Warum DeepSeek das System Super-agent nennt: die Entscheidungen hinter dem Prototyp
Ein DeepSeek-Produktmanager erklärt den Namen, die Gründe für zwei Ebenen und die Probleme, die das Team noch lösen muss.
Kurz zusammengefasst: DeepSeeks Super-agent setzt eine koordinierende Ebene über den Agenten, der die Arbeit ausführt. In einer gesonderten Erklärung beschreibt Produktmanager Cui Tianyi den Zielkonflikt zwischen Kontinuität über Aufgaben hinweg und der Fähigkeit, Arbeiten gleichzeitig auszuführen. Die öffentliche Implementierung ist ein früher Forschungsprototyp; mehrere Ideen des Entwurfs sind noch nicht umgesetzt.
Über diesen Beitrag: Dieser Artikel gibt eine chinesischsprachige Erklärung von Cui Tianyi in eigenen Worten wieder. Er stellt sich als Mitglied der Produktabteilung von DeepSeek und als einer der abschließenden Gutachter des Super-agent-Entwurfsartikels vor. Die Ideen, den Entwurf, den Code und die Experimente schreibt er dem DeepSeek-Harness-Team zu, insbesondere Yujia Qiao, der erstgenannten Person unter den Autoren des ursprünglichen Artikels. Cameron Voss und Marcus Bell haben diese unabhängige Darstellung verfasst; sie ist weder ein direktes Zitat noch ein von DeepSeek geschriebener Artikel.
Warum heißt das System Super-agent?
Der Name beschreibt die Position des zusätzlichen Agenten. Cui Tianyi zufolge bedeutet „super“ hier „oberhalb“: Eine koordinierende Ebene liegt über dem Hauptagenten, der die Arbeit ausführt. Das steht im Gegensatz zu einem Subagenten unterhalb eines Hauptagenten. Der Name behauptet nicht, dass das System grundsätzlich überlegen ist oder eine besondere Intelligenz besitzt.
Der Unterschied liegt in der Architektur. Statt jede Anfrage als isolierte Unterhaltung zu behandeln, untersucht der Entwurf eine übergeordnete Ebene, die eingehende Arbeit verfolgt, während die Ausführung in getrennten Aufgaben stattfindet.
Sie möchten DeepSeek jetzt ausprobieren? Entdecken Sie unser DeepSeek-Abonnement.
Ist die Idee mit zwei Ebenen eine neue Theorie?
Nein. Cui Tianyi sagt, das Team habe sie nicht als neue Theorie vorgestellt; andere Teams hätten bereits mit ähnlichen Ansätzen experimentiert. Schwierig sei vielmehr, eine Richtung zu wählen, die langfristig sinnvoll bleibt und das Gesamtsystem optimiert, statt lediglich alle möglichen Anordnungen von Agenten auszuprobieren.
Der veröffentlichte dsh-superagent-prototype ist eine frühe Erkundung. Das öffentliche Repository bezeichnet ihn als Forschungscode, nicht als offizielles DeepSeek-Produkt oder produktionsreife Software. Zudem unterscheidet sich der veröffentlichte Prototyp laut Repository von der internen Version und dem Entwurfsartikel; einige dort diskutierte Ideen sind Richtungen für künftige Arbeit.
Warum eine Ebene über dem ausführenden Agenten ergänzen?
Ein Beweggrund ist das Langzeitgedächtnis. Laut Cui Tianyi gibt es noch keine allgemein anerkannte Lösung, um Agenten bei länger laufenden Arbeiten Kontinuität zu geben. Zum Zeitpunkt seiner Erklärung hatte DeepSeek Harness kein integriertes sitzungsübergreifendes Langzeitgedächtnis; er deutete an, dass sich das ändern könnte, kündigte aber keine Veröffentlichung an.
Er beschreibt einen Zielkonflikt: Ein Agent braucht Kontinuität über Aufgaben hinweg, muss aber auch genügend Arbeit bewältigen können. Eine fortlaufende Sitzung kann Kontext bewahren; getrennte Arbeitssitzungen können die parallele Ausführung erleichtern. Der zweistufige Entwurf versucht, diesen Konflikt zu durchdenken. Er beweist nicht, dass das Team die beste Implementierung gefunden hat.
| Entwurfsfrage | Was die Erklärung nahelegt |
|---|---|
| Kontinuität | Arbeit über Aufgaben hinweg verfolgen, statt sich nur auf eine kurze Interaktion zu verlassen. |
| Durchsatz | Aufgaben ausführen lassen, während eine höhere Ebene die Koordination übernimmt. |
| Offene Frage | Wie lässt sich nützlicher Kontext erhalten, ohne dass Koordination oder Gedächtnis zum Engpass werden? |
Die letzte Zeile ist eine redaktionelle Interpretation des Zielkonflikts, kein gemessenes Ergebnis. Die Bildschirmaufnahmen enthalten keinen Benchmark und belegen nicht, dass diese Architektur das Gedächtnisproblem löst.
Was ist noch nicht abgeschlossen?
Cui Tianyi erklärt, das Team habe sowohl die technische Umsetzung als auch die Anwendungsszenarien vereinfacht, um das interne System beherrschbar zu halten. Für einen breiteren Einsatz unter realen Bedingungen müssten mehrere offene Fragen aus Abschnitt 8 des Entwurfsartikels beantwortet werden:
- Wie lässt sich die Architektur mit zwei Ebenen erweitern?
- Wie arbeiten Menschen und Agenten über eine einzelne Sitzung hinaus zusammen?
- Wo liegen Kontextgrenzen und wie kommunizieren Agenten miteinander (A2A)?
- Wie lassen sich Sicherheit und Datenschutz angehen?
Auch die Trennung von Berechnung, Zustand und Umgebung würde laut Cui Tianyi noch erhebliche Arbeit an DeepSeek Harness erfordern. Der Prototyp wurde in einer vergleichsweise kleinen, vertrauenswürdigen internen Umgebung eingesetzt. Reale Einsätze bringen vielfältigere Bedingungen und weitere ungelöste Probleme mit sich.
Was können Teams daraus mitnehmen?
Der Entwurf eignet sich, um Kontinuität, Koordination und Arbeitslast zu untersuchen; er ist kein fertiger Bauplan. Vor einem breiteren Einsatz sollten Teams klären, wer Arbeit autorisieren darf, welchen Kontext jede Aufgabe erhält, wie die Ausführung isoliert wird und was bei einem Fehlschlag geschieht. Das sind Prüfungsfragen, keine Behauptung, dass der Prototyp sie bereits gelöst hat.
Mehr zur öffentlichen Implementierung finden Sie in unserem Leitfaden zu Einrichtung und Kosten von SuperAgent und in unserer SuperAgent-Erklärung.