DeepSeek 这次 Super-agent 的实验数据，真有点意思了。 以前用 AI Agent，最大的麻烦不是模型不会写代码。 而是你得不停地当项目经… · @JamesDa55049936 · TwKit

@JamesDa55049936

DeepSeek 这次 Super-agent 的实验数据，真有点意思了。 以前用 AI Agent，最大的麻烦不是模型不会写代码。 而是你得不停地当项目经理。 这个任务催一下，那个 Session 看一下，干到一半还得提醒另一个 Agent 别跑偏。 结果 DeepSeek 搞了个 Router + Worker 的双层架构。 专门让一个 Router 负责接活、分配任务，Worker 自己干活。 他们的模拟实验里： 传统单会话方案，P95 任务完成时间 29.5 分钟。 Super-agent 直接降到了 15.7 分钟。 接近砍半？？？ 最有意思的是，这次卷的不是模型智商，而是 AI 的组织架构。 以前我们研究怎么给 AI 写更好的 Prompt。 现在人家开始研究怎么给 AI 安排上下级了。🤣 当然，这只是小规模模拟实验，缓存 Token 开销也明显更大。 但这个方向还挺值得琢磨。 以后一个人的生产力上限，会不会不取决于能开多少个 Agent，而是有没有一个会管理 Agent 的 Agent？ 程序员这是准备从写代码，直接进化到管理 AI 公司了吗？🤡

曝光 343 · 评论 5 · 点赞 1 · 书签 1