AFK AI 开源 Comma 智能体框架，以“单路由多工作”架构填补 DeepSeek 下一代 Agent 基础设施空白

一句话结论

硅谷华人团队 AFK AI 开源智能体框架 Comma，其“单路由多工作”架构与长期记忆机制，提前解决了 DeepSeek 提出的下一代 Agent Harness 核心痛点。

关键要点

• AFK AI 于 2026 年 9 月 30 日开源智能体框架 Comma，其代码已完全公开。
• Comma 底层采用“单 Router（路由）+ 多 Worker（工作）”架构，支持长期记忆与持续学习。
• 该框架通过自研分布式运行环境 Salix 实现跨渠道任务调度，并支持接入 Codex 与 Claude Code。
• Comma 具备 24 小时主动在线值守能力，可通过记录任务结果与人工反馈持续迭代专属小模型。
• 架构设计直接对标 DeepSeek Harness 团队提出的 Super-agent 连续、高效、主动、持久四大标准。

背景与事实

Comma 由硅谷华人团队 AFK AI 开发，是一款旨在解决人类注意力瓶颈的 Personal Agent（个人智能体）产品。DeepSeek Harness 团队近期提出了 Super-agent 架构设想，指出人类通常仅能跟进 3 至 5 个活跃 Session（会话），因此下一代 Agent 必须具备连续、高效、主动、持久四大标准。AFK AI 团队与 DeepSeek 在多智能体体系底层瓶颈及生产侧痛点判断上存在共识，认为行业对 Agent Harness（智能体承载框架）的关注点正从单纯的任务吞吐量转向责任边界与复杂事务体量。

Comma 的演进历程清晰且跨度近半年。AFK AI 于 2026 年 4 月 28 日公开了 Comma 的前身 Bridge，确立了 Lead Agent（主导智能体）与 Subagents（子智能体）的基础架构。随后，团队在 5 月 20 日明确了“每个群组一个 Router Session”的原则，于 6 月 3 日固定主对话机制上线，8 月推进了 Session 切换功能，9 月引入信息流控制机制。作为行业对比，Anthropic（安思罗普）于 2026 年 6 月下旬推出了 Claude Tag（克劳德标签）功能，实现了在 Slack（思科）频道中共享同一 Claude（克劳德）实例的能力。

在技术实现层面，Comma 通过自研的分布式 Agent 运行框架 Salix 支撑。该框架支持接入微信、Signal（信号）与 iMessage（信息）等即时通讯渠道，以及 Linear（莱纳）等项目管理系统，实现跨环境任务调度。Comma 支持安全自部署，并可接入 Codex（科代克斯）与 Claude Code（克劳德代码）等外部智能体。其核心创新在于“单 Router + 多 Worker”架构与长期记忆机制。Comma 具备主动在线能力，即在用户退出客户端时，系统仍可 24 小时值守。

模型迭代方面，Comma 通过记录任务结果与人工反馈持续训练专属小模型。新模型必须在测试中击败旧版方可上岗，例如 v3 升级至 v4 时即修正了误判问题。团队按月更新评测数据，确保模型性能随使用时间增长而提升。9 月 30 日，Comma 正式开源，并公开了基于 Lean 形式化验证的安全机制，该机制支持单一主会话、多 Worker 协作、跨 Session 管理及安全控制。

影响分析

对于中文开发者而言，Comma 的开源提供了一套可直接部署的 Agent 基础设施参考。在国产大模型（如 DeepSeek）底层能力持续增强的背景下，开发者的痛点已从“调用模型”转向“构建承载模型的高效框架”。Comma 的“单路由多工作”架构展示了如何在有限的人类注意力下，通过机器 24 小时值守实现任务量的指数级扩张。

Comma 支持接入微信与 iMessage 的特性，直接打破了 Agent 应用与用户日常通讯工具之间的壁垒。对于国内从业者，这意味着未来开发 Agent 应用时，可以基于 Salix 框架快速实现微信生态内的智能体集成，无需重新开发通讯协议层。此外，Comma 通过“小模型迭代击败旧版”的持续学习机制，为资源有限的团队提供了一条低成本实现长期记忆的技术路径，无需依赖极其昂贵的通用大模型微调。

适用边界

Comma 的“单 Router + 多 Worker”架构与持续学习机制，高度依赖稳定的底层大模型 API 及可获取的人工反馈数据。在模型幻觉率较高或反馈数据稀缺的边缘场景，其专属小模型迭代的可靠性无法保证。此外，该框架对计算资源有一定要求，在算力受限或网络不稳定的环境下，其 24 小时值守与分布式调度功能可能无法有效执行。

孤本观察

Comma 抢在 DeepSeek 下一代 Harness 标准正式发布前完成产品落地与开源，这一时间差表明华人 AI 团队在底层 Agent 基础设施上的工程化速度已远超预期。基于本文事实判断，Agent 竞争焦点正从模型参数规模转向框架的“持久性”与“责任边界”，Comma 的开源将是该领域的关键参照物。

来源：量子位