搜索文章

输入关键词开始搜索

关于superagent的思考

技术#Agent

关于superagent的思考

一个任务做得好不好,主要看模型和工具。多个任务同时做的时候,人的注意力往往先跟不上:这个任务等着评审,另一个任务需要返修,还有任务已经通过了检查,等着安排集成。模型可以继续工作,人却要不断切换上下文,确认每个任务到了哪一步。

因此,Super Agent 的一个探索方向,就是让系统管理任务流转,人来决定方向、审核结果,解决 AI 编程的下一个瓶颈:人的注意力。模型越来越强,我们管理 AI 的方式也需要跟着改变。

我们做 AI 工作流,也是从这个问题开始的。一个任务写完了,要有人安排评审;评审发现问题,要有人把意见带回去;修改通过了,还要有人组织集成。中间模型退出、额度不足、执行环境出问题,又得重新开会话、解释之前做到哪里。

这些操作里有不少已经有明确规则,还是需要人一直盯着。我们希望,人确定目标、优先级和验收标准之后,系统能把正常的开发流程接着做下去,人集中精力审核结果,处理需要业务决定或额外授权的情况。

Viz Platform 和 DataV 就是沿着这个方向做的两个项目。最近拿它们和 DeepSeek Harness 团队公开的 Superagent 原型放在一起看,有些想法很接近,有些做法的差别还挺大。

我们在两个项目里怎么做

Viz Platform 的起点是平台建设,要集成和复用已有的可视化能力,还涉及旧图表库的迁移,任务之间有依赖,共享接口和最后的集成也需要统一处理。为了让多个 Agent 持续开发,我们做了任务认领、独立工作区、评审、集成以及中断恢复,正常任务按这些规则往下走。

比如一个 Worker 完成实现之后,先提交固定版本,再由独立 Reviewer 检查,通过之后由 Integrator 在当前主线上组合、重验,最后才算这个任务完成。如果主线或待审代码变了,原来的通过记录就要重新核对,避免拿旧结果给新代码放行。

DataV 的起点更接近已有产品的日常改进。先让 AI 巡检官网,收集问题和建议,人工选出有价值的需求,再让开发小队去做。组件、编辑器、模板、文档这些工作可以分别进行,因此我们用 Multica 组织角色和任务,总控负责安排下一步,工程师实现,独立角色做代码和视觉验证。

DataV 和 Viz 的工作流有共同来源,但是两个项目的交付终点不一样。Viz 已经有受控集成的路径,DataV 当时试跑的批次停在已验证补丁,主线合并和发布还没有接通。补丁做好之后,后面还有一段工作要完成。

DeepSeek Superagent 的取舍

DeepSeek 的 Superagent 则从团队里的请求开始。GitHub 里有人提出需求,主 Session 判断是否接受、应该关联哪个任务,再由 Worker 处理。一个 Worker 持续负责自己的 Ticket,范围内的追问也直接由这个 Worker 接着处理,超出范围时才重新路由。

这里有个很好的取舍:主 Session 尽量只做路由,技术调查、实现和验证都由 Worker 自己完成。一个小需求的中间步骤不用不断回到总控,也就少了很多解释上下文和等待派发的时间。

人的追问还有额外的执行机会,避免新任务占满槽位之后,已经在做的任务反而一直等不到回应。主动发现的工作默认先处于 observe 模式,记录准备做什么,观察合适之后再开放自动执行。收到消息可以帮助理解任务,能做什么还是由已有授权决定。

这些设计都围绕一个很具体的目标:少占用人的注意力。我们的工作流花了很多精力保证任务能被正确验收,DeepSeek 在交办、追问和连续工作这些环节上做得更简洁。

不过这个公开版本还是研究原型,合并条件有不少依赖 Prompt 和 GitHub 分支保护,项目级的依赖、资源冲突以及独立集成回执,也没有 Viz 那么完整。Worker 以操作者的系统用户执行命令,目录隔离和命令包装提供的约束有限。对于复杂平台项目,执行权和集成检查还是需要补齐。

按复杂项目持续交付的要求,Viz 的机制更完整;换成单仓库里的小修复,DeepSeek 的连续执行方式更合适。实际速度、Token 和人工工时,目前还没有同条件的对照数据。

