什么值得买App下载 App ›
连续签到专享现金活动

DeepSeek 新架构省下的 47%,不是替你干活

你开着四个 AI 窗口:一个写方案,一个查资料,一个改代码,一个在等你回话。看起来是四个助手在干活,实际上你是它们唯一的主管——切窗口、补背景、追进度,最后挨个验收。

这不是你一个人的问题。DeepSeek 团队观察,一个人通常只能同时跟进 3 到 5 个活跃会话。36氪

10 月 31 日晚,DeepSeek Harness 团队发了一篇架构文章,开头就点破了这件事:单任务的上限取决于模型能力,多任务的上限取决于人的注意力。 这篇《Super-agent 设计探索》讲的不是新模型,而是一套把“派活”和“跟进”从人手里接过去的架构。团队同步开源了一个研究原型。DeepSeek36氪

比如你正在写方案,群里有人报了个 Bug,GitHub 上又来了条评论:Bug 归一个 Worker,评论归另一个,方案继续写。这就是 Router–Worker 的分工:Router 层常驻,只跟人说话、判断事情该谁做,自己不干活;Worker 层各带各的上下文并行执行,干完向 Router 汇报。 一个任务开始后,后续消息直接送到对应的 Worker,不用每次重新排队。这套设计想把人的动作压缩成两个:开头说清楚,最后验收。DeepSeek

最抓眼的是这个数字:在一组约 300 条消息、20 个工作请求的模拟里,Super-agent 的任务完成时间 P95 是 15.7 分钟,带子 Agent 的单会话方案在中性提示下是 29.5 分钟,快了约 47%。36氪

但这 47% 测的不是“AI 替你干了多少活”。实验里的编码工作,是用一个只消耗时间的工具模拟的,量的是调度和协调,不是单个任务完成得好不好。 更关键的是,中性提示下,模型五次运行里一次都没主动叫子 Agent——光靠提示词让它分工,本身就不稳。省下来的是等人、排队、来回转达的时间,不是写代码、做表、写稿的时间。DeepSeek

这笔账也没被藏起来:Super-agent 维护多个独立会话,token 消耗比单会话更多——它拿 token 换时间。知乎

那普通人现在能省多少?对大多数普通人,直接答案是零。它只服务一个 GitHub 仓库,光环境就要装 Node、pnpm、git、tmux、GitHub CLI 等一串命令行工具。它是一套给开发者验证路线的原型,不是给你写周报的产品。GitHub

不过,这套思路不用等产品。你现在就可以把自己的 AI 用法拆成两层:开一个主对话,只做拆解、记录和验收,不在里面写正文;具体的活各开一个窗口,用能力最强的模型干,干完只把结论贴回来。拿季度复盘举例,主对话只负责拆成“拉数据、写结论、做图”,三件事各开一个窗口,最后回到主对话拼起来。需求、决定和进度另存一份文档——窗口关了就没了,写进文档的东西才留得下。隔一阵再另开一个窗口当检查员,只问两件事:有没有实质进展,有没有跑偏。

这套手动版不省你写的时间,省的是来回切、反复讲、忘了讲到哪的时间。

而且,就算这类系统真做成了产品,省下来的大概也主要是协调,不是判断。眼下这个原型默认只观察,记录“本该接哪些单”但不动手,PR 也不自动合并——DeepSeek 自己也没把最后一关交出去。 活可以派给 AI,责任不行。普通人接下来要练的,可能不是更花哨的提示词,而是把要求说清楚、把结果看明白——这决定了你敢把多少事真正交出去。知乎

省事的上限,不是 AI 多能干,而是你愿意把哪一段交给它,又留哪一道关给自己。

评论

评论区空态插画

当前文章无评论,是时候发表评论了