Đội ngũ nghiên cứu kỹ thuật DeepSeek Harness thuộc công ty trí tuệ nhân tạo DeepSeek đã công bố bài nghiên cứu kiến trúc chuyên sâu vào ngày 01/11/2026, trình bày bản thiết kế mang tính hệ thống cho thế hệ tác tử tiếp theo với tên gọi Super-agent. Mục tiêu cốt lõi của đề xuất là phá vỡ giới hạn của các công cụ lập trình AI hiện nay, chuyển dịch từ các cửa sổ trò chuyện đơn lẻ sang một thực thể hoạt động liên tục, tự chủ và hỗ trợ song song nhiều luồng công việc phức tạp.

Giới hạn của sự chú ý con người trong mô hình phiên làm việc

Trong bài luận kiến trúc do kỹ sư Yujia Qiao đại diện nhóm công bố, DeepSeek chỉ ra rằng sự phát triển nhanh chóng của các mô hình biên giới đã giúp việc thực thi từng tác vụ đơn lẻ ngày càng ít cần sự can thiệp từ người dùng. Tuy nhiên, nút thắt cổ chai kìm hãm năng suất lao động hiện nay không còn nằm ở năng lực mô hình, mà đã chuyển dịch sang giới hạn chú ý của con người.

Hầu hết các công cụ hỗ trợ lập trình hiện tại như Claude Code hay Cursor vẫn tổ chức công việc theo từng phiên làm việc (session) cô lập. Người dùng muốn xử lý nhiều đầu việc cùng lúc phải tự tay chuyển đổi qua lại giữa các cửa sổ chat và ghi nhớ ngữ cảnh riêng biệt của từng luồng. Kinh nghiệm thực tế từ đội ngũ DeepSeek cho thấy một lập trình viên thông thường chỉ có thể theo dõi và giám sát hiệu quả từ 3 đến 5 phiên làm việc song song tại một thời điểm.

Việc bổ sung thêm giao diện dòng lệnh (CLI) hay các giao thức kết nối công cụ như MCP vào một agent đơn phiên không giải quyết được gốc rễ vấn đề. Luồng xử lý ReAct đồng bộ vẫn sẽ bị nghẽn khi gặp các tác vụ kéo dài, ngữ cảnh các dự án dễ bị xáo trộn, và mọi tiến trình sẽ gián đoạn ngay khi thiết bị cá nhân ngắt kết nối Internet. Trước đó, các nghiên cứu độc lập về việc các công cụ mà coding agent tự cài đặt đã chỉ ra mức độ phân mảnh rất lớn của môi trường thực thi cục bộ.

Kiến trúc hai tầng phân tách điều phối và thực thi

Để vượt qua những rào cản trên, DeepSeek đề xuất giải pháp tách rời hoàn toàn khái niệm tác tử khỏi các phiên làm việc thủ công. Một Super-agent theo định nghĩa của nhóm nghiên cứu phải hội tụ đủ bốn đặc tính cơ bản: tính liên tục trên nhiều kênh trao đổi (Continuous), năng suất xử lý song song cao (Productive), tính chủ động giám sát môi trường (Proactive) và khả năng duy trì trực tuyến bền bỉ (Persistent).

Trái tim của hệ thống là kiến trúc hai tầng (Two-Level Architecture) mô phỏng các nguyên lý kinh điển trong kỹ thuật hệ thống máy tính:

  • Tầng điều phối (Router Layer): Một tiến trình định tuyến tồn tại lâu dài, đóng vai trò tiếp nhận mọi tương tác từ con người qua các kênh trao đổi như tin nhắn tức thời (IM) hay bình luận trên GitHub. Tầng này duy trì ngữ cảnh tổng thể xuyên suốt và phân phối nhiệm vụ xuống bên dưới.

  • Tầng công nhân (Worker Layer): Tập hợp nhiều phiên làm việc được cô lập ngữ cảnh hoàn toàn, vận hành song song ở chế độ bất đồng bộ để thực hiện các tác vụ kỹ thuật cụ thể mà không làm tắc nghẽn luồng giao tiếp chính.

Bên cạnh đó, hệ thống ứng dụng thiết kế phân tách giữa năng lực tính toán đám mây và trạng thái lưu trữ, kết hợp cùng một tiến trình giám sát ngoại vi (Watchdog) để tự động phục hồi khi phát sinh sự cố. Điểm đột phá nằm ở khả năng thực thi phỏng đoán (speculative execution): tác tử có thể tự động lắng nghe thảo luận trong các nhóm chat nội bộ, chủ động tìm nguyên nhân lỗi và tạo sẵn bản vá (Pull Request) trên GitHub ngay cả khi chưa ai trực tiếp gắn thẻ tên gọi nó.

Hướng tới chuẩn mực cộng tác người và máy tự chủ hơn

Thử nghiệm của DeepSeek cho thấy việc ứng dụng thiết kế này giúp giảm thời gian hoàn thành tác vụ (ở phân vị p95) từ mức 29,5 phút ở mô hình đơn phiên xuống còn 15,7 phút trên Super-agent. Thành quả này tiếp nối chuỗi cải tiến hạ tầng sau khi DeepSeek V4.1 Flash ra mắt với những tối ưu hóa vượt bậc về chi phí tính toán và bộ nhớ đệm.

Đội ngũ nghiên cứu nhấn mạnh rằng Super-agent không phải là một lý thuyết trừu tượng, mà một phần thiết kế đã được hiện thực hóa qua bản mẫu thử nghiệm mã nguồn mở dsh-superagent-prototype. Khi các mô hình ngôn ngữ lớn tiếp tục phát triển, việc chuyển giao công việc quản lý phiên và đồng bộ ngữ cảnh cho chính hệ thống máy tính sẽ mở đường cho những đồng nghiệp AI thực thụ, hoạt động liên tục và chủ động trong quy trình phát triển phần mềm của tương lai.