笔记 · Agent ·

想让它分派任务,就拿走它的工具

DeepSeek 的 Super-agent 把接待和干活拆成两层。最打动我的是:架构约束比提示词更可靠。

读书笔记原文:《一文读懂 DeepSeek Super-agent》↗Oil 欧呦 · Oil Book

为什么读

单个 Agent 已经很强了,卡住的往往是人同时盯几个任务的注意力。这篇把 DeepSeek 一篇偏系统工程的设计论文翻译成了普通用户能懂的话。文中的实验数字都来自论文本身,一些功能和产品对比也可能已经变化。

我记下的要点

  1. Super-agent 的四个特征: 持续(跨渠道是同一个身份)、高效(后台并行)、主动(盯着事件,需要时出手)、持久(一直在线,能自己恢复)。
  2. Router 和 Worker 两层: Router 接收所有人的输入并分派,自己没有任何执行工具,连 Bash 都没有;Worker 各自隔离,带全套工具,只向 Router 汇报结论。
  3. 架构约束胜过提示词: 只靠提示词时,单窗口 Agent 从不分派任务,p95 完成时间 29.5 分钟;把 Router 的工具拿掉后,100% 分派,p95 降到 15.7 分钟。
  4. 两段过滤和线程订阅: 先用确定性代码(白名单、渠道规则)滤掉大部分噪音,再让模型判断剩下的。Worker 订阅自己负责的讨论串,后续消息直接给它,Router 的决策量少了约 30%。
  5. 把上下文窗口当缓存: 相关消息就近带入(Inline),太长的截断只留预览和 ID(Spill),需要时顺着 ID 一层层找回旧上下文。
  6. 按渠道调整输出: 即时聊天每次回复限制在 100 字,PR、邮件、文档这类异步渠道才给完整报告。

我的想法

「想让它分派,就别给它干活的工具」这个思路很像管理:你希望一个人当协调者,最好别让他手里也有活,不然他总忍不住自己上。

这让我想到今天建站时,主对话派子 Agent 去读网页,只拿回摘要。那是我主动要求的;如果主对话手边就有抓网页的工具,它大概也会自己去读。

不过我只是一个人用,同时在跑的任务不多,这套架构对我来说偏重。我更想先借用其中的小原则,比如不同渠道给不同长度的输出。

我打算试试

  • 给日常用的 Agent 定个规矩:在聊天里回答控制在几句话,详细内容写进文件