DeepSeek最近公开了一套名为Super-agent的AI智能体架构，想解决AI像员工长时间工作的问题。

DeepSeek产品部崔添翼回应了这套架构的设计思路。

他表示，目前常见的AI Agent，可以理解成一个能够使用工具的AI助手。但遇到复杂任务，往往需要多个Agent相互配合。

传统方案通常是一个主Agent负责指挥，再把其他工作分配给下面的子智能体。

DeepSeek这次探索了另一种双层架构：在负责具体工作的Agent上面，再增加一个Super-agent，专门负责更高层的任务管理。

不过，DeepSeek也承认，这套方案还有不少难题需要解决。

其中最重要的，就是AI的长程记忆。

现在的Agent通常依靠上下文来记住之前发生的事情。但上下文窗口存在容量限制，任务执行得越久，积累的信息就越多。

如果压缩或者清空上下文，AI又可能忘记之前做过什么、为什么做出某个决定。

如何让AI跨越不同Session，也就是不同工作会话，长期保留这些信息，目前还没有公认的最佳方案。

崔添翼也明确表示，DeepSeek这次开源的dsh-superagent-prototype，目前仍然是一个探索性原型。它已经在公司内部较小规模的受信环境中运行，但距离大规模落地还有不少工程工作要做。

值得关注的是，他在回答最后还透露了DeepSeek产品团队的现状。

DeepSeek已经拥有很强的模型、算法和基础设施团队，但优秀的产品经理和产品设计师数量仍然不足，因此正在公开招聘相关人才。

从这次Super-agent探索也能看出，AI行业正在尝试让Agent承担更长时间、更复杂的工作。#DeepSeek