AI能并行干活，你却更累了：DeepSeek Super-agent戳中Agent开发的真瓶颈
最近不少Agent开发者得了种新病：AI干活越来越快，人却越来越累。
知乎用户OGAI同时开着一个测单片机、三个剪视频的会话，AI做完的东西最后还得他逐个验收——没少干活，是真累。另一篇高赞回答的作者说得更直白：自己就像几个模型之间的传话筒，用AI多了反而更累。知乎知乎
10月31日晚，DeepSeek Harness（DSH）团队公布Super-agent设计探索并放出研究原型，但这件成果"并非一款新产品，而是更接近一种新思路"——把调度、缓存、看门狗这些计算机经典思想搬进Agent架构。它点破了一个没人愿意承认的事实：限制Agent生产力的最大瓶颈，已经从"模型不够聪明"变成了"人类的注意力带宽不够用"。说白了，你一直在用自己的大脑，给AI当进程调度器。智东西知乎
Super-agent想替掉的，正是"你"
核心就两层：Router 对人接活、分派，Worker 在隔离上下文里并发干活。"改第二条视频的配乐"不再是你翻聊天记录找窗口，而是Router路由给订阅了这条消息流的Worker，接着干。知乎
其余设计都在解决"别拿人当调度员"：
事件驱动：消息、邮件、测试结果都算环境事件，程序规则先筛一遍，需要理解的才交给模型判断；
长任务后台续跑：来了新信息直接补给对应Worker，不用重开会话重新交代背景；
异步不阻塞：耗时工具调用拆到后台，前台告别转圈等待。知乎
DSH的模拟实验更扎心：调度权交给单会话模型临场发挥时，主模型倾向自己单线程硬扛，p95任务延迟冲到29.5分钟。提示词催它多用子Agent，也治不好单会话的长尾。智东西知乎
为什么做Agent的人值得细读
另一篇高热回答把Agent开发90%的难点归结为错误累积：每步95%正确，走20步全对的概率只剩约36%。这就是Demo惊艳、上真实任务翻车的原因。而Super-agent管的是另一半问题：几十个任务同时跑，谁来盯、谁来验收？以前靠人轮班，这次靠系统。B站对原型的源码精读也印证了它的风格：官网只写五个字——“一切皆插件”，Session退化成底层实现细节。知乎哔哩哔哩
但先别急着上生产
这是一篇设计探索，不是成品：效能数据来自模拟环境，只是初步参考，不是正式产品结论。解读它的工程师还泼了三盆冷水。第一盆：全天候监听本质是用充沛算力置换稀缺的人类注意力，Token账单可能是普通问答的数倍。智东西知乎
第二盆：三个月前线程里的正确决策，今天捞出来可能是致命误导，"语义腐败"没有银弹；第三盆：让云端大脑通过本地Daemon无人值守操作开发机，一旦混入间接提示词注入，破坏力远超传统沙箱Agent。知乎
三件现在就能抄的事
把调度从模型临场发挥里剥出来，用固定路由分任务；把外部输入当事件，规则先筛、模型后判；给"完成"定客观标准，测试全过，而不是模型说了算。
Agent竞争的下半场，拼的不再是提示词玄学，而是正统的分布式系统与操作系统工程底子。知乎
