锐评一下,DeepSeek开源的Super Agent其实还缺不少重要机制
三句話摘要
DeepSeek SuperAgent雖然用路由器-工人架構解決多任務瓶頸,但根本缺陷在於沒有個人化本體論層,無法真正理解用戶上下文。 個人助理Agent的勝負不在任務調度工程,而在是否能透過個人本體論和模型微調真正理解用戶脈絡,從而一句話就理解意圖、減少上下文重複輸入。 Router+Workers解決的只是表面問題:DeepSeek的設計確實改善了任務調度,透過事件驅動、推測執行、100字報告等機制提高效率。但講者指出,這些工程優化主要得益於GitHub和Feishu已有的結構化事件和流程,並非通用解決方案。
重點整理
Router+Workers解決的只是表面問題:DeepSeek的設計確實改善了任務調度,透過事件驅動、推測執行、100字報告等機制提高效率。但講者指出,這些工程優化主要得益於GitHub和Feishu已有的結構化事件和流程,並非通用解決方案。
上下文跟隨才是真正瓶頸:人類秘書和老闆能高效溝通,因為共享知識讓説話者只需一句話。AI現在則相反──即便能追蹤多任務,每次仍需提供完整路徑和目錄,上下文輸入反而變成忙碌點,流狀態持續被打破。
個人本體論是關鍵抽象層:不同於記憶(過去發生什麼),本體論定義現在的實體、關係、狀態和可執行動作。將用戶的人脈、決策、工作狀態結構化成AI能直接使用的圖譜,讓助理「理解」而非「查詢」。
需要四層完整架構:資料治理→個人本體論→Human-Computer Interface(非編碼場景用)→模型微調。缺一不可,否則只是概念炒作而非實質進展。
實用技巧與重點
- 架構與機制:
- Router + Workers 模式
- 事件驅動(電話、郵件、到貨直接觸發特定Worker)
- 推測執行(主動分析事件做準備)
- 100字強制限制報告長度
- 狀態計算分離、Watchdog看門狗機制
- 缺失組件:
- 個人化本體論(跨來源、跨時間的抽象層)
- 多模態上下文資訊的工程化結構
- 個人助理專用HCI設計(不同於編碼Agent)
- 模型微調後訓練(Personal Assistant Mode)
- 參考研究:
- EvoMem論文(個人長期記憶連續成長)
- 知識圖譜與關係性記憶實驗
- 資訊收集可能方案:
- 錄音卡(recording cards)
- 智慧戒指(smart rings)
- 穿戴式攝影機(chest-worn cameras)
結論
個人助理Agent的勝負不在任務調度工程,而在是否能透過個人本體論和模型微調真正理解用戶脈絡,從而一句話就理解意圖、減少上下文重複輸入。
完整解析
講者以DeepSeek SuperAgent作為切口,深入分析個人助理Agent的真正瓶頸。首先概述AI三代演進──從單輪對話的聊天機器人,到思考型聊天機器人,再到能自主行動的Agent。傳統AI助理的局限在於會話列表制約:每個任務用一個獨立會話,任務越多用戶越疲憊,注意力破碎成四五個並行任務時已是極限。
DeepSeek的SuperAgent針對此提出Router(路由器)加Workers(工人團隊)的方案。Router如同老闆的秘書,聚合工作、記住誰做什麼、下達指令;Workers實際執行;Assistant本身只做協調。為了人類導向交互,即使秘書在忙(如通電話),老闆仍可持續派單,秘書記下後順序處理。系統事件驅動設計讓電話、郵件直接觸發相應Worker,甚至繞過Router提升效率。還有推測執行機制──事先分析事件做準備,老闆一問就能立即回答;強制100字報告限制,保持簡潔。
但講者認為這還不夠深入。真正問題不在任務調度,而在AI是否理解用戶脈絡。他舉例:親信秘書聽「昨天的事,第二方案可行,讓團隊跟進,找某某」一句話就懂得採取行動,因為雙方共享知識。現在的AI則反之──必須重複提供檔案路徑、目錄、背景,上下文輸入反而成為流狀態殺手。解決方案不是加更多Worker,而是根本改變上下文歸屬:從會話層級上升到用戶個人層級,持續跨越時間和來源。
講者提出「個人本體論」概念──有別於記憶(記什麼發生過),本體論定義當下的實體、相互關係、狀態與可執行動作,如用戶的人脈網絡、過往決策、任務結果,全部透過實體關係圖結構化。Agent接收指令後沿著這張圖快速理解意圖,無需逐次闡述背景。EvoMem等研究也在探索個人長期記憶的連續成長,但都還缺乏跨來源、跨時間的統一框架。
講者進一步指出,光有本體論還不夠,需要四層完整架構:資料治理(誰管理這份個人數據)→個人本體論結構→專為Personal Agent場景設計的HCI(不同於編碼工具那套UI)→針對Personal Assistant場景的模型微調。當前主流模型如GPT-4o即使有並行背景任務,仍在多任務、記憶、冗長回應等方面力不從心。模型層需要個人助理模式──快速存取本體、用類快取機制檢索記憶、減少思考步驟、即時反饋無冗言。
最後提到上下文來源不應只靠用戶輸入,自動收集機制如錄音卡、智慧戒指、穿戴攝影機可讓上下文有機成長,但當前各自分散缺乏治理框架。講者樂觀看好DeepSeek等開源導向公司可能給用戶本地完整控制權,相比大科技公司傾向雲端託管。


