發生什麼事
INSIDE 報導，DeepSeek 的 Harness 團隊在週六（31 日）發布技術文章，提出「超級代理」（Super-agent）架構。DeepSeek Harness 是 DeepSeek 的 Agent 框架，Agent 指能自行執行任務的 AI 程式。文章要處理的問題是，現有 Agent 多以單一工作階段（Session，一段獨立的對話）為基本單位，難以支援多任務與團隊協作。量子位報導，DeepSeek 已在 GitHub（程式碼託管平台）公開 dsh-superagent-prototype。動區動趨 BlockTempo 則寫道，團隊強調這屬於架構層面的探索，不是成熟產品。 INSIDE 量子位 動區動趨 BlockTempo
核心是雙層架構。上層 Router（調度員）負責接收訊息、分配任務並維護全局上下文，下層 Worker（執行任務的 Agent 會話）各自處理獨立任務。INSIDE 舉的例子是：使用者先在 IM（即時通訊軟體）要求採用方案 A，之後在 GitHub 的 PR（Pull Request，請求合併程式碼修改的提案）留言改採方案 B，系統仍能判斷兩項指令屬於同一專案。量子位另提到「訂閱與直通」機制：Worker 接手一條 GitHub PR 後可直接訂閱後續評論，訊息不必經過 Router 轉發。 INSIDE 量子位
在事件處理上，INSIDE 指出 Super-agent 會持續監控 IM 群組、GitHub 與 CI（持續整合）系統中的事件，DeepSeek 稱這些外部訊息為 Trigger。系統採兩階段過濾：第一階段 Fast Path 用程式碼依訊息來源、群組範圍、白名單等條件排除無關事件；第二階段 Slow Path 把候選事件交給 LLM（大型語言模型）判斷是否採取行動。此外還有投機執行（Speculative Execution，在尚未收到明確任務前先在背景嘗試）：群組有人提到程式錯誤時，代理可先嘗試重現並找修復方式。量子位則寫，找不到有效結果時代理可保持安靜。 INSIDE 量子位
為了長時間運作，INSIDE 寫道，代理的運算程序部署在雲端伺服器，會話狀態存在資料庫，本機的程式碼儲存庫與私人資料不必全部搬到雲端，雲端代理透過輕量級 Daemon（常駐背景的程式）遠端呼叫本機環境。另有外部 Watchdog（看門狗）監控機制，觀察其他 Worker 是否陷入無限循環、停滯或偏離目標，必要時介入處理。 INSIDE
實驗部分，量子位報導，團隊模擬約 300 條訊息、20 項工作請求的協作環境，比較 Super-agent 與傳統單 Session 加 Subagent 方案，每種配置重複測試 5 次。Super-agent 的任務完成時間中位數為 12.4 分鐘，95 分位（p95，即 95% 的任務在這個時間內完成）為 15.7 分鐘；傳統單 Session 方案在中性提示下的 p95 為 29.5 分鐘。量子位另寫，取消事件直通機制後，Router 的決策次數增加約 30%，讀取快取 Token（模型處理文字的計量單位）增加約 37%。 量子位
誰受影響
文章指出，一個人通常只能同時跟進 3 到 5 個活躍 Session，多任務效率因此受人類注意力限制。BlockTempo 引述論文：「單一任務的上限取決於模型能力，但多工的上限取決於人類注意力」。INSIDE 寫道，DeepSeek 內部基於這套思路與 DeepSeek Harness 打造的 Super-agent 已持續運作，日常工作包括重現與修復問題、回應程式碼審查，以及協助 DeepSeek Harness 本身持續更新。 量子位 動區動趨 BlockTempo INSIDE
限制與未定事項
INSIDE 指出，文章中的實驗數據來自合成負載，規模為 300 則訊息、20 項工作請求，與真實大型團隊的工作環境仍有差距；Router 是否成為效能瓶頸、不同 Worker 如何協調任務衝突，也需要進一步驗證。DeepSeek 在文章中表示，長期記憶管理、多個代理如何協作，以及安全與隱私保障，都是後續要持續探索的方向。BlockTempo 寫道，團隊承認惡意指令可能透過與其他服務相連的代理發動攻擊，取得不該取得的許可權。量子位另提到，異步 ReAct Loop（讓 AI 在執行耗時任務時仍能回應新指令的機制）已在 DeepSeek Harness 實現，但尚未預設開啟。 INSIDE 動區動趨 BlockTempo 量子位
各方說法
三家媒體對同一組實驗的描述角度不同。BlockTempo 寫「從超過 29 分鐘縮短到近 16 分鐘」，並稱之為技術論文；INSIDE 稱為技術文章，寫 p95 從 29.5 分鐘降到 15.7 分鐘；量子位則同時列出中位數 12.4 分鐘與 p95。BlockTempo 另引述北京 AI 創業者劉明在知乎的看法：當前 AI 軟體開發真正的挑戰是確保「可靠性」，而非把任務做得更快。 動區動趨 BlockTempo INSIDE 量子位
接下來要看的事
- DeepSeek 文章指出長期記憶如何管理仍是後續需要持續探索的方向
- DeepSeek 文章指出多個代理如何協作，以及安全與隱私如何保障，仍待後續探索
- INSIDE 指出當系統擴大至更多使用者與任務時，Router 是否成為效能瓶頸、不同 Worker 如何協調任務衝突，還需進一步驗證
