DeepSeek开源了一套能让AI自己找bug、自己改代码的新架构。10月31日晚,DeepSeek Harness团队发布技术报告《Super-agent设计探索:迈向更自主的Agent系统》,同步开源了配套技术原型。全网在传的“AI主动修Bug”“12.4分钟完成任务”,对应的官方自测效果数据是:任务完成时间中位数12.4分钟,95分位15.7分钟;同为95分位口径的传统单会话方案是29.5分钟。不过这组数字出自一组把编码工作换成“只消耗时间”的工具的实验,衡量的是调度能力,而非代码质量。 换句话说,这是“调度账”,还不是“代码账”。36氪知乎知乎
开源的东西本身也先划清了边界:以MIT协议放出的仓库本质上是技术验证原型,不适合直接投入生产。所以谈“提多少效”,得先接受这个前提:架构与方向是真进展,但“代码产出能快多少”,目前没有任何实测。知乎
第二层:所谓的“快近一半”,大头发生在最坏情况里。逐图解读报告的人算过一笔细账——如果单会话基线的提示词写得足够好,中位耗时其实只比Super-agent慢10%左右,架构真正带来的是尾部稳定性。消融实验能佐证这一点:中性提示词下,单会话方案5轮测试没有一次主动调用子Agent,Super-agent方案5轮里有4轮主动分了工。基线最差的一轮被反复插入的新消息拖到约50分钟才收尾,P95与P50的比值,Super-agent约1.27,基线约2.10。拿它换的不是平均速度,是那条总要人兜底的失控长尾。知乎36氪
还有一层提效,根本不体现在分钟数上。报告给出一个基础观察:一个人通常只能同时跟进3到5个活跃会话,多任务协作的效率被人的注意力卡死了。不少开发者的真实体验是“开五个AI窗口,人反而成了它们的项目经理”——代码不用自己写了,来回切窗口补背景、传话、追进度的开销,把Agent带来的效率吃了回去。知乎
Super-agent的思路是把协调从模型的临场判断变成结构约束。Router层承接所有入口消息、分派任务、维护全局记忆,但不介入单个任务内部怎么拆,也不亲自执行,甚至可以不配备Bash工具,用较轻量的模型往往就够了。Worker各自上下文隔离、挂完整工具干活,订阅同一业务对象(比如一个PR)的后续事件后由程序直通,不再每步请示。DeepSeek在内部群聊配置过一条“静默复现并修复”规则:研发人员在群聊里讨论软件故障时,即使没有人主动要求AI介入,Super-agent也会先在后台复现Bug、分析原因,甚至提交修复代码的Pull Request,等待人工审查。配套还有一个独立定时巡检的Watchdog。Agent出问题时进程往往还活着,只是在原地打转或跑偏了。“进程活着”和“任务在推进”是两回事,它盯的是后者。阿里中间件36氪知乎
但提效的账单和限制同样具体。第一是成本:官方实验里,Super-agent方案每轮读取的缓存token是基线的2到4倍——拿token换时间和稳定。第二是完成度:异步执行已经实现,但目前尚未默认开启。当前原型一个实例只能绑定单个GitHub仓库,暂不支持GitLab、Gitee等其他代码平台,且默认开启观察模式——只识别、评估、记录潜在任务,不动代码。——也就是说,此刻它默认不会替你的仓库改任何一行代码。知乎36氪知乎
最重的限制在安全边界。Worker直接继承部署账号的系统权限来执行操作,原型本身没有内置强沙箱隔离,官方明确要求单独创建低权限账号部署,不要拿日常开发账号直接跑。云端大脑通过端侧daemon连接开发者的个人机器执行命令,前提是云端和端侧彼此信任——云端一旦被攻破,或者凭证进了模型上下文,连上来的所有设备都危险。这是当前最硬的门槛,不是软件配置能绕过的。知乎知乎
发布后48小时,原理讲解、安装部署和实测类内容在国内平台上成批出现,收藏和讨论都很活跃。社区的共识口径其实相当克制:方向是真问题,Agent已经走过对话到动手、简单任务到长程任务的演进,正进入解决跨实体任务的阶段,国内外厂商都在同一题上落子。数据则是初步的,合成消息流、模拟耗时工具、每种配置只跑五次,没有评估真实的编码质量,团队自己在报告里标了“初步参考”。对普通开发者,接下来值得盯的信号排序大概是:真实编码基准下的提效数据、多仓库与团队协作能力、token成本曲线,以及自动接活机制何时在权限管控成熟后走出“只看不改”的观察模式。在那之前,这张已经画好的路线图先回答了一个更值钱的问题:Agent瓶颈的解法,不是换一个更大的模型,而是把人从会话窗口的看守位上挪开。哔哩哔哩阿里中间件知乎
当前文章无评论,是时候发表评论了