一定都要搬到一台机器上。能按权限找到需要的内容，接上后续变化，比“存得很多”更重要。
越好用，越希望随时能找到它
当一个Agent已经积累了不少背景，工具也用顺了，人自然又会想：离开电脑以后，能不能继续用？
这时再需要Bot，跟最开始的那个只是联系便捷，感觉又有一点不同。
最开始，可能只是想有个随时能问的助手。现在想联系的，是那个已经知道事情经过、手上还有工作在做的Agent。那时候主要是体验的入口快捷。
我自己就有一个很小的例子。有一次在手机上找分身看一份材料，我补了一句，某个讨论群里有。它接着找到了对应消息里的文件，再去读内容。
把Working Agent接入到微信
这里方便的，不只是手机上能聊天。而是我不用先回电脑找文件、下载下来，再重新发给另一个助手。原来已经接好的工具和可访问的背景，可以从这个入口继续用。
还有很多需求也是类似的。在电脑前开始一件事，出门后想知道进度；突然想起一个条件，随手补一句；它做着做着需要确认，也能找到我。
再往前一步，手机和群聊还会带来新的背景。
我和Agent在电脑前讨论好了一个方案，后来跟同事聊，发现前提变了。或者刚开完会，对一件事有了新的判断。如果要等回到原来的电脑、找到原来的会话，再完整讲一遍，可能已经忘了当时为什么改变想法。
所以，入口方便，也会影响积累的质量。越容易继续聊，越愿意把刚发生的变化、还没整理好的想法交给它；这些背景留下来，下一次它又更容易理解我。
我觉得这才是“又回到Bot”比较有意思的地方。它不只是一个遥控器，新的讨论也可以从这里回到原来的工作里。
当然，换个入口不等于完整上下文会自动同步。接的是同一个执行会话，还是通过共享资料和工作记录接力，需要有相应的支持。但从使用者的角度，我希望的是同一件事能继续，而不是每换一个地方，就认识一个新助手。
从自己用 到和别人一起用
接下来还会遇到另一类需求：我的Agent已经能做好一些事，其他人能不能也用上？
假设一个同学把数据分析Agent建设得很好，积累了数据口径、工具用法和不少经验。其他人想获得这份帮助，最好不用先学习他的整套环境，再自己从头搭一遍。
我们就做过一类这样的数据服务尝试。
用户在自己原来的Agent里提问题，需求进入一个有专业同学和数据Agent参与的工作群。需要补充业务背景、确认口径，就继续在这件事上沟通；处理完成后，结果再回到用户原来的工作里。
内部一个需求交付案例，用户提出，Agent唤起，补充信息，Agent继续执行
这里的变化，跟“把一个Prompt分享给大家”不太一样。
专业同学继续维护知识、工具和处理方法。使用者带来自己的业务问题，也参与判断结果。双方不必使用完全相同的Agent，更不必每个人都学会怎么建设这套能力。
这件事也让我重新想过，怎么让用得好的人带动其他人。
一种方式是分享经验，让别人也学会搭。另一种方式是把已经建设好的能力交出去，让别人先用起来。不是每个人都要先变成Agent建设专家，才能获得帮助。
Bot或者群聊入口，就很适合承担其中的联系和交流。但背后仍然需要有人维护专业能力，也需要实际能执行的环境。群里多了一个头像，并不会自动解决这些问题。
我们内部做的HTalk，也有不少需求来自这里：尽量保留大家已经用顺的工具，把人、Agent和工作的背景接起来。具体用哪个产品不是前提，我更关心的是，能力能不能被找到、被使用，出了问题能不能继续找到人，新的反馈能不能回到维护者。
到了这一步，最开始“给我一个方便的聊天入口”，已经逐渐变成了“让我积累的能力，能够参与更多地方的工作”。
工作环境本身，也可以让Agent参与一起建设
不过，前面说的这些能力，总得有人建设。
资料怎么整理，工具怎么接，常做的事情怎么记住，哪里需要确认，什么结果算做好。过去这些事情经常要自己配置、查文档，或者等产品提供一个功能。
最近我更关注的变化是，Agent正在参与这一部分工作。
这里会用到两个大家非常熟悉的词。Context，是它做事时能够取得的背景；Harness，可以理解成让模型实际工作的那套安排，包括工具、记忆怎么用，任务怎么执行，遇到问题怎么处理。
如果一个Agent总做不好，原因不一定是Prompt没写清楚。可能是读不到资料，拿了旧版本，也可能是工具没有接好。只加一句“你要认真一点”，通常解决不了这些问题。
我以前也经常在不满意以后加规则。后来更愿意让它先看实际过程：刚才用了哪些材料，哪一步出了问题，我们对“做好”的理解差在哪里。找到了，再决定是补背景、改说明，还是调整工具。
某海外 Agent 产品的 Mods 机制，让用户可以修改部分提示、工具行为和界面，也可以让 Agent 自己编写 Mod。DeepSeek Harness 的 Creator mode 则支持通过对话创建插件，扩展工具、Skill 和界面。DeepSeek Harness官方介绍
这两类能力让我觉得，用户有机会不只是使用一个特定限制好的工作环境，还可以和Agent一起把它改得更适合自己。
比如一类任务反复要搬材料，可以试着把资料来源接起来；结果不方便看，可以调整呈现方式；某个做法已经反复用顺，就把它整理成后面能继续使用的能力。
最近看社区大家用DeepSeek Harness的养鱼文章，也有类似的感受。它展示的不只是给一个角色设定性格，还包括让Agent帮忙安装、配置、调试，把不同的能力和入口接起来。
建设用的Agent，和最后提供聊天或服务的机器人，不一定是同一个。但用户可以用自然语言表达想做什么，让一个有执行能力的Agent参与把它搭出来。
