DeepSeek Harness 团队写了一篇文章，聊了一个叫 Super-agent 的概念。他们发现现在的 AI Agent 单个任务干得越来越好，但你… · @Zhibin992 · TwKit

@Zhibin992

DeepSeek Harness 团队写了一篇文章，聊了一个叫 Super-agent 的概念。他们发现现在的 AI Agent 单个任务干得越来越好，但你同时开好几个任务的时候，瓶颈反而卡在人身上。你得自己记住每个会话聊到哪了，来回切换，一个人顶多同时盯三到五个。 他们提出的 Super-agent 有四个特点。先说第一个，“连续”。你在群聊里说了一句，过会儿在 GitHub 上改了想法，它能串起来，你始终觉得在跟同一个助手说话。第二个是“高效”，能同时推好几件事互不干扰。第三个是“主动”，它自己盯着群聊、邮件、代码评审，发现该处理的事就上手，不用你一条一条吩咐。第四个是“持久”，一直在线，关了电脑也不停。 底层怎么做到的？一个双层结构。上面是 Router，像个总调度，只管跟人打交道和分任务，自己不干活。下面是一堆 Worker，各自独立干一件事，干完向 Router 汇报。 外面的群聊消息、代码提交、邮件进来之后，大部分是噪音，先用规则快速过滤一批，剩下拿不准的让模型判断。已经分配出去的任务，后续消息直接送到对应 Worker 手里，不再绕回总调度。 还有个设计叫投机执行。群里有人反馈 bug，Agent 不等人下令，先在后台悄悄复现、找修复方案。修好了就交出来，没修好就安静待着，全程不打扰人。 交互方式也改了。以前你说一句它干一步，干完才接下一句。现在是异步的，后台跑着长任务，你随时插嘴说别的。不同渠道输出风格也调过，群聊简短几句，GitHub 上写完整说明。 为了不掉线，计算、状态、执行环境三件事拆开。Agent 的“脑子”在云端，聊天记录存数据库，代码文件留在你电脑上，通过一个后台小程序连过去。外面还放了一个 Watchdog，像独立巡检员，定期查各个 Worker 有没有卡住跑偏，有问题就介入。 实验也跑了。同时丢 20 个任务进去，Super-agent 一般 12 分钟左右完成一个，比传统方案快了不少也更稳定。他们也坦诚说还有没解决的问题，比如规模变大怎么扩展、多个 Agent 之间怎么安全通信、还有设备接入后的隐私安全。 但整体思路很清楚：把计算机系统里经典的工程方法搬过来，让 Agent 从一个等你敲指令的对话框，变成一个持续在线、能自己推着事情往前走的协作者。

曝光 15 · 评论 0 · 点赞 0 · 书签 0