Detaillierte Erklärung von Super Agent: Er erledigt Aufgaben proaktiv und versteht es viel besser, wann er zu schweigen hat.

Das Team von DeepSeek Harness veröffentlichte am Abend des 31. Oktober einen Artikel mit dem Titel „Erkundung des Super-Agent-Designs: Auf dem Weg zu einem autonomeren Agent-System“, in dem ein Konzept namens Super Agent vorgestellt wurde.

Gleichzeitig haben sie den Prototyp von Super Agent, dsh-superagent-prototype, auf GitHub als Open-Source veröffentlicht, um Entwicklern als Referenz zu dienen.

Der sogenannte Super Agent entspricht einem Kollegen mit außergewöhnlichem Gedächtnis, der 24 Stunden online ist und niemals faul oder nachlässig arbeitet.

Er erinnert sich an alle Aufgaben, die Sie ihm früher zugewiesen haben, selbst bei der nächsten Aufgabe. Außerdem kann er dieselbe Arbeit auf verschiedenen Plattformen wie Chat-Apps, E-Mails und GitHub ausführen.

„Proaktivität“ ist das zentrale Schlüsselwort von Super Agent. Er erledigt manche Dinge nicht erst, wenn Sie ihm ausdrücklich einen Befehl geben.

Wenn er zum Beispiel sieht, dass jemand in einer Gruppe einen Fehler meldet, wird er auch dann, wenn niemand den Super Agent @erwähnt, zuerst prüfen, wo das Problem liegt, und es direkt beheben, falls möglich.

Claude Duet, das zuvor von Anthropic vorgestellt wurde, befindet sich zwar noch in der Vorschauphase, liest aber auch proaktiv E-Mails und Kalender, sendet Ihnen morgens eine Kurzinformation und meldet sich bei Ihnen, wenn er wichtige Dinge entdeckt.

Agenten sollten nicht ständig auf Ihre Anweisungen warten – das ist die Gemeinsamkeit zwischen Super Agent und Duet.

Aber „Proaktivität“ bedeutet nicht, ständig Aufmerksamkeit zu suchen.

Ein wirklich gut funktionierender Super Agent muss nicht nur wissen, wann er Sie proaktiv kontaktieren soll, sondern auch, welche Dinge er selbst erledigen kann, unter welchen Umständen er Sie stören darf und wann er still bleiben soll.

Er weiß, was er zu tun hat, und weiß auch, wann er Sie nicht belästigen soll.

01

Was ist der Unterschied zwischen Super Agent und einem normalen Agent?

Der Unterschied zwischen Super Agent und einem normalen Agent besteht darin, dass Ersterer wie ein fest angestellter Mitarbeiter ist, während Letzterer eher einem Zeitarbeiter gleicht.

Wenn Sie einem normalen Agenten eine Aufgabe zuweisen, beginnt er, Informationen zu suchen, Code zu schreiben und Ihnen das Ergebnis zu liefern.

Wenn Sie ihm das nächste Mal eine andere Aufgabe geben, auch wenn es derselbe Agent ist, fängt er wieder bei der Informationssuche an. Selbst wenn der normale Agent alle Aufgaben durchlaufen hat, kennen am Ende nur Sie das vollständige Bild aller Aufgaben.

Denn jede Aufgabe ist eine unabhängige Sitzung (Session), die Sitzungen sind voneinander getrennt. Der normale Agent kennt die Schlussfolgerungen, die er in Sitzung A gezogen hat, in Sitzung B überhaupt nicht. Nur Sie selbst kennen das vollständige Bild aller Aufgaben.

Das DSH-Team hat jedoch beobachtet, dass die Energie eines Menschen begrenzt ist und er normalerweise nur 3 bis 5 solcher aktiven Sitzungen gleichzeitig verfolgen kann. Das Problem liegt also nicht nur darin, ob der Agent intelligent genug ist, sondern auch darin, wie viele Agenten Sie gleichzeitig überwachen können – das ist ein zentraler Punkt zur Steigerung der Arbeitseffizienz des Modells.

Was wäre, wenn ein Mitarbeiter alle Dinge gleichzeitig erledigen müsste?

