文案库 · 抖音

锐评！DeepSeek开源的Super Agent还差点意思

小天fotos · 2026-11-07 · 赞 1,946 · 收藏 1,061 · 评论 135 · 读取于 2026-11-09

看原帖 ↗

要点（每条带原文引文）

  • 作者认为DeepSeek开源的Super Agent试图解决多任务并发时人的注意力瓶颈问题，但对问题根源的分析不够深入。 — ✓ “我觉得它还差点意思” (0:05)
  • Super Agent采用Router（协调者）和Worker（执行者）机制，Router负责接收指令、汇总工作并分派给Worker，尽量不阻塞用户。 — ✓ “Rotor加Walker的机制” (1:10)
  • 系统支持事件驱动，已订阅的事件（如货物到达、客户来电）可直接触发Worker执行，无需经过助理中转以提升效率。 — ✓ “这些不用再经过助理” (1:47)
  • 引入投机执行机制，在用户未下达命令前预先分析情况，以便快速响应；同时强制汇报控制在100词以内以避免信息过载。 — ✓ “汇报要控制在一百个词以内” (2:02)
  • 核心观点指出，仅增加Router管理Worker无法维持心流，关键在于Agent是否懂用户的上下文，能否实现“一句话听懂”并直接干活。 — ✓ “关键还是在于router是不是懂你的上下文” (3:14)
  • 当前痛点在于背景信息仍需用户一遍遍补充，导致上下文入口繁忙，因此Personal Agent的上下文不应只属于单个Session，而应持续跟随用户。 — ✓ “它不应该只属于一个session” (3:34)
  • DeepSeek原型在GitHub等结构化环境中表现顺利，但这更多是工程优势而非通用个人助理（PA）能力的证明。 — ✓ “这是工程赢了,不是Agent的赢了” (3:34)
  • 建议引入本体论（Ontology）概念，建立包含人、事、物及其关系和状态的个人数字本体，以提供跨来源、跨时间的共同知识。 — ✓ “需要一种抽象,对Agent的主人的上下文进行抽象” (4:04)
  • 区分记忆与本体：记忆回答过去发生了什么，本体回答现在有哪些实体、关系及状态，是将数据转化为Agent可使用的现实状态。 — ✓ “本体回答的是现在有哪些人,事,物” (4:47)
  • 批评现有方案缺乏完整的工程化探索来将各种模态上下文加工为个人语义层结构，这是目前Super Agent“差点意思”的地方。 — ✗ “没有找到一个完整的...工程化的探索”
  • 真正的个人助理应在每次协作后更新上下文，使下一次交互不必从零开始，从而更懂用户和工作偏好。 — ✓ “每一次协作之后都更懂你” (5:50)
  • 指出即使GPT-4o等强模型在多任务管理和记忆方面仍有不足，Harness层和模型层均需针对个人助理模式进行优化和后训练。 — ✓ “模型层其实也需要后训练成个人助理的模式” (6:11)
  • 主张通过录音卡、眼镜等非主动方式自动收集上下文，让本体自然生长，但需解决分散数据治理问题。 — ✓ “用一种非主动的方式让你的上下文生长” (6:32)
  • 预测大厂倾向于云端方案，而有AGI愿景的开源厂商（如DeepSeek）更可能提供本地化的完整治理方案。 — ✓ “只有DeepSeek这类有AGI愿景的创业模型厂” (6:52)
  • 提出评估PA的三个检查项：数字本体、场景专属Harness、个人助理专属模型，以及上下文统一处理管线作为加分项。 — ✓ “第一数字本体,第二是Personal Agent的场景专属的Harness” (7:59)

要点由 LinkDigest 的模型写出，引文逐字核对过：✓ 在原文里找到了，✗ 没找到。

画面文字（前 10 行）

  • 0:00 朋友们给我点勇气 / Auto Sports / EST.1991
  • 0:13 但它对问题根源的分析 / Auto Sports / EST.1991
  • 0:26 我先给没看过那篇文章的朋友 / Auto Sports / EST.1991
  • 0:39 思考 / 帮我完成这件事 / 想好了，这是我的回答 / 你说一句他想半天回一句对吧
  • 0:52 Sessions / 产品调研 / 文案改稿 / 视频剪辑 / 我们就越想用多个Session
  • 1:06 想解决的就是这个问题
  • 1:19 你 / Router / Worker 1 / Worker 2 / Worker 3 / 接收 协调与汇报 汇总 / 各自执行 / 他他只负责协调和汇报
  • 1:32 你 / Router / Worker 1 / Worker 2 / Worker 3 / 先接收，随后分派 / 尽量不让老板等
  • 1:45 货物到达 / 已订阅 → 直接送达 / 仓储团队 / 开始卸货 / 你 / Router / Worker 2 / 用户来电 / 客服团队 / 直接跟进 / 这些不用再经过助理
  • 1:58 100 / 词以内 / 执行过程 / 工具调用 / 中间推理 / 如果超过了就打回去重写

逐字稿

跑马,给我点勇气,让我壮个胆,点评一下DeepSeek刚开源的SuperAgent。 我研究了好几天,我觉得它还差点意思。 我先说结论,SuperAgent试图解决人的注意力有限的问题,但它对问题根源的分析,我认为还不够深。 如果你听过GrockBolt,Muse,Dots,或者身边开始有人讨论PersonalAgent,那这期我就告诉大家,包括SuperAgent在内,他们缺的关键机制是什么? 我先给没看过那篇文章的朋友稍微补一下啊,这个SuperAgent到底是要解决什么问题啊? 我们用AI已经经历了好几代了,对吧? 第一代普通的聊天机器人,你说一句他回一句。 第二代是能思考的聊天机器人,…

这里只显示前 300 字。 登录后免费看完整逐字稿（已读过的链接不扣积分）

读了什么

  • 图上文字 62 行
  • 逐字稿 87 段 (528 / 528 s)
  • 画面文字 38 行，带出现时间
  • 抽帧间隔不超过 13.2 秒
  • 没读到：comments not read

只有计数和一句样例；全文留在原帖。

LinkDigest

读你自己的链接

贴一条小红书、抖音、B站、微博、公众号、YouTube 或 TikTok 链接，几十秒后拿到文案、逐字稿、图上文字和要点。

试读一条链接
解析获取读取整理

点下面的示例，或粘贴你自己的链接。

示例

相关内容

本页由 LinkDigest 读取公开内容后生成的要点与引文；原文版权归作者，引用请注明原文链接。如需下架，请通过 /app/feedback 告知。 原文链接 · support@linkdigest.dev