Haben die in Silicon Valley ansässigen Chinesen DeepSeek zuvorgekommen und die nächste Generation von Agent Harness entwickelt?
Der Weg ist nicht einsam.
DeepSeek hat gerade das Super-agent-Konzept vorgestellt, das nach seiner Veröffentlichung sofort eine hitzige Debatte ausgelöst hat.
Inmitten dieser Diskussionen werden die früheren Errungenschaften eines chinesischen Teams aus dem Silicon Valley nun erst richtig verstanden.
Hinter dieser technischen Resonanz über den Ozean hinweg verbirgt sich jedoch das gleiche grundlegende Dilemma der Mensch-Maschine-Koordination —
Gegenwärtig werden Menschen zum Flaschenhals der KI.
Stellen Sie sich vor, die KI kann gleichzeitig 1000, 10000 oder 100000 Aufgaben bearbeiten. Wenn die Anzahl so groß ist, dass Menschen sie nicht mehr überblicken können, wie sollte der Agent dann eigentlich aussehen?
KI-generiert
Vor einigen Tagen veröffentlichte das DeepSeek Harness-Team einen bahnbrechenden Artikel, der für dieses Problem die Architekturvorstellung des nächsten Generation Super-agents liefert:
Ein Super-Intelligenzagent mit fortlaufendem Kontext, der mehrere Agenten autonom zur parallelen Arbeit einteilen kann und sogar 7×24 Stunden online ist.
Er befreit die begrenzte Aufmerksamkeit des Menschen, lässt die Agenten massenhafte Aufgaben übernehmen und sich selbst verwalten.
Die Realität ist so magisch, dass viele Menschen nicht wissen, dass auf der anderen Seite des Ozeans ein chinesisches Team aus dem Silicon Valley namens AFK AI —
bereits zu Beginn dieses Jahres die zugrundeliegende Architektur des Super-agents, 「Einzelner Router + Mehrere Worker」 und seine vier Kernmerkmale in seinem eigenen Produkt Comma implementiert hat.
Sie sind sogar noch einen Schritt weiter gegangen und haben direkt den Fluch des Kontexts angegangen, der entsteht, wenn eine einzelne Sitzung alles übernimmt, sodass der Agent langfristig Gedächtnis behält, kontinuierlich lernt und immer online ist:
Besonders erwähnenswert ist, dass dieses System bereits öffentlich verfügbar ist und sogar der Quellcode quelloffen ist.
In dieser Zeit, in der jeder den Personal Agent anpreist, hat ein chinesisches Team aus dem Silicon Valley den 「Jarvis」 aus Science-Fiction-Filmen schon früh in die Realität umgesetzt.
Man leidet lange unter der einzelnen Sitzung — zwei Agentenanbieter stimmen überein, ohne sich abzusprechen
Die folgenden dramatischen und kopfzerbrechenden Lern- und Arbeitsszenarien sind Ihnen sicher nicht fremd —
Sie lassen die KI gerade einen Code ändern, aber der Test wird noch mehr als zehn Minuten dauern, das ist frustrierend.
Plötzlich stellt der Kunde eine neue Anforderung und drängt Sie, schnell einen Projektentwurf zu erstellen. Sie öffnen ein weiteres KI-Konversationsfenster und beginnen erneut, Aufgaben zu erteilen.
Ausgerechnet in diesem Moment kommt der Chef mit einer Überraschung und fragt in der Arbeitsgruppe nach dem Fortschritt des gestrigen Projekts — es ist eilig!!
Also wechseln Sie hektisch zwischen Fenstern, suchen nach historischen Gesprächen, und wenn Sie zurückschauen, sind der Bildschirm voller Agenten-Konversationen und unzählige Aufgaben, die nachverfolgt werden müssen — das macht wirklich Kopfschmerzen.
Dieses so 「unhaltbare」 Szenario verweist genau auf das Kernproblem, das das DeepSeek Harness-Team im Super-agent-Artikel erwähnt —
Nach Beobachtungen des Teams kann die Aufmerksamkeit gewöhnlicher Menschen normalerweise nur 3 bis 5 aktive Sitzungen gleichzeitig verfolgen.
Es liegt nicht daran, dass der Agent nicht leistungsfähig genug ist, sondern der entscheidende Grund ist: Die Parallelitätsfähigkeit des Agenten kann unbegrenzt erweitert werden, aber die menschliche Aufmerksamkeit hat eine harte 「Obergrenze」.
Der Lösungsansatz des Super-agents ist sehr direkt: Man lagert die menschliche Aufmerksamkeit einfach aus und lässt Agenten andere Agenten verwalten.
Dafür haben sie vier Standards für den Super-agent vorgeschlagen — fortlaufend, effizient, aktiv und dauerhaft.
Fortlaufend bedeutet, dass Gedächtnis und Kontext miteinander verbunden sind. Effizienz ergibt sich aus der parallelen Zusammenarbeit mehrerer Worker. Aktiv bedeutet, Aufgaben autonom voranzutreiben. Dauerhaft unterstützt langfristige Online-Verfügbarkeit und autonome Reparatur.
Über einen einzigen Konversationseingang können Benutzer den Hauptagenten dazu bringen, mehrere Agenten zu koordinieren, um massenhafte Informationen parallel zu verarbeiten und Aufgaben über verschiedene Szenarien hinweg zu überwachen. Der Mensch muss nur für die Entscheidungen auf höchster Ebene verantwortlich sein:
Die Behauptung, die DeepSeek Harness vor einigen Tagen aufgestellt hat, hat alle sofort schockiert. Aber noch aufregender ist —
Die nächste Generation von Agenten, die DeepSeek beschrieben hat, wurde von dem chinesischen Silicon-Valley-Team AFK AI bereits vor einem halben Jahr in Form von Comma in ähnlicher Richtung entwickelt.
Das Team hat sogar ein zukunftsweisendes Konzept vorgeschlagen: Ein Team, eine Konversation.
Benutzer müssen sich nur an eine langfristig bestehende Hauptkonversation wenden, in der der Router Aufgaben koordiniert und Worker mit unabhängigen Kontexten zur parallelen Ausführung einteilt.
Auf der untersten Architekturebene haben die beiden Agentenanbieter eine übereinstimmende Einigung erzielt: Einzelne Sitzung + Router (Hirn) + Mehrere Worker (Ausführende).
Der ständig präsente Router empfängt Anweisungen einheitlich und koordiniert das Ganze, während mehrere Worker in unabhängigen Kontexten parallel arbeiten und Ergebnisse melden.
Selbst wenn Dutzende von Agenten gleichzeitig im Hintergrund arbeiten, muss der Benutzer nur in einem einzigen Dialogfeld Anweisungen erteilen und Ergebnisse abnehmen. Man muss nicht mehr zwischen Fenstern wechseln und jeden einzeln nach Fortschritten fragen.
Natürlich entsteht ein neues Problem: Wenn der Agent beginnt, die menschliche Aufmerksamkeit zu übernehmen, taucht ein schwierigeres Problem auf —
Wer verwaltet das Gedächtnis des Agenten selbst?
Man muss wissen, dass eine einzelne Sitzung immer mehr Dinge zu erledigen hat, und das Kontextfenster hat letztendlich eine Obergrenze.
Wenn eine langfristig bestehende Sitzung immer mehr Arbeiten übernimmt, ist das Problem der menschlichen Aufmerksamkeit gelöst, aber das Gedächtnislimit des Agenten selbst taucht wieder auf.
Das wirklich schwierige Problem besteht darin, dass der Agent ein System haben muss, das kontinuierlich lernen, langfristig online sein und wichtige Erinnerungen jederzeit abrufen kann.
Und genau das berührt die tiefere technische Fragestellung des Super-agents:
Ein persönlicher Agent wie Jarvis, der allgegenwärtig und immer online ist und sogar im Laufe langfristiger Arbeit ständig Erfahrungen sammeln kann.
Diese Vorstellung von dem zukünftigen Agenten ist tatsächlich bereits in Comma integriert und wird zu einem praktischen Erlebnis, das jeder Benutzer selbst erleben kann.
Von der Architekturvereinbarung zur Produktimplementierung — der Super-agent ist in echten Produkten angekommen
Fortlaufend und effizient: Eine einzelne Konversation lässt die Agenten selbst die Arbeit leiten
Lassen Sie uns zuerst über 「fortlaufend」 und 「effizient」 sprechen.
Wie bereits erwähnt, ist ein wichtiges Architekturmerkmal des Super-agents, dass der ständig präsente Router das Ganze koordiniert und mehrere Worker mit isolierten Kontexten Aufgaben parallel ausführen.
Wichtig! Hier wird nicht nur die Ausführung mehrerer Aufgaben in einer einzelnen Konversation betont, sondern auch die Ausführung über verschiedene Umgebungen hinweg, das Verstehen und Reagieren auf Änderungen der Benutzerabsichten und so weiter.
Diese ideal klingende Interaktionsweise ist jetzt in Comma zu einem echten Produkterlebnis geworden.
Für gewöhnliche Benutzer ist das angenehmste Erlebnis meiner Meinung nach: Man muss endlich nicht mehr täglich Agenten in Gruppen einladen, ihnen Rollen zuweisen und ihnen einzeln Aufgaben erteilen.
Alle Probleme wie eine Aufgabe pro Dialogfeld, Aufgaben, die nacheinander ausgeführt werden müssen, und wiederholtes Einfügen von Hintergrundinformationen können vollständig entfallen!
Vor kurzem habe ich das Spiel Overcooked gespielt, aber es hat mir nicht genug Spaß gemacht. Also hatte ich eine Idee: Ich befehle Comma einfach, eine Version davon zu erstellen.
Aber ich habe noch die wöchentliche Berichtsrückschau und die Aufgabe, die aktuellen Veröffentlichungsinformationen von KI-Modellen zu ordnen, und es gibt noch viele andere zu erledigende Angelegenheiten.
Früher hätte ich in dieser Situation sofort drei Agenten-Konversationen geöffnet, ihnen jeweils Hintergrundinformationen gegeben, Aufgaben erteilt und dann jeden nach Fortschritten gefragt.
Diesmal mache ich es mir einfach bequem: Ich bleibe im selben Dialogfeld von Comma und gebe alle drei Aufgaben auf einmal ein.
Das Ergebnis hat mich wirklich überrascht — die drei Aufgaben werden verschiedenen Workern zugewiesen.
Drei Agenten arbeiten gleichzeitig, ohne sich zu stören. Ich kann sogar jederzeit dazwischenreden und vorübergehend neue Aufgaben hinzufügen. Der Hintergrund arbeitet trotzdem mit voller Kraft — es gibt überhaupt keine Verzögerungen.
Natürlich reicht es nicht, wenn im Hintergrund alles lebhaft zugeht — am Ende zählen die Ergebnisse!
Sehen Sie sich einfach die selbst erstellte Version von Overcooked an, die Comma in zehn Minuten für mich gemacht hat.
WASD-Steuerung, 3-Minuten-Countdown, Pfanne schnappen, falsches Gericht liefern, Durchgänge blockieren … alle gewünschten Spielmechanismen sind implementiert und meine Anforderungen werden 1:1 erfüllt.
Gleichzeitig ist die wöchentliche Berichtsrückschau fertig. Die Arbeitsinhalte sind klar strukturiert, wichtige Fortschritte und Folgearbeiten sind ordentlich aufgelistet — das ist sehr gut.
Während des gesamten Prozesses muss ich nur Anforderungen stellen, Fortschritte verfolgen und Ergebnisse abnehmen.
Die Aufgabenverteilung, parallele Ausführung und Zustandszusammenfassung im Hintergrund werden von Comma übernommen — ich muss mich gar nicht darum kümmern.
Das ist das erste Mal, dass ich wirklich erlebe, dass Menschen endlich von der Aufgabe der Mehrfachaufgabenplanung und Aufmerksamkeitsverteilung befreit werden.
Die Verwaltung von Agenten wird endlich von 「Prozessüberwachung」 zu 「Ergebnisverwaltung」.
Umgebungsübergreifend: Aufgaben über Apps hinweg annehmen, verteilen und abschließen — alles aus einer Hand
Die Möglichkeit, in einem einzigen Dialogfeld gleichzeitig zu arbeiten, ist erst die erste Hälfte.
Die echte Prüfung für den Super-agenten besteht darin, ob er die Aufgabe auch dann fortsetzen kann, wenn sie das Dialogfeld verlässt.
Das ist genau die höhere Anforderung des Super-agents an die 「Fortlaufendheit」: Umgebungsübergreifende Funktionsweise.
In der von DeepSeek vorgeschlagenen Architektur hängt dies von dem unterliegenden Interaktionsmechanismus über mehrere Kanäle ab —
Der Router empfängt Nachrichten aus verschiedenen Plattformen einheitlich, die Worker führen sie im Hintergrund unabhängig aus und geben die Ergebnisse dann gemäß den Interaktionsgewohnheiten der verschiedenen Kanäle zurück.
Ein offizielles Beispiel ist, dass dieselbe Entwicklungsaufgabe nahtlos zwischen IM und GitHub fortgesetzt wird. Die KI kann Gruppenchats aktiv überwachen und automatisch Pull Requests einreichen:
