生态全景对比:同样叫 Super Agent,区别在哪?
市面上叫“Super Agent”的产品很多,但面向的用户群、开放程度和底层架构完全不是一回事。一表看清各自站位。
1. 四大代表体系对比
| 产品 / 项目 | 核心定位 | 开源 / 可定制性 | 优势场景 |
|---|---|---|---|
DeepSeek Harness (dsh) + Super-Agent | 开源可插拔编程 Agent 运行时 + Router-Workers 原型 | MIT 全开源,Cordis 插件热插拔,可换任意模型 | 企业/开发者自建私有异步研发流、接 GitHub/飞书自动化派单、极客深度定制 |
| Anthropic Claude Code | 终端原生全能编码代理标杆 | 官方闭源客户端(可接 MCP / Hooks / 自定义 Skills) | 单人高强度交互式软件工程、复杂仓库重构、开箱即用稳定性极高 |
| Genspark Super Agent | 面向非技术与全能办公的“多模态成品生成工作台” | 闭源 SaaS 平台(底层深度整合 Claude 等前沿模型) | 一句话自动调研并生成 PPT、数据表格、可视化互动网页、深度研报 |
| Manus / 通用云端 Agent | 自带云端浏览器与虚拟桌面的通用任务执行器 | 闭源托管平台 | 跨网站自动比价、填表、信息收集与图文报告交付 |
2. 怎么把 DeepSeek Super-Agent 的思想用到你手头的 Claude Code / Antigravity 里?
即使你日常主力依然用 Claude Code、Codex 或 Antigravity,也完全可以照搬 dsh-superagent-prototype 验证过的三大结构化做法:
- 主对话当 Router,子代理当 Worker:当需求拆出 3 个互不干扰的子模块(如“改样式”、“补测试”、“写接口”)时,不要在一个上下文里串行硬干,直接派生独立 Subagent / 并行 Worker,完成后只回收精炼结论。
- 把规则写死进 Hooks / Skills,而不是每次口头叮嘱:例如用“代码完成后必须跑过
npm run build才允许结束回合”的硬门禁,代替温和的文字提醒。 - 事件驱动代替人工盯屏:用脚本或 Cron / Webhook 监控构建失败或定时抓取任务,只在发生真实异常或需要拍板时才推送通知叫人。