DeepSeek 认定瓶颈在于你的注意力,而非模型

10 月 31 日,DeepSeek Harness 团队发布了一篇题为《Super-agent:面向更自主智能体系统的设计探索》的技术说明。随文还发布了一个原型。
对于一家模型公司来说,这个论证的起点有些不同寻常。它没有从能力谈起,而是从人类一侧的限制谈起:一个人最多同时跟进三到五个活跃会话,超过之后质量就会崩塌。当你并行运行多个任务时,最终还是要手动切换上下文,并记住哪个对话里装着哪个决定。单任务的上限来自模型。多任务的上限来自你。
这是一个系统问题,而 DeepSeek 正是把它当作系统问题来处理。
路由器与工作器
该架构分为两层。Router(路由器)作为全局协调器持续运行,接收来自你已在使用的各种渠道的消息,包括群聊、GitHub 和电子邮件,并分派任务。每个 Worker(工作器)持有自己的上下文并并行执行:复现 bug、审查 pull request、构建功能。当任务需要进一步分发时,Worker 可以调用 Subagent(子智能体)。
围绕这一架构有四个机制:带两级过滤的事件驱动分派、异步多通道交互、存储与计算分离,以及外部看门狗。

事件驱动这部分正是自主性主张的落脚点。在 DeepSeek 运行的内部实例中,团队成员在群聊里报告一个软件问题时,即使不 @ 智能体,也能触发它。系统识别出潜在缺陷,在后台复现,并寻找修复方案。没有人分配这项任务,也没有任何环节在等待提示词。
DeepSeek 列出了它追求的四个特性:持续,即一个智能体跨 IM 和 GitHub 工作,而非孤立会话;高效,即新指令不必等待前一个任务完成;主动,即它观察环境事件,在值得关注时采取行动,其余时候保持沉默;持久,即始终在线,接入真实工作环境,并能在长时间运行中从故障里恢复。
团队给出的例子很能说明问题。假设你在聊天中提出方案 A,随后又在 pull request 评论中改变主意,提出方案 B。绑定会话的智能体需要被人告知这一变化。而 Super-agent 应当能注意到并调整方向。
坦诚的免责声明
DeepSeek 明确表示,这是一次工程探索,而不是产品功能发布。团队还表示,该设计没有引入新理论。它把经典的系统理念——那些在操作系统和分布式系统中已经存在了几十年的理念——应用到智能体构建中。
这种谦逊是准确的,也是这份文档中最有意思的地方。规模化智能体的难点在于上下文管理、调度、故障恢复和可观测性;也就是说,这是基础设施工作,而非智能工作。
五天后到来的数字
11 月 5 日,同一团队公布了 DeepSeek Harness 的社区数据。以官方 API 用户为口径,11 月 4 日的日活跃用户达到 154 万,月活跃用户达到 548 万,日 token 消耗量约为 92 万亿。
做个除法。92 万亿 token 分摊到 154 万日活用户,约为每个活跃用户每天 6000 万 token。没有哪个聊天应用会产生这样的用户画像。智能体才会。一个长时间跨度的编程任务,可能在一小时内消耗的 token 比一个人一个月在聊天窗口里打出的字还多。
插件数量更能说明未来走向。第三方插件已增长到约 3.5 万个,约 60% 的活跃用户至少制作或安装过一个插件。DeepSeek 表示将加强插件 API 的稳定性与兼容性,改进插件安全模型,并建设官方市场,同时正在筹备面向插件作者的扶持计划。
这是一步平台化动作。一旦插件成为分发渠道,Harness 竞争的就不只是模型质量,而是生态。
为什么这在 DeepSeek 之外也重要
有三点可以迁移到任何在生产环境中运行智能体的团队。
第一,界面就是现有界面。智能体出现在群聊和 pull request 评论中,而不要求你前往一个新目的地。Photoshop 从未要求用户学习一个新应用;它活在文档里。智能体平台正在学习同一课。
第二,注意力是一种有硬性限制的资源,而它恰恰是没有人去扩展的那一项。你可以买更多 GPU。你无法买来一个人同时持有四条上下文线索的更多能力。每一个把协调工作从人转移到系统的架构决策,都是在买回循环中最稀缺的输入。
第三,自托管协调层正是运营风险所在。一个无需被提及就会行动的智能体需要看门狗,因为它的故障模式是静默的:凌晨 3 点,在一个重要的代码仓库里,它做了某件看似合理但无人要求的事。
仍然缺失的部分
文档没有涉及成本控制。一个分派工作的路由器,加上按自己节奏复现 bug 的工作器,会主动花钱。92 万亿 token 的数字表明支出已经很大;其中有多少产生了任何人想要的工作,并未披露。
它也没有涉及审查问题。如果一个智能体能响应聊天消息而打开 pull request,那就得有人来审查它。DeepSeek 的框架是让人上升到目标设定与验收。当验收判断起来很便宜时,这行得通。在大多数工程组织里,判断一个修复是否正确才是昂贵的部分,而它不会因为智能体变快而缩小。
听起来像操作系统的部分
剥掉 AI 词汇后,Super-agent 文档读起来像一篇关于作业调度的论文。一个长期运行的协调器接收事件、对事件分类,并把工作分派到隔离的上下文中。存储与计算分别扩展,因此停滞的任务不会占着活跃任务所需的内存。外部看门狗会重启任何停止上报的组件。两级过滤的存在,是为了让系统不会因为群聊里的每条消息都叫醒一个人。
这些在分布式系统里都是已解决的问题。它们在智能体产品中尚未解决,因为大多数智能体产品是作为“附带工具的聊天会话”构建的,而聊天会话没有并发工作的概念。
有意思的后果是组织层面的。如果协调层真的吸收了会话管理,那么人在循环中的工作就会从操作工具变为编写验收标准。DeepSeek 把人定位为上升到目标设定与验证。在实践中,这意味着关键技能从写提示词转向知道“完成”长什么样,而这是一种管理技能,也更难教授。
DeepSeek 自己的总结是,这种工作方式可能成为人机协作的常态。机制是可信的。悬而未决的问题是,组织会围绕一个永不睡眠的协调器重组,还是只是把它拴在为活人设计的流程上。
相关文章
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。