中國人工智慧公司 DeepSeek 的 Harness 團隊發表技術論文，提出「超級代理」架構，讓多個 AI 代理自動分工、平行處理任務，把人類從逐一盯進度的瓶頸中解放；團隊實測同一項任務的完成時間，從超過 29 分鐘縮短到近 16 分鐘。
（前情提要：DeepSeek 正研發自家 AI 開發助手，大舉徵才對打 Claude Code）
（背景補充：DeepSeek 開源 Agent 框架 Harness：有什麼特色、值得用嗎？一夜獲近六萬星）
中國人工智慧公司 DeepSeek 的 Harness 團隊於週末發表一份技術論文，提出名為「超級代理」（super agent）的架構，目標是讓多個 AI 代理自動分工、協同處理任務，藉此降低人類必須逐一協調與監看代理的負擔。
近年 AI 模型能力躍進，催生出能自動處理行事曆、草擬郵件、撰寫工作報告甚至寫程式的 AI 代理。不過這份由 DeepSeek Harness 團隊發表的技術論文點出核心瓶頸：同時管理多個代理仍高度依賴人類的注意力。論文直言「單一任務的上限取決於模型能力，但多工的上限取決於人類注意力」，並估計一個人同時最多隻能盯住 3 到 5 個進行中的代理工作階段，這正是多代理部署難以放大生產力增益的關鍵。
超級代理怎麼分工
DeepSeek 提出的解法，是讓一個中央協調代理負責把任務分派給多個獨立代理，這些代理平行執行、再把進度回報給中央代理，人類則退居到「決策與審核結果」的位置。在示意架構下，代理還能主動回應事件，例如訊息或程式碼更新，不必每一項任務都等待明確指令。
論文舉了一個貼近日常開發流程的例子：某個代理可在群組對話中偵測到一則被回報的軟體錯誤，即使沒有被直接下令，也會自行嘗試重現並修復；若找到可行解，就送出程式碼變更供人類審核，反之則保持安靜，避免不必要的打擾。
團隊的實驗資料顯示，這套做法讓同一項任務在不到 16 分鐘內完成，相較傳統做法所需的逾 29 分鐘幾乎砍半。這項提案正逢 AI 開發商在「更自主的編碼助手」上激烈競逐：Anthropic 的 Claude Code 與 OpenAI 的 Codex 近來已能處理日益複雜的軟體開發任務，DeepSeek 則試圖把代理自動化再往前推一步，讓多個代理同時工作並主動應變。團隊也已在程式碼託管平台 GitHub 發布「超級代理」的開源研究原型，但強調這仍屬架構層面的探索，而非成熟產品。
安全與可靠度的兩道問號
團隊自己也坦承，這套架構存在安全與隱私風險，其中最直接的一項，是惡意指令可能透過與其他服務、系統相連的代理發動攻擊，取得不該取得的許可權。換句話說，代理串接得越多、觸角伸得越廣，可被利用的攻擊面也越大。
業界對「更快是否等於更好」同樣有保留。北京一位 AI 創業者劉明在中國問答平台知乎上直言，當前 AI 軟體開發真正的挑戰在於確保「可靠性」，而非把任務做得更快。這個質疑點出代理協作的關鍵：速度提升若伴隨錯誤率上升，對企業的實際價值相當有限。
與加密 AI 的交會，以及後續觀察
這類「多代理協作」的能力，也牽動加密與 AI 的交會。根據鏈上資料平台 CoinGlass 於 2025 年 10 月進行的自主交易實驗，DeepSeek 是唯一在實驗中錄得正報酬的模型，未實現報酬率為 9.1%，而其訓練成本僅約 530 萬美元，遠低於美國同業；當時實驗以每個模型 1 萬美元資金、在去中心化交易所 Hyperliquid 執行交易。若代理能自行分工、平行決策，這類實驗的規模與複雜度都將被推到新的層級。
對臺灣的開發團隊與加密團隊來說，重點或許不在於追哪一家模型跑得快，而在於當代理開始自主接手協調工作後，資安邊界與責任歸屬該如何劃分。DeepSeek 把原型開源，等於把這個問題丟回給整個生態系。
後續可觀察兩件事。第一，這套開源原型是否會被其他代理框架採用，進一步形成事實標準；第二，Anthropic 與 OpenAI 是否跟進推出類似「中央協調代理」的產品設計，把競爭從單一模型能力推向多代理排程。這些走向，將決定「一個人管好幾個代理」究竟是行銷口號，還是能真正落地的生產力工具。
📍相關報導📍
DeepSeek-V4-Pro 正式版上線！Agent 能力大躍進，原生支援 OpenAI 格式與新定價
