‏سوپر ایجنت: یه روتر ارزون و چندتا worker قوی

تیم DeepSeek Harness تو مقاله‌ای به اسم «Exploring Super Agent Design» می‌گه ایجنت‌های کدنویسی اون‌قدر خوب شدن که بدون نظارت کار کنن، پس گلوگاه دیگه کیفیت مدل نیست، بلکه توجه آدمه. به گفتهٔ اونا یه نفر نهایتاً می‌تونه سه تا پنج session فعال رو دنبال کنه. راه‌حلشون یه ساختار تازه‌ست: یه router (یعنی یه session همیشه‌روشن که با آدم‌ها تو چت، کامنت‌های pull request و ایمیل حرف می‌زنه) و چندتا worker که هر کدوم یه کار رو با context تمیز انجام می‌دن و فقط به روتر گزارش می‌دن.

برخلاف عادت معمول که بهترین مدل رو می‌ذارن رو ایجنت «اصلی»، اینجا روتر کار رو مرحله‌بندی نمی‌کنه و عمیق فکر نمی‌کنه، فقط مسیردهی می‌کنه. پس یه مدل سبک و ارزون براش کافیه و مدل قوی و گرون می‌ره سراغ workerها. وقتی یه worker مالک یه کار شد، مثلاً یه thread از pull request، مستقیم مشترک رویدادهای همون thread می‌شه. اگه دو worker رو یه PR باشن، هر دو همون رویدادها رو می‌بینن و تداخل رو خودشون متوجه می‌شن.

DeepSeek برای تست، هر بار حدود ۳۰۰ پیام شبیه‌سازی کرد که حدود ۲۰ تاش درخواست کار واقعی بود. یه session تکی با پرامپت خنثی («هر وقت لازم بود از sub-agent استفاده کن») تو پنج بار اجرا حتی یه بار هم کار رو نسپرد و کندترین اجراش ۲۹.۵ دقیقه طول کشید. با پرامپتی که شدیداً روی سپردن کار تأکید داشت، چهار بار از پنج بار کار رو سپرد ولی بار پنجم خودش همه‌چی رو انجام داد. ساختار روتر/worker به‌طور میانگین هر کار رو تو ۱۲.۴ دقیقه و در بدترین حالت ۱۵.۷ دقیقه تموم کرد. نتیجه اینه که باید مثلاً اجرای دستور رو کلاً از روتر گرفت تا چاره‌ای جز سپردن کار نداشته باشه.

رویدادهای ورودی هم مثل پرامپت مستقیم به مدل نمی‌رسن. اول با قانون‌های ساده و ارزون فیلتر می‌شن تا چت‌های گروهی شلوغ روتر رو غرق نکنن. وقتی حجم رویدادها از حدود ۱ به ۴۰ تصمیم در دقیقه رسید، زمان هر تصمیم از ۶.۴ به ۱.۶ ثانیه کم شد، چون رویدادها دسته‌ای پردازش می‌شدن. یه اجرای کامل حدود ۲۳.۲ میلیون توکن cached خوند که بدون سیستم کش pass-through به ۳۱.۸ میلیون می‌رسید. به گفتهٔ مقاله این مقدار با DeepSeek V4.1 Flash تو ساعت کم‌ترافیک حدود ۷ دلار و با قیمت Sonnet 4.5 حدود ۴.۶۴ دلار می‌شه.

نویسنده می‌گه با قابلیت «bots» تو اپ دسکتاپ و متن‌باز Pandaode می‌شه یه نسخهٔ ساده‌تر ساخت. یه bot روتر با مدل سبک می‌سازی که فقط با تو حرف بزنه و جوابش زیر ۱۰۰ کلمه باشه، چندتا bot worker با مدل قوی‌تر (مثلاً یکی برای ساختن و یکی برای review)، و با ابزار bot_messagebot به هم وصلشون می‌کنی. قدم کلیدی اینه که برای روتر deny rule بذاری تا به shell و ویرایش فایل دسترسی نداشته باشه. البته این نسخه کامل نیست: bot‌ها فقط با فرستنده‌های pair شده کار می‌کنن و کامنت‌های GitHub رو گوش نمی‌دن.

نمونهٔ رسمی DeepSeek به اسم DSH Super Agent روی GitHub به‌عنوان کد تحقیقاتی منتشر شده، نه محصول رسمی. workerهاش بدون تأیید و با حساب کاربری خودت دستور اجرا می‌کنن، پس فقط باید روی ماشین جدا یا repo آزمایشی اجرا بشه. خود تیم دو مشکل حل‌نشده رو اسم برده: افت حافظهٔ بلندمدت بعد از چند ماه کار، و خطر prompt injection (یعنی دستورای مخفی تو پیام‌ها و ایمیل‌هایی که ایجنت می‌خونه). برای همین نباید این سیستم رو به یه چت گروهی عمومی یا نامطمئن وصل کرد.

نکات کلیدی:

• روتر فقط پیام‌ها رو مسیردهی می‌کنه و مدل ارزون می‌گیره، workerها کد می‌نویسن و مدل قوی می‌گیرن.
• session تکی با پرامپت خنثی تو ۵ اجرا هیچ‌وقت کار رو به sub-agent نسپرد.
• ساختار روتر/worker میانگین ۱۲.۴ دقیقه برای هر کار گرفت، در برابر کندترین اجرای ۲۹.۵ دقیقه‌ای session تکی.
• زمان هر تصمیم روتر با افزایش بار از ۶.۴ به ۱.۶ ثانیه رسید.
• DSH Super Agent کد تحقیقاتیه و دستورها رو بدون تأیید اجرا می‌کنه.
• prompt injection و افت حافظهٔ بلندمدت هنوز مشکل حل‌نشده‌ان.