流程越来越重,人还是要盯着

我们自己的问题,也正好出在流程越来越重上。

DataV 曾经有报告已经交付,收件程序却只接受 PASS,结果 FAIL 无法交接,后面的调查和返修也接不上。后来把报告收件和质量通过分别处理,失败结果同样能收件,原需求继续按失败原因处理。

还有些原需求已经满足验收条款,却被共享工作包里的其他失败一起堵住。比如同一个工程任务承接了几个需求,总控看到工作包整体 BLOCKED,就继续让已经完成的单项等待。原需求、工程工作包和阶段报告各自表示什么,需要写清楚,否则状态越多,越容易把进度弄错。

这些检查加进去都有具体原因,但是检查本身也会带来新的成本。一个小改动可能为了补齐某项证明等很久,辅助工具做完了,原需求还是没有交付;总控和巡检都在线,甚至都正常结束了,实际却没有谁继续安排下一步。

Viz 也遇到过类似问题,任务图已经拆得很完整,首个可用切片却来得太晚,候选通过评审之后,又在集成前反复领取和重验。工作区、依赖、验证产物随着尝试次数累积,还出现过存储放大的问题。任务结束之后,目录怎样归档和回收,也得有人负责。

因此,后面优化工作流时,需要把每个机制和原需求的交付联系起来。新增检查有没有挡住实际错误,修完工具之后产品有没有继续走,少一次交接能省下多少等待,都应该能看出来。

减少交接,尽早集成

小需求可以先采用“持续 Builder + 独立验证”的方式。目标、允许修改的范围和验收标准一次确定,同一个 Builder 连续完成环境确认、实现、自测和有限返修,候选准备好之后再做独立验证。DataV 的 F1 已经试过这个执行方式,可以继续在类似需求里观察效果。

复杂任务再增加分析员、专项视觉验证和发布角色。独立评审有必要,但是每个内部小步骤都拆一个角色,恢复上下文和等待唤醒的成本会越来越高。总控应该主要处理优先级、冲突和例外,常规步骤按程序继续。

另一个应该优先做的是尽早集成。一个切片通过后,就进入受控集成分支,后续任务基于已确认的组合继续。如果等所有补丁都做完再一起组合,代码和依赖变化会让之前的验收记录失效,又要补很多检查。

验收也可以按风险选择。局部文案和样式改动做相关检查与实际页面确认,交互和接口行为加上行为测试及独立验证,认证、数据和部署再做专项检查。Fixture 适合隔离和复现问题,真实应用的路由、SSR、样式和数据接线,还是要在可复用的真实环境里检查,避免每个任务都重新造一个局部现场。

工作流自身也要控制成本

并发要看后面的环节能消化多少。工程师能开十个 Run,审查、构建、浏览器和集成跟不上,候选只会越积越多。可以一起记录任务等待时间、候选年龄和实际执行情况,再决定增加哪种角色。

成本也要算完整。产品返工、环境维护、补证、模型恢复,以及根会话临时帮忙修测试和收口,都在消耗时间和调用额度。只限制产品尝试次数,其他消耗就很容易漏掉,后面需要增加总时长和可观测的 Token 预算,根会话也按同样的方式记账。

经验记录则应该更短,同时更有用。事故原文和日志保存到对应现场,项目入口只写能复用的规则,可以自动检查的内容写进测试、校验器或者权限配置。经过真实任务使用,再看下一次有没有挡住相同错误。写了经验,程序还是照样出错,就还没有完成这项改进。

工作流自身的升级也要控制节奏。一次执行使用固定的 Skill、工具和合同版本,改进先在独立现场试,再在安全点切换,避免任务进行到一半,各个角色读到互相矛盾的新旧规则。权限撤销另外检查,普通流程更新不用不断打断在途任务。

任务入口和执行控制可以通过统一协议衔接。我们用 Multica 组织任务和展示结果,同一个任务的执行权只有一个来源,消息负责唤醒,实际执行之前再核对授权和当前状态。外部操作返回未知时先对账,失败沿原任务继续处理,不换个任务 ID 就把旧记录清掉。

实际改造可以先从现有项目开始:修接力工具的已知问题,打通小批量集成,再用范围、模型和环境尽量接近的真实需求,比较交付时间、人工介入、返工和总成本。把这条最小路径跑顺之后,再考虑增加并发和专业角色。