DSH hält das auch für unrealistisch. Wenn ein normaler Agent gleichzeitig Fehler behebt, Berichte schreibt und ständig Nachrichten beantwortet, wird seine Ausgabegeschwindigkeit zwangsläufig langsamer. Noch schlimmer ist, dass die Details mehrerer Aufgaben leicht vermischt werden können, was zu völlig falschen Ergebnissen führt.

Das Erste, was Super Agent lösen muss, ist die Zuweisung von zwei Rollen.

Eine davon heißt Router, was man sich als Projektleiter vorstellen kann. Er ist dafür verantwortlich, Anforderungen anzuhören, den Hintergrund zu notieren, das Gesamtbild zu überblicken und dann zu entscheiden, an wen die Aufgabe weitergegeben wird – er führt die konkrete Ausführung nicht selbst durch.

Die andere Rolle heißt Worker, also der Mitarbeiter, der tatsächlich arbeitet. Jeder Worker übernimmt nur eine Aufgabe und erledigt sie in seinem eigenen unabhängigen Bereich: Derjenige, der Fehler behebt, konzentriert sich ausschließlich auf die Fehlerbehebung, derjenige, der Berichte schreibt, konzentriert sich ausschließlich auf das Schreiben von Berichten, mehrere Personen können gleichzeitig arbeiten.

Es klingt etwas absurd, aber Tatsache ist, dass diese Worker mit unterschiedlichen Aufgabenverteilungen auch unterschiedliche „Persönlichkeiten“ haben. Einige sind leicht zu kommunizieren, andere sind extrem schwer zu erreichen.

Bei Super Agent müssen Sie daher nur mit dem am leichtesten zu kommunizierenden Projektleiter zusammenarbeiten, statt mit jedem einzelnen Worker einzeln zu kommunizieren.

An dieser Stelle fragen Sie sich vielleicht: Ist das nicht einfach ein Hauptagent mit mehreren Unteragenten? Vor ein paar Tagen hat Anthropic gerade einen Artikel mit dem Titel „Agenten aufbauen“ veröffentlicht, dessen Kernaussage lautet, dass eine große Anzahl von Unteragenten weniger effizient ist als ein einzelner Agent.

Tatsächlich sind die beiden völlig unterschiedlich.

Der Hauptagent, der die Unteragenten befehligt, hat eine sehr schwere Aufgabenlast: Er muss die Aufgabendetails tiefgehend verstehen, Teilaufgaben planen und häufig koordinieren, sodass seine Inferenzlast sehr hoch ist. Gleichzeitig muss jeder Schritt der Unteragenten gekoppelt werden, sodass der Hauptagent häufig koordinieren muss.

Der Router kümmert sich um nichts davon, er fragt sich nur: „An wen soll ich diese Aufgabe weitergeben?“ Die Worker sind kontextuell isoliert und voneinander unabhängig, sie erkennen Konflikte, indem sie denselben Thread abonnieren.

Aus Sicht der Produktlogik ist Super Agent also etwas völlig anderes als Unteragenten.

02

Woher kommt die „Proaktivität“ von Super Agent?

Die zweite Sache, die Super Agent erledigt, ist: Wie arbeitet er proaktiv, wenn niemand ihm ausdrücklich einen Befehl gibt?

Der Ansatz von DeepSeek besteht darin, dass er auf alle Bewegungen in der Arbeitsumgebung achtet.

Jede Bewegung kann ein „Auslöser“ (Trigger) sein. Sobald Super Agent eine Bewegung bemerkt, wechselt er sofort in den Arbeitsmodus.

Nachdem die Aufgabe zugewiesen wurde, müssen die nachfolgenden Kommunikationen nicht mehr ständig über den Projektleiter laufen. Wenn ein Worker zum Beispiel bereits damit begonnen hat, einen bestimmten Fehler zu beheben, gelangen neue Kommentare unter diesem Thema direkt an den Worker.

Genau wie ein Reparaturtechniker, nachdem er einen Auftrag angenommen hat: Sie melden das Problem direkt dem Techniker, statt es noch einmal über den Kundendienst weiterzugeben.

In dem Artikel von DSH gibt es einen Fall, der bereits am Anfang erwähnt wurde: Jemand in einer Gruppe schreibt: „Dieses Projekt hat einen Fehler.“ Niemand erwähnt den Agenten, aber nachdem dieser Satz in das System gelangt ist, wird er zuerst durch Regeln gefiltert, dann beurteilt das Modell, dass er der im Voraus von dem Team festgelegten Strategie „Stilles Reproduzieren und Beheben“ entspricht.

