📰 重點摘要

DeepSeek 旗下的 DeepSeek Harness 團隊發表論文，提出一套讓 AI 程式碼助理更自主的設計，目標是在協調與監控多個 AI 代理時減少人為介入，讓系統能以較少的人力監督同時處理多項任務。這項消息由新加坡《南華早報》（SCMP）於週日報導。

論文的核心論點是，單一任務的上限取決於模型能力，但多工任務的上限則取決於人類的注意力。團隊指出，一個人同時最多只能盯著三到五個運作中的 AI 代理工作階段，一旦代理數量增加，人的注意力就成為瓶頸。為了解決這個問題，DeepSeek 提出的系統會自動在各個代理之間分配任務並協調彼此的工作，人類則只需專注於審查成果與做出決策，不必逐一管理每個代理的過程。

SCMP 指出，這項提案出現在 AI 開發商競爭激烈之際，對手包括美國的 Anthropic 與 OpenAI。

報導也回顧了 DeepSeek 在加密貨幣領域的表現：Cointelegraph 去年 10 月曾根據區塊鏈分析平台 CoinGlass 的資料報導，中國的 AI 模型在加密貨幣交易上表現優於美國同業。在一項交易實驗中，DeepSeek 是唯一取得正向未實現報酬的 AI 模型，報酬率為 9.1%。考量到 DeepSeek 的開發成本僅為美國對手的一小部分，這個結果令加密貨幣交易者感到意外。至於該系統的具體架構與實作細節，詳細內容請見原文連結。

💬 JudyAI Lab 觀點

這則新聞值得關注，是因為DeepSeek把多代理協作的瓶頸從模型能力轉向人類注意力：論文指出，單一任務的上限取決於模型，多工任務的上限則取決於人。

報導提到，一個人同時最多隻能盯著三到五個運作中的AI代理工作階段，代理一多，人就成了瓶頸。DeepSeek提出的做法，是讓系統自動在代理之間分配任務、協調彼此的工作，人類只負責審查成果與做決策，不必逐一管理過程。對AI builder來說，這反映出一個設計思維的轉變：當模型夠強，下一個要最佳化的就不再是「讓代理做得更好」，而是「讓人少看一點也不出事」。這也意味著未來的代理系統，競爭點可能落在排程、監控與成果呈現的介面設計，而不只是模型本身的跑分。至於具體架構與實作細節，原文並未在摘要中說明，仍要看原文連結。

如果你正在串接多個代理，不妨先算算自己一次能有效盯幾個，再想哪些環節可以改成只看最終成果。

📅 原文資訊

🔗 延伸閱讀