Lead Agent 和中间件在执行时，会持续产生消息增量、工具调用和状态变更。前端需要打字机式输出和「正在搜索」一类中间态；关掉页面再回来，对话还要在；服务器重启后也不能整段失忆；调试和审计还要留住中间事件。这些若写进 agent 本体，会把业务逻辑淹没。DeerFlow 单独抽出 Runtime，把实时推送、状态持久化、事件存档做成管道层：Agent 只负责产生内容，管道负责播出去和记下来。

Harness 提供骨架之后，接用户请求的是 Lead Agent。用户说「查 2026 年最火的 AI 编程工具，写对比报告」时，系统要做的事远不止调一次模型：注入当前日期和用户记忆、解析上传文件、准备沙箱写盘、压缩超长历史、管理计划模式下的 TodoList、自动生成标题、写回长期记忆、限制子代理并发、检测工具死循环、信息不够时停下来澄清……如果全部塞进一个大函数，横切逻辑会淹没「下一步做什么」的决策，也很难单独替换某一环。DeerFlow 的拆法是：Lead Agent 负责思考与调度，杂活拆成中间件流水线，按固定顺序处理每一次对话。

普通聊天机器人接到「调研 2026 年 AI Agent 进展，写报告再做成 PPT」这类需求时，常见表现是一口气猜答案、没有地方落文件和跑代码、聊完上下文就丢。能真正把任务做完的 agent，至少需要跨会话记忆、可调用工具、隔离执行环境、可复用技能流程，以及把大任务拆给子代理并行推进的能力。这些基建如果每个项目从零搭，成本太高，也难保证边界一致。DeerFlow 2.0 把它们收成一套可声明、可拆组的运行时基础设施，项目定位里叫 Super Agent Harness。后面 Lead Agent、Runtime、Gateway 等模块怎么拆，都挂在这副骨架上。

💡 把键盘上利用率最低的 Caps Lock 改造成全局 “Hyper 键”，承载所有自定义快捷键。不依赖第三方驱动，不污染任何现有快捷键。