最近网上总在聊Super-agent,有人说谁抢了先,有人说谁慢了半步。我看热闹看了几天,觉得比时间先后更值得问的是:它为什么现在出现,又能不能真的用起来。毕竟架构图谁都能画,难的是落到日子里。
我先说个自己的感受。我同时开过几个AI窗口写东西,一个查资料,一个改句子,一个排格式。最后最累的是我,来回贴内容、对进度、补前因后果,窗口越多,我越像中间传话的人。
这大概就是第一层问题。大家总以为AI能不能多干活,主要看模型聪不聪明。可任务一多,卡住的常常不是模型,而是人的注意力,开十个Agent不等于有十个帮手。
以前不少AI产品,把拆任务、派任务、盯进度、做汇总都留给人。人表面在用工具,实际干的是项目管理的活。Super-agent想接过去的,正是这部分协调工作,所以比的东西也从谁生成得好,变成谁能接住更复杂的事。
“super”这个词,我一开始也以为是“更超级”。后来看解释,它更像“在上面加一层”,和往下加子Agent是相反方向。官方自己也没说提出了全新理论,更像把工程结构重新摆了一遍。
做法上,是一个主脑统一接话、分任务、对外汇报,下面几个执行者各自带着上下文干活。主脑和执行者只是按职责分,不一定非要是某种固定形态。再加上外部事件能触发、云端能调本地环境、后台干活前台还能回应,这套说法才完整。
有意思的是,不是一家这么做。DeepSeek公开构想前后,AFK AI/Comma也自述过相近路线,先是一个团队一个对话,后来加上主Agent和子Agent。Anthropic推过相近理念,LobeHub也说用类似方式组织研发,几个月没在本地开开发服务器。
多个互不相关的团队,在几个月里走到相似结构,这比“谁先谁后”更能说明问题。可能是大家撞上了同一个坎,不是谁突然灵光一闪。但也得分开看,会说一个想法,和把它做成能用的东西,不是一回事,先做出来也不自动等于更优。
架构共识之后才是难的地方,头一个是记忆。一个长期会话接的活越来越多,上下文总有装满的时候;现实的办法,是把长期状态放在模型外面,让主脑和执行者分工,别把细节都塞进主对话。记忆管不好,架构图再漂亮也白搭。
第二个是持续学习。任务结果、人的修改、验收反馈,能不能变成训练信号,让小模型慢慢学会成熟流程。还得有上岗门槛,新模型先在自家评测里赢过旧版本再启用,不然用久了不是更聪明,而是更混乱。
第三个是跨环境。任务不能只在对话框里活着,要能监听群聊、代码平台这些地方的事件,该唤醒就唤醒。还要能接微信、邮件这类渠道,企业里还得管权限和信息流,用户不用追着平台跑,任务能自己接力才算变。
不过,有些问题原文没怎么回答。群里好几个人同时给Agent下指令,听谁的,谁的话可以不理,这其实是出了事谁认账的问题。还有产品形态,说要消灭复杂度,可用户找历史消息怎么办,一条超长会话不现实,按话题拆又和原来差不多;成本和安全也不轻。
我觉得最容易被低估的,是责任归属。AI自己调度、自己执行,出错时谁负责,谁签字,谁兜底,这个问题不解决,它很难进真实生产。真正的门槛不是一张架构图,而是长期攒下来的组织能力、流程习惯和资源协同,这些东西看得见却不好搬。
趋势也在变。以前比谁处理任务多,以后可能比谁能接住更重的责任和更复杂的事。卖模型会慢慢变成卖系统和入口,人的角色则从调度员往决策者和验收者退。
绕回开头三个追问:瓶颈是真的,多个团队想到一块不奇怪,落地确实难。Super-agent不是终点,只是一次把人的注意力解放出来的尝试,最后决定成败的,不是架构更花哨,而是记忆、学习、跨环境和权责能不能同时做扎实。等Agent多到人看不过来时,我们想要的到底是一个更强的工具,还是一个能被信任、也能被追责的同事。