Der Projektleiter weist die Aufgabe einem Worker zu, der das Problem in seinem unabhängigen Bereich reproduziert, die Ursache sucht und versucht, es zu beheben. Wenn er das Problem nicht reproduzieren kann oder feststellt, dass die Behebung sehr komplex ist, bleibt er still. Wenn er das Problem bestätigt und eine einfache Lösung findet, reicht er einen PR ein und übergibt das Ergebnis schließlich zur Prüfung an einen Menschen.

Wenn jemand später in einem GitHub-Kommentar verlangt, die Behebungsmethode zu ändern, kann der Worker von der ursprünglichen Szene in der Chat-App zu GitHub wechseln und die Arbeit fortsetzen.

Das im Artikel von DeepSeek gezeigte interne Beispiel treibt die Aufgabe genau so zwischen Gruppenchat und GitHub kontinuierlich voran und reicht sogar proaktiv einen Antrag für den Korrekturcode ein, ohne dass jemand den Agenten erwähnt.

Neben dem Lesen von Nachrichten in Chat-Apps beobachtet Super Agent auch alle sichtbaren Informationen, zum Beispiel eine neu eingegangene E-Mail, eine Änderung im Terminplan oder das Fehlschlagen der automatischen Code-Prüfung.

Aber die meisten Nachrichten in Gruppenchats sind Smalltalk und haben fast nichts mit Super Agent zu tun. Wenn das Modell jede Nachricht durchlesen müsste, wäre das langsam und teuer.

Deshalb hat DeepSeek dem Super Agent zwei Siebe hinzugefügt.

Das erste Sieb sind im Voraus festgelegte Regeln: Welche Gruppen eingesehen werden dürfen, welche Nachrichten von Personen oder Robotern gültig sind und welche Quellen direkt ignoriert werden.

Das zweite Sieb wird dem Modell überlassen: Bei den verbleibenden Kandidatennachrichten beurteilt das Modell, ob der Satz nur eine zufällige Beschwerde ist oder ob es sich tatsächlich um ein zu behandelndes Problem handelt.

Solche Beurteilungen, die das Verständnis der Semantik erfordern, lassen sich nicht in Regeln formulieren. Glücklicherweise wird das zweite Sieb in natürlicher Sprache geschrieben – wenn Sie die Strategie ändern möchten, müssen Sie nur einen Prompt-Satz anpassen.

Erst wenn beide Siebe passiert sind, weist der Projektleiter die Aufgabe zu.

Ein weiteres großes Merkmal von Super Agent ist, dass er die Arbeit im Hintergrund ausführt: Er teilt Ihnen zuerst mit, dass er begonnen hat, und liefert Ihnen das Ergebnis nach Abschluss zurück. Währenddessen können Sie weiterhin Anforderungen ergänzen, die Arbeit anhalten oder die nächste Aufgabe zuweisen.

Laut DeepSeek ist dieser asynchrone Aufgabenmechanismus bereits in DSH implementiert, ist aber noch nicht standardmäßig aktiviert.

Wenn Sie in einem Restaurant bestellen, wartet der Kellner nach der Bestellung auch nicht am Herd, bis das Gericht fertig ist. Er kommt zurück, um andere Gäste zu bedienen, und holt das fertige Gericht dann, um es Ihnen zu servieren.

Ein weiterer Punkt: DeepSeek ist der Ansicht, dass Agenten kontinuierlich arbeiten müssen, sodass Super Agent ständig online sein und fortlaufend arbeiten soll. Aber wenn er zu lange arbeitet, wird der Kontext zu lang, und der Agent macht leicht Fehler.

Deshalb trennt DeepSeek das „Gehirn“ des Agenten, die Aufgabenaufzeichnungen und den tatsächlichen ausführenden Computer voneinander.

Das Gehirn kann in der Cloud arbeiten, die Aufgabenaufzeichnungen werden separat gespeichert, Code und Dateien verbleiben auf dem ursprünglichen Computer. Auf diese Weise sind die Aufzeichnungen noch vorhanden, wenn eine Cloud-Maschine neu gestartet wird. Wenn Sie auf Ihren Computer zugreifen müssen, wird eine Fernverbindung hergestellt.

Gleichzeitig hat DeepSeek dem Super Agent einen Watchdog zugewiesen.

Eine gewöhnliche Überwachung prüft nur, ob der Agent abgestürzt ist. Der Watchdog prüft außerdem, ob die Aufgabe Fortschritte macht und ob die Richtung nicht abweicht.

Genau wie ein Filialleiter, der das Geschäft durchgeht: Er prüft nicht nur, ob das Licht am Herd an ist, sondern auch, wie viel Gramm Salz der Koch verwendet und wie lange er das Gericht kocht.

Aber dsh-superagent-prototype auf GitHub kann noch nicht als „Vollversion“ von Super Agent betrachtet werden. DeepSeek gibt an, dass es sich nur um einen Forschungsprototyp handelt, nicht um ein offizielles Produkt. Derzeit zielt er hauptsächlich auf ein einzelnes GitHub-Repository ab, kann optional auch in Feishu integriert werden, und einige der im Artikel beschriebenen Funktionen sind noch nicht implementiert.

03

Die stärkste Fähigkeit von Super Agent ist „den Mund zu halten“

In der Dokumentation des GitHub-Prototyps steht ein Satz: Nehmen Sie so wenig menschliche Aufmerksamkeit wie möglich in Anspruch und liefern Sie so viel Wert wie möglich.

DeepSeek betrachtet jede Nachricht, jede Benachrichtigung, jedes Problem und jede Einstellung als Aufmerksamkeitskosten. Alles, das keinen ausreichenden Wert liefert, sollte gelöscht werden.

Der Prototyp regelt außerdem ausdrücklich, dass der Agent während der Arbeit still bleibt und nur dann wieder spricht, wenn das Ergebnis verfügbar ist, eine menschliche Entscheidung erforderlich ist oder die Aufgabe nicht abgeschlossen werden kann.

Das ist fast das Gegenteil der Logik früherer Internetprodukte.

Früher hoffte man bei Produktentwicklungen immer, dass Nutzer die App so oft wie möglich öffnen. Super Agent soll Ihnen helfen, die Dinge zu erledigen, sodass Sie die App seltener öffnen müssen.

Ein wirklich gut funktionierender Agent sollte nicht 20 Gruppenchat-Nachrichten zu weiteren 20 Benachrichtigungen zusammenfassen und Sie dann jede einzeln bestätigen lassen. Er sollte die meisten Dinge zuerst erledigen, sodass Sie nur die Entscheidungen treffen müssen, die unbedingt von Ihnen getroffen werden müssen.

Deshalb ist der Kern der Proaktivität von Super Agent nicht „viel zu reden“, sondern zu wissen, wann er Sie nicht stören soll.

In dem Artikel von DeepSeek gibt es das Beispiel der Strategie „Stilles Reproduzieren und Beheben“.

Der Agent kann den Fehler zuerst im Hintergrund reproduzieren und nach einer Behebungslösung suchen, liefert das Ergebnis aber erst aus, wenn er das Problem bestätigt und eine einfache Lösung gefunden hat – ansonsten bleibt er die ganze Zeit still.

Ein normaler Agent würde wahrscheinlich sofort antworten „Erhalten, ich analysiere das gerade“, sobald er die Nachricht sieht, zehn Minuten später einen Prozessbericht senden und Ihnen eine halbe Stunde später mitteilen, dass er das Problem nicht reproduzieren konnte.

Ja, dieser normale Agent ist sehr beschäftigt, es sieht schon anstrengend aus – aber Sie wurden trotzdem eine ganze Weile von ihm belästigt.

Aber die Informationen, die der Agent erzeugt, entsprechen nicht dem Wert, den der Agent liefert. Super Agent definiert die Beziehung zwischen Mensch und KI neu: Menschen sollten nicht als Sekretär für die KI arbeiten.

DeepSeek betont wiederholt ein Konzept: Sitzungen sollten vom System im Hintergrund verwaltet werden, der Nutzer sollte sich nicht darum kümmern müssen.

Der Artikel erwähnt: „Aus dieser Sicht ist die manuelle Verwaltung von Sitzungen durch den Nutzer zu einem großen Teil eine Designgewohnheit, die von den Low-Level-LLM-APIs übernommen wurde.“ Das bedeutet, dass Sitzungen nicht die richtige Produktform sind, sondern nur eine Gewohnheit, die von den frühen großen Modell-APIs übrig geblieben ist.