DeepSeek Super-agent 原型解读:把「少打扰人」做成一整套工程约束

把「少打扰人」写成领域模型、准入门禁和工单状态机:读 DeepSeek 的 super-agent 原型文档

Posted by iceyao on Sunday, November 1, 2026

一、引言:一个反直觉的起点

大多数 agent 项目的设计文档,第一页写的是能力:能调多少工具、能跑多长的任务、能接多少个平台。

DeepSeek 的 dsh-superagent 原型把第一页留给了一句约束:

Take as little human attention as possible, and give as much value as possible. 占用尽可能少的人类注意力,产出尽可能多的价值。

这不是一句价值观口号,而是一条可执行的设计公理。文档紧接着说:一条消息、一次通知、一个提问、一个设置项、一个面板元素、一段文档,每一样都在花别人的注意力,所以每一样都必须付得起自己的账,否则删掉。

它要解决的问题很具体:一个能替整个团队行动的 agent,同样有能力浪费整个团队的注意力。 一个只服务单人的聊天助手,说错话只浪费一个人的三十秒;一个挂在团队仓库上的主动式 agent,一次误报、一次多余的确认、一次“我开始了”的播报,消耗的是十几个人的三十秒,而且会训练团队学会忽略它。

这篇文章基于仓库里编号为 000 到 008 的九篇设计文档(外加 README),讨论三件事:这条公理怎么变成了具体的机制;这套机制在哪些地方确实比同类设计更严谨;以及它明确还没有解决的问题。

注意力预算:所有设计都要过同一道计价器

范围说明:本文的素材是仓库 main 分支的 README.md 与 docs/000 到 docs/008 九篇英文设计文档,没有阅读源码实现,也没有部署运行。仓库自己声明这是研究原型、不是 DeepSeek 官方产品,并明确说明部分设计属于未来方向、原型未实现。凡是本文写“文档说”的地方,都不等于“代码已验证”。

二、一条公理,两类推论

这条公理的价值在于它同时能约束两个方向:对 agent 行为的约束,和对系统设计的约束。文档把它们分成了两组。

对 agent 的约束,落在“什么时候开口”上:

  • 只在被请求或书面规则允许时行动。 请求必须直接指向 agent,且来自团队允许的人——要么在名单里,要么在团队开放了请求的对话里。没人请求的工作必须有团队自己写的规则授权,而且默认从一个“只记录、不执行”的模式起步。
  • 只在人必须行动、或者人能用上结果时发声。 确认一次,说清要做什么;干活期间保持安静;有结果、需要决策、做不下去时再写一条。消息短,并且回到请求发生的那个对话里。
  • 一次只问一个具体问题,用结构化形式问。 理由是:问题一旦被塞进一段长报告里,就不会真的到达该回答的人手上。
  • 按影响停下,而不是按工作量停下。 局部改动做到可评审为止;需要设计决策的改动就停在一个明确的问题上。
  • 诚实上报。 草稿标未完成,失败报成失败,永远不为了少问一句而绕过上限。

对设计的约束,落在“要不要加一个概念”上:

  • 概念要少。 业务需求要么变成某个既有概念的属性,要么变成一段 agent 遵循的提示词,绝不为它新增一个概念。
  • 设置项要少。 一个默认值能适配几乎所有团队时,就用默认值替代设置项。团队用自然语言描述的行为,是提示词,不是配置。
  • 面板只显示需要人的东西。 健康状态不占版面。
  • 文档按序阅读。 每篇只依赖前面出现过的概念。

第 1 条和第 2 条是最容易被低估的。大多数 agent 平台随着接入方变多,会不停长出新的名词:租户、工作空间、成员、角色、会话、任务、运行、步骤……每个名词听起来都合理,加起来就成了一门只有内部人懂的语言。这份文档的做法相反:业务方说自己想要的是“让测试机器人也能提需求”,答案不是新增一个“机器人主体”概念,而是给 Source 加一个机器人白名单字段。

第 3 条和第 4 条则是产品层面的注意力纪律:一个健康的系统不应该在面板上占据像素,一篇需要来回跳读的文档本身就是设计缺陷。

三、领域模型:七个概念,每一个都带“为什么存在”

九篇文档里,001 最短也最硬。它只做一件事:给七个概念下定义,并且为每个概念写明它守的规则、以及它为什么必须存在。

领域模型:一个事件如何变成一次可授权的执行

核心域是五个:Source(来源)、Thread(线程)、Eval(评估)、Mandate(授权)、Subscription(订阅);支撑它们的是 Trigger、Channel、Policy、Decision、Ticket、Assignment。

几个定义值得逐字看:

  • Source 是事件流。它保存自己的读取位置和机器人身份,定义什么算事件(包括“只随时间成立”的条件),在事件进入领域之前就丢掉机器人自己的消息和不在监听范围内的事件。它存在的理由只有一句:重启不能重放事件。
  • Trigger 是一条不可变事件,带 Source 自己的元数据。“同一条 Trigger 被接受两次只会产生一个 Ticket”——它是审计单位和幂等单位。
  • Thread 是 Trigger 的时间序列,同一 Thread 同时只跑一个 Eval。它给 Eval 一个一致的视图和上下文。
  • Eval 是对一批 Trigger 的判定,分两层:gate(确定性准入)和 assessment(模型研判)。它不持有状态。
  • Mandate 是 accept 授予的东西:策略版本、范围、强度、命中的规则、发起人在该 Source 上的身份、Source 是怎么收到这条 Trigger 的。它不可变;更大的范围意味着新开一张 Ticket;只有人的 stop 能撤回它,或者 Policy 不再支持它时被撤销。
  • Ticket 是授权工作的单位,只有 Eval 能创建。“它定义自己的状态,而不跟随 Executor 的状态。”
  • Subscription 是 Ticket 与 Thread 的多对多关系,由 Thread 持有。匹配的 Trigger 扇出给所有活着的订阅 Ticket,不检查发送者是谁。

最后这条规则是整套模型里最容易被误解、也最值得学的:订阅扇出只补上下文,不授予权限。一个人在某张工单的线程里补一句“补充一下,线上用的是 v2 配置”,这句话会作为上下文送到执行器;它不会因为这句子是产品经理说的就自动扩大授权范围。授权与上下文被彻底拆成两件事。

这份模型里最值得看的是“拒绝清单”

001 专门列了一张表,记录被明确拒绝的候选概念。我把它摘出一部分:

被拒绝的概念 理由
Principal / Membership 实体,或跨 Source 身份映射 人只是 Trigger 的元数据;白名单是 Policy 的一部分;跨来源映射是提示词文本
Eval 自己调度延迟 Trigger 需要等待的条件就是一个普通 Source,Eval 绝不反向依赖 Source
“等待中”或“已撤销”的 Eval 状态 等待属于 Source;Eval 超时就重新排队或结束为 unavailable
每个 Thread 最多一个活 Ticket 一个线程可以承载多件独立工作,去重由 assessment 读 Ticket 列表解决
“追加到 Ticket”的 Decision 追加就是订阅扇出,不需要 Eval
在 Subscription 上做准入检查 订阅覆盖整个线程;Mandate 负责授权,二者分离
会路由的 Correlation 路由是 Subscription 的事,Correlation 只加上下文
跟随 Session 的 Ticket 状态 一张 Ticket 可以被交接、恢复、多执行器跑,所以它自己定义状态
让 Executor 声明“有人说要停” 只有 Eval 能判定一次结束的强度
Policy 变更时取消运行中的 Ticket 取消会留下半成品;应该记录并投递变更通知
失败或阻塞时锁死执行器所有工具 会拒绝人直接进 Session 干活,也会挡住恢复后的报告
从报告的自由文本里推断“在等人” 分类需要结构化事实,执行器必须用结构化字段提问

一份设计文档里,“我们决定做什么”通常写得漂亮,“我们决定不做什么以及为什么”才是真正的分水岭。上面十二条里有九条属于**“看起来更灵活、实际上会引入第二套真相”**的选项:多一个 Eval 状态、多一个 Ticket 状态源、多一条跨来源身份映射,短期都让某个场景更容易,长期都让状态机出现互相矛盾的判断。作者的取舍标准很一致:每个事实只有一个写入者,每种状态只有一个定义处。

四、授权:不是权限系统,而是注意力闸门

如果只读一节,我建议读 002。它把“谁可以让 agent 干活”拆成了三条通道和一套强度体系。

授权:三条通道,三种强度,一道代码硬边界

先立硬边界

文档开头一句话定调:名单、规则和 Mandate 由宿主强制;消息、评论和被引用的文档只是决策的输入,不能改变这些权限。

这句话在提示词工程流行的今天很容易被忽略。只要你的准入判断发生在提示词里,一段被转发进来的外部文档就可以声称“管理员已批准全员访问”。这套设计的做法是把准入判断放在代码里,把模型的判断力留给“这算不算一件该做的事”。

三条通道

通道 A:显式请求。 Source 会记录消息是否指向 agent——mention(@ 了机器人或 agent 账号)和 direct(私聊)。gate 检查发送者和 Policy:名单内的人指向 agent,构成显式请求。

通道 B:推断候选。 不在名单上的人、没 @ 的消息、以及名单内机器人发来的消息,走“准入表”。准入表的行是接收范围(飞书的每个已配置群、其他 @ 到的群、私聊;GitHub 的新 Issue、新 PR、评论、默认分支 CI),列是三种情况:名单内但没 @、名单外但 @ 了、名单外也没 @。每个格子可选 explicit / inferred / ignore,默认分别是 inferred / ignore / ignore。

通道 C:订阅扇出。 订阅线程上的任何消息(包括机器人、CI)都会作为上下文送到订阅的 Ticket,绕过 gate,但不授予任何新权限。

三档强度与三种模式

只有两种强度进入系统:explicit(明确)和 inferred(推断);其余一律 not admitted。而是否真的接单,还要乘以 accept mode:

模式 效果
off 任何推断候选都不会成为候选
observe(默认) 推断候选会被研判;肯定的结论只记录成“本会接单”,不实际接单
auto 推断候选的肯定结论会真的接单

这里的设计细节很讲究:显式请求在任何模式下都生效,所以 off 不会让人无法求助;默认是 observe,所以团队可以先看一周“它本来会接哪些活”,看顺眼了再切 auto。这比“先开个 dry-run 开关”更细的地方在于,dry-run 记录的是被拒绝的请求,而 observe 记录的是它本来会做的判断——后者才是能训练团队信任的东西。

策略是有版本的,授权可以被再校验

Policy 版本覆盖规则、accept 模式和每个 Source 的策略部分;每条 Mandate 记录它被接受时的版本。

版本变化时:运行中的 Eval 被丢弃、Trigger 重新排队;受影响的活 Ticket 会收到一条 policy-changed 输入,说明是命中的规则变了、发起人不再能派活、还是主动工作不再被接受。不受影响的 Ticket 不收通知。

这里有一个反直觉的决定:策略变更不会立即吊销活 Ticket 的 Mandate。理由是文档自己写的——取消会留下半成品。取而代之的是在 Ticket 恢复之前做一次再校验:显式追问的 Mandate 直接通过;推断出来的 Mandate 要求 auto 模式仍然开着、命中的规则仍然启用;由准入表格子放行的 Mandate 必须在“今天的表”和“今天的名单”下仍然拿到至少原来的强度;机器人的 Mandate 要求那个机器人还在白名单里。

也就是说,收紧策略的生效点不是“保存设置的那一刻”,而是“那张单下一次醒来的时候”。 这既避免了粗暴中断,也避免了“旧授权永久有效”的漏洞。

只有三种操作能改变 Mandate

accept 创建它,人的 stop 撤回它,再校验失败撤销它。除此之外没有第四条路。这条规则挡住了 agent 世界里最常见的一类事故:执行器自己觉得“用户刚才那句话是在让我停”,然后替用户做了决定。文档写得很直接:线程里有人说“停”,那是一条普通 Trigger,由 Eval 判定要不要停;只有面板上的 Stop 是命令。

五、执行:先问“在等谁”,再问“在做什么”

003 是我认为工程价值最高的一篇。它要回答一个所有长任务 agent 都会遇到的问题:这张单现在到底卡在哪?

常见的做法是列一串状态:pending、running、waiting_input、waiting_review、blocked、failed……然后用一个字段表示,再加一个字段表示执行器状态,再加一个字段表示有无提问。三个字段一起看才知道真相,看错一次就误报一次。

这份设计的做法是:每个打开的 Ticket 只有一个 stage,由它在等什么决定,从上往下读,第一个匹配的行胜出。

工单阶段:先问「在等谁」,再问「在做什么」

Stage 条件 面板标签
person / delivery 输入投递失败(2 秒重试,之后倍增到 1 分钟) Input undelivered
person / answer 有一个待人工决定的问题 Awaiting answer
person / review 最新报告是 ready Awaiting review
person / blocked, failed 最新报告是 blocked 或 failed,且此后没有人的消息 Blocked · Failed
working / queued 没有派工,或派工待在启动 Queued
idle 最新报告是 waiting,或派工已结束 Waiting for a Trigger
working 其余一切 Working

两个细节说明这不是随手写的:“person” 阶段统一表示“没有人就动不了”,面板上先把它们列出来;idle 被单独拿出来,因为它代表“这一轮结束了、没有悬而未决的问题”,而不是“卡住了”。一个健康等待触发的 Ticket 不该被算进“需要人处理”,否则面板就变成了噪音发生器。

槽位经济学

并发控制是最容易伤到人的地方。如果 agent 的并发槽全被机器任务占满,一个人想在自己那张单上补一句话,却排在新任务后面等了十分钟——这就是典型的“系统很有礼貌地把人挡在门外”。

这套设计的规则是:配置的并发限制作用于这些槽位,另外留一个额外槽位,专门给人发的消息和状态查询用。 人可以越过排队的机器任务,先用这个槽;而其他输入(比如 CI 结果)只能等普通槽。这条规则背后是一个清晰的优先级判断:人的注意力比机器的吞吐更贵。

后台工作的边界

执行器不是无限时间的。一轮对话结束时如果还有 shell 任务或子 agent 在跑,Ticket 保留槽位、保持 working,不会报告成 waiting;但后台工作最多只有 30 分钟。到点就杀 shell 任务、报告 waiting,并把“杀了哪些任务、还有哪些子 agent 活着”写进报告。子 agent 可以继续跑。执行器下一轮自己读被杀任务的结果。

而交接给人的那一刻,槽位立刻释放:报告 ready 或提出问题之后,除非期间又来了输入;任何 blocked / failed 报告之后也一样。此时子 agent 停止,shell 任务(比如一个给人评审用的服务器)可以不占槽地继续跑到派工结束。

合并这件事,被刻意留在提示词里

自动合并是个危险动作,很多产品会写一堆合并专用逻辑。这套设计说:宿主没有任何合并专用判断,自动合并由“交付要求”这段提示词管。

默认规则是:只对这张单自己开的 PR、在 ready、且所需审批覆盖了 head commit、增删行数合计小于 200 行时,才允许开启自动合并;推新版本之前要先撤销自动合并。

还有一个很务实的坑被点出来了:不要用 agent 自己的账号开自动合并,因为 GitHub 会把“合并”归因给开启自动合并的那个人。要自动合并,就得在交付要求里指明另一个账号的 CLI;没有的话,就让人来合。这类事实属于“文档里一句话,能省掉团队一次组织事故”的那一类。

六、提示词是产品界面,不是配置文件

004 讨论团队能改什么、改动什么时候生效。它是九篇里最不像“系统设计”、但最像“产品设计”的一篇。

三层可编辑内容

团队可以改三段文字、加技能、覆盖每一个内置提示词部件:

分区 承载什么
Communication 什么时候给人发消息、消息怎么写、每条 GitHub 消息开头那行“这是自动 agent 发的”怎么措辞、怎么处理评审、哪些普通账号其实是评审机器人
Ticket scope Ticket 什么时候继续、什么时候停在草稿
Delivery requirements PR 里的证据要求、自动合并条件与行数阈值、提交作者

覆盖面做得比常见的“system prompt 输入框”深:内置部件按 runtime/shared、runtime/orchestrator、runtