DeepSeek 提出「Super-agent」架構：突破人類注意力瓶頸，讓一個 AI 代理同時跑多個編程任務

11 月 2 日，DeepSeek 的 Harness 團隊發布了一項名為**「Super-agent」的技術架構提案，直接挑戰 AI 編程代理的又一層極限。它的核心論點很反直覺：當大家忙著爭論哪個底層模型更強時，DeepSeek 認為拖住 AI 生產力的大腦，其實是用戶自己的注意力**。「單一任務的極限來自模型能力，但多工（multi-tasking）的極限，來自人類注意力。」團隊在文章中如此寫道。這篇技術文章，正把**代理架構（agent architecture）**本身，抬升成一條全新的競爭戰線。

甚麼是「Super-agent」：把一個人的「視線」當成稀缺資源

現有 AI 編程工具（如 Claude Code、Codex 等）仍以**「一個工作階段（session）」為基本運作單位**——你開啟一個會話，它做一件事，你要在任務間親自切換、逐一追蹤每個階段裡的上下文。DeepSeek 團隊點出了這背後的隱形天花板：

人類注意力的硬上限：一個人通常頂多同時盯得住三到五個進行中的代理工作階段。無論模型多聰明，能同時交付的工作量都被這道「人眼」卡死；
Super-agent 的做法：改為讓單一、連續存在的代理，在同一個執行環境裡跨多個任務並行推進，而不丟失各任務之間的上下文。舉例而言，DeepSeek 自己的內部版本已能在群組對話與 GitHub 之間帶著同一個開發任務前進，甚至偷看公開討論、未經任何人點名就自行開出 Pull Request 修復 bug；
實測數字：在模擬工作負載的內部測試中，Super-agent 完成任務的中位時間為 12.4 分鐘，而傳統單階段代理給中性提示的基準是 20.4 分鐘。

DeepSeek 也坦承目前仍只是「驗證技術路徑的原型」，並非正式產品，並強調自家路線是要先「接上」個人用戶手上那些時而線上的電腦，而 Anthropic 曾提出的「Decoupling the brain from the hands」主要還是連接雲端沙盒與企業基礎設施——兩者方向不同。

趨勢：競爭將從「模型之戰」走向「代理之戰」

「Super-agent」發布的意義，超越了 DeepSeek 一家公司的技術公告，而是整個 AI 編程產業重心位移的又一訊號：

「代理」成為與「模型」並列的獨立商品層：過去企業選型只看基礎模型誰強，如今圍繞模型構築的 Harness／代理框架——誰能把長任務接得穩、誰能少佔用人類注意力——正成為新的差異點與商業護城河；
把「人類監督成本」納入績效指標：DeepSeek 這套想法提醒我們，真正可行的自動化，不只是模型做完事，而是「如何用最少的人類盯梢把事情做完」。當代理能自行跨工具、跨討論串推進，企業部署的單位不再是一條提示詞，而是一整條可委託的流程；
中國 AI 廠商在「代理工程」上與美方貼身競爭：這與 OpenAI、Anthropic 在自主編程工具上的布局正面對撞，也呼應 DeepSeek 近期在自主編程代理與自訂外掛（Creator Mode）上的連串動作——它不只是追趕模型分數，也在追趕「讓代理自主完成工作」的工程水位。

對想要落地 agentic workflow（代理化工作流） 的企業，這代表一個務實的訊號：談 AI 生產力，已不能再只看「換一個更強模型」；同樣重要的，是所使用的代理框架能否在真實流程中連續、可靠地完成整段任務，並把需要你親自關注的次數降到最低。

對香港企業與在職人士的啟示

把「少了多少人工盯梢」當成選型指標：香港企業常用的報表整理、資料搬移、多系統跟單、程式維護，本質都是「多步驟、要跨多個工具」的長任務。評估 AI 工具時，別只看它單兵回答多漂亮，而要算**「跑完整段流程，我需要介入幾次」**——介入次數越低，代表代理架構越成熟；
「多階段代理」對香港知識工作者的價值：能同時握住試算表、內部系統與通訊群組等多個上下文、跨 AI 工具與 Git 這類協作平台推進的代理，正好對應**「要在好幾個部門／文件系統之間協調」的香港辦公場景——工作不再是孤立的問答，而是會被代理連續承接的整條工作流**；
以「小範圍實測」取代對新架構的觀望：Super-agent 目前只是 DeepSeek 的原型，不代表今天就能上線。務實的做法是不急著追新工具，而是先把自己的長任務拆成「任務 + 工具 + 檢查點」，用現有工具小規模試跑，驗證代理在自家流程上的穩定性，等衍生方案成熟再升級；
留意「自主代理」帶來的流程與監管變化：代理能自行開 Pull Request、跨工具行動，代表權限、審核與問責設置要跟著改。企業導入這類代理時，應為高後果動作設定人工複核點與最小權限，不要讓「自主」變成「無監管」。

DeepSeek 的「Super-agent」把話說得很直白：下一代生成式 AI 的競逐，中國廠商不再只跟你比模型，也開始比誰能讓 AI 把一整件工作做完、同時把人類的注意力省下來。對香港的企業與上班族而言，最好的回應是學會**用「整段任務能不能交付、我要盯幾次」**來評估 AI——這才是生產力真正落地的量尺。