10天落地Super-agent架构，打造7×24在线SaaS
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
作者依据 DeepSeek Harness 的 Super-agent 架构，耗时 10 天开发出 SaaS 产品 Super-agent（截至发稿）。核心组件为开源连接器 Crewbot 及云端 Router，支持将本地 Claude Code、Codex 等 Agent 接入云端并行处理。产品提供 Web 端任务管理，目前核心功能免费。无营收数据，原文未披露具体用户量或收入。对开发者而言，这是验证多 Agent 云端调度的低成本实验场，适合技术极客而非普通 SaaS 创业团队；坑在于依赖本地设备常开且维护成本高，非标准化商业产品。
- 安装开源 Crewbot 连接器，测试本地 Agent 上云可行性
- 研究 Router 事件驱动机制，优化多任务并行调度
- 体验免费 Web 端管理面板，评估多 Bot 协同效率
- 警惕本地设备离线导致的中断风险，需配置自动重连
- 关注移动端上架计划，暂不建议作为核心生产力工具
一、这是什么机会
这是基于DeepSeek Harness理论的超级智能体（Super-agent）SaaS产品，将本地代码助手云端化。它解决多项目并行开发中“人肉Router”的痛点，通过存算分离架构让开发者实现7x24小时自动化任务管理，商业模式目前处于免费获取用户阶段，后续通过多设备接入与高级功能订阅变现。
二、独立判断
值得有AI工程能力的开发者关注，但需警惕巨头平台化竞争。核心价值在于其开源的Crewbot连接器解决了本地Agent上云的最后“一公里”问题，将分散在终端的Claude、Codex等工具统一纳管。推断显示，单纯套壳的云端Agent市场拥挤，真正具备壁垒的是Router层的事件驱动调度能力与对本地异构硬件的兼容适配。
三、冷启动路径
第一步验证动作是部署开源的Crewbot daemon（版本0.2.7）在本地Mac或Linux设备上，连接至少两款主流Coding Agent（如Claude Code 2.1.321与Codex 0.166.0），测试跨设备的任务派发与上下文共享。成本量级极低，主要耗时在调试不同OS（arm64/darwin）下的daemon稳定运行，周期约需3-5天完成基础链路验证。
四、最大风险与避坑
致命坑一是模型依赖风险：开发初期曾遭遇Opus5.5与Fable5.1“降智”严重导致沟通成本飙升，需确保Router层具备多模型切换能力，不绑定单一LLM供应商。坑二是维护成本高昂：7x24在线意味着需处理大量异步异常与状态同步，若缺乏成熟的自我修复机制，初期用户流失率会因稳定性问题急剧升高。应对策略是严格限定初期支持的设备型号，优先保障核心路径的闭环，避免过度承诺全场景兼容。
五、案例复盘（别人怎么做的）
- 技术落地节奏：团队在10天内完成从架构设计到上线，分三步走：先做本地Agent云端化（Worker层），再做任务管理UI，最后接入智能Router。未一开始就搞复杂调度，而是先解决“随时接入”的痛点。
- 开源获客策略：发布Crewbot开源连接器（GitHub仓库：nifengxiaofei/crewbot-connector），要求用户在每台设备上安装daemon。通过开源降低信任门槛，利用CLI命令（如crewbot status）展示多Agent就绪状态，吸引极客用户注册。
- 产品交互设计：引入“Task”概念隔离Session，让复杂项目管理变为任务视图。支持自定义Bot技能（Skills Market），允许用户为不同Bot配备不同工具包，实现“Bot军团”协同，而非单一Agent单打独斗。
- 架构核心亮点：采用异步ReAct架构，Router派发任务后不等待，立即处理下一条消息，吞吐量随并发线性增加。事件驱动机制支持即时触发，Schedule触发支持短间隔智能规划，避免了传统定时任务的僵化。
- 踩坑经验：在开发Router阶段，早期使用的Opus5.5模型表现不佳，经常无法精准聚焦问题，导致深夜调试效率低下。直到Fable5.2发布才解决“降智”问题，说明底层模型能力对上层架构稳定性影响巨大。
六、双轨可执行性
跨境：完全可行，GitHub开源生态天然适合欧美开发者社区，可针对Slack、GitHub等海外渠道优化IM接入，启动步骤为注册海外云服务商并部署Crewbot。国内：可行性较低，受限于网络访问特定海外LLM API及开源社区活跃度，需侧重接入国产大模型及飞书/钉钉等本土IM渠道方可启动。
原文 · 分享创造：阅读原文 →
相关工具推荐（推广）：GLM Coding Plan — AI Coding Powered by G…