这也是我觉得“养”开始有点不同的地方。
能调整的不只是它说话的方式，还包括它取得什么背景、调动哪些工具、在哪个环境里做事。
这些能力并不是到“养鱼”才第一次出现，之前的OpenClaw也不是只有Prompt。只是现在，从表达一个想法，到实际修改环境，中间更多工作有机会交给Agent来完成，因为大家都已经在环境中通过Context积累跟使用过程的Coach，Agent已经不是当初的白板Agent。
当然，插件和程序依然是要在机器上执行的东西。来源、权限、可恢复的版本都要看，涉及账号、外发或付费不能因为“AI帮我装的”就省掉确认。改完以后，还得用实际任务看看有没有变好。
所以，年初大家主要在“养虾”，最近又开始“养鱼（DSH）”，大家也可以接着思考，有哪些区别？
用顺的Agent 还可以帮忙带一个新的
从这个角度再往前走，就到了我最近比较常用的一个办法。
自己的主Agent已经比较了解我，也和我一起做过不少事情。现在想分出一部分能力，交给一个新的Agent独立处理，能不能先让它帮忙带？
比如，我想让一个专门的云端Agent助手跟进日常事项，发现值得关注的变化。
我没有一上来就让它接管。而是先跟我已经用顺的Agent做几个例子，确认什么应该记、什么不能混在一起，再让新的Agent去做，回来一起检查。
过程中发现的问题都很具体。
它会把“已经记下来了”，理解成相关的人已经接手；也会没有注意到后面取消了安排，继续拿旧信息提醒我。纠正以后，又可能变得太谨慎，只敢列事实，把判断全交回来。
但我希望它补上的，恰恰是有依据的判断，不是再给我一张需要自己处理的清单。
这些时候，已经比较了解我的Agent可以去看目标Agent的会话，回到来源核对，再帮它调整、继续试。我主要看那些真正有分歧的地方：这个判断是不是我想要的，哪里还理解错了。
然后这个过程就自动起来了。
后面一轮演练，它把一场分享的正式日期信息，和准备工作的节奏联系起来，发现两边可能没有对齐。它没有直接说“已经误期”，而是建议先核实日期。
这就比只会照着状态提醒，更接近我想要的了。当然，演练里能做出来，还需要在后续实际工作里继续看。
我说的Coach，大概就是这个意思。不一定要再搭一个很复杂的系统，可以先让已经用顺的Agent承担这个角色：帮忙准备、测试、查问题、修改，再把需要我判断的地方拿回来。
而且，带它的Agent也会判断错。我之前让Agent自动在我的环境里帮我做Jev对IM消息分流实验，就纠正过它的评测标准：有人已经找了对应的负责人，不一定需要我再介入。它以为“更主动”就是更好，但那不是我的意思。
所以，这里面人并没有消失，只是不用亲自完成那么多配置、检查和反复操作。
还有一个要分清楚的地方：不能最后都是老Agent替新Agent完成工作，然后宣布“教会了”。还是要让新的Agent自己做，换个例子、换个会话再看。
如果准备给别人使用，也要把必要的专业能力和私人资料分开。不能为了让它像自己，就复制整份私人记忆；更不能默认自己的偏好，也适合所有使用者。
想做一个新助手的时候，现在我经常会先找那个已经用顺的Agent说：这部分事情，我想交给另一个Agent来做，你帮我一起把它带到能接手。
至少，不用每一次都从我自己打开配置页面开始了。
不同的产品 正在接近同一个问题
再回头看Bot、Working Agent，我觉得它们的关系相对就比较清楚了。
从Bot开始，深入以后，需要补工作环境和执行能力。从IDE、App等Working Agent开始，用顺以后，需要向外延伸，让人随时找到，也能和别人一起工作。
两条路并不一定会收敛到同一个界面，但需要解决的问题越来越接近。
比如Dots把自己的云端电脑、可连接的应用，与ChatGPT、Slack、Teams等联系入口放在一起。Grok Bot则把持续工作的云端环境、文件和记忆，与消息、群聊和Bot之间的协作结合起来。具体权限和用法各有不同，但我理解，它们都在回应前面这些需求。Dots官方介绍、Grok Bot官方说明
还有一条路，是直接从个人生活出发。比如Muse介绍的邮件、出行和长期个人目标，不是先让用户进入一个代码仓库，而是从日常事情开始。Muse官方介绍
背景的来源不一样，问题却有相似的地方：它需要知道我在意什么，手上有什么事，之前为什么这么判断，现在又发生了什么变化，还要真的有能力执行。
所以再往后想，大家在接近的，也许是同一个问题：什么样的Agent，能够在具体事情上，越来越准确地代表我去做事？
只记得很多信息，不一定就理解我的取舍；只知道我喜欢什么，没有工具和权限，也做不了事。它还需要能接到新变化，遇到拿不准的地方找我，做错以后能够调整。有时还应该提醒我，原来的判断可能不适合现在了，而不是越来越顺着我说。
我也不太相信一下子就会有一个在所有方面都能代表我的助手。先在一些具体事情上做得可靠，能接续、能纠正，再慢慢扩大范围，这条路更实际。
而这次让我觉得值得继续探索的是，建设这套能力本身，也开始有Agent参与了。它可以跟我一起整理背景、调整工作环境，还可以帮忙带一个新的Agent。
从自己用得好，到随时能找到，再到让别人也能用。过去这几步中间，有很多配置和搬运要靠人完成。现在，它们有机会更顺畅地接起来。
所以再看“养虾”或者“养鱼”，我更关心的已经不只是养出一个什么性格的角色。而是我和它一起积累的这些东西，能不能方便的持续积累建设，能不能在下一次真实需要的时候，继续用上。
而这些能力丰富了，你可能才会遇到，Super Agent的问题。
