DeepSeek新架构透露AI岗新要求

DeepSeek 提出的 Super-agent 双层架构，把 AI 应用开发岗位的能力要求从“会调模型”推向“会设计多会话、事件驱动、可长期在线的系统”。

对求职者来说，这条技术动态的价值不在于记住 Router 和 Worker 这两个词，而在于看清招聘方接下来会怎么描述岗位、怎么出面试题。

Super-agent 架构到底在解决什么问题

原文说得很清楚：现有主流 Agent 以单一 Session 为基本单位，用户并行推进多项工作时，需要手动切换并维护上下文。DeepSeek 团队观察，一个人通常只能同时跟进 3 至 5 个活跃 Session。

Super-agent 要做的，是让 Agent 从被动响应指令的单任务工具，变成持续在线、能并行处理多项任务的自主协作者。它归纳出四项特征：连续、高效、主动、持久。

落到架构上，Router 层承接人类交互、维护全局上下文并分派任务；Worker 在相互隔离的会话中并发执行，不直接回复用户，而是把状态和结果汇报给 Router。

这套设计背后是一连串工程问题：事件怎么过滤、任务怎么直通、上下文怎么召回、长时间运行怎么恢复。这些问题，正在变成 AI 岗位的日常。

哪些岗位会先感受到变化

最直接的是 AI 应用开发工程师和 Agent 方向的后端工程师。过去写一个对话机器人，核心是提示词和接口调用；现在要处理多会话隔离、异步任务、事件订阅和状态持久化。

其次是平台与基础设施岗位。原文提到计算、会话状态和执行环境解耦，计算与持久化状态放在云端，执行环境可以留在用户本地设备，只部署轻量 daemon。这意味着岗位描述里会出现“端云协同”“任务调度”“长时运行稳定性”这类词。

还有一类容易被忽略：AI 产品的后端与全栈岗位。Super-agent 强调面向人的交互，Router 统一对外沟通，Worker 不直接回复用户。这要求开发者理解人机协作的边界，而不只是把模型接进系统。

面试和简历里可以提前准备什么

第一，把“多任务并发”讲成具体经验。原文提到单会话同步阻塞、多任务上下文混乱是现有痛点。如果你做过任务队列、异步回调、会话隔离，这些经历值得在简历里展开，而不是只写“熟悉大模型 API”。

第二，理解事件驱动的完整链路。原文的 Trigger 包括群聊消息、邮件与日程提醒、代码审查评论、CI 运行结果。系统先用程序规则过滤，再交给大模型判断是否行动。面试里被问到“怎么避免模型被无关消息淹没”，能答出两级过滤的思路，比背概念更有说服力。

第三，关注长时运行和异常恢复。原文设置了独立的 Watchdog Session，监控接口报错、状态恢复失败，还会判断 Worker 是否取得实质进展。这类“系统会自己盯着自己”的设计，对应的是稳定性与可观测性能力。

第四，别忽视安全与隐私。原文明确列出待解决问题：提示词注入、端侧凭据泄露、跨设备权限风险。做 Agent 方向的同学，如果能在项目里体现权限隔离和输入校验的意识，会是加分项。

数字背后的信号

原文的实验数据值得求职者留意：每次约 300 条消息，其中约 20 条为工作请求，每种方案重复运行 5 次。Super-agent 的任务完成时间 p50 和 p95 分别为 12.4 分钟和 15.7 分钟；中性提示下的单 Session 方案 p95 为 29.5 分钟。

团队也说明，这些实验基于合成负载和简化环境，主要评估系统调度与协作能力，并不衡量单个任务的实际执行能力。这个限定很重要：它说明当前阶段比拼的是系统设计，而不是单点模型能力。对求职者的启示是，工程思维和系统思维正在变得和模型理解同样重要。

给不同阶段求职者的建议

如果你是应届生或转行者，不必一上来就啃完整架构。先把一个多步骤任务拆成“谁接收、谁执行、谁汇报”三层，用最小项目跑通，就能在面试里讲清楚。

如果你已有后端经验，重点补事件驱动和异步任务。原文提到异步 ReAct Loop 把耗时工具调用改为异步的 start 和 stop，Agent 启动后台任务后即可返回 Started 状态。这类模式在常规后端里也有对应，迁移成本没有想象中高。

如果你在关注岗位变化，想看同类 AI 应用开发岗位的实时需求，可在求职者营地（qzzyd.com）按城市和行业订阅大厂官网在招岗位，对照岗位描述调整准备方向。

技术架构的演进不会立刻改写招聘启事，但它会先改变面试官提问的角度。Super-agent 这轮讨论里，Router、Worker、Trigger、Watchdog 这些词，很可能在接下来一段时间出现在 AI 岗位的面试题和项目复盘里。提前把系统层面的问题想明白，比追着新名词跑更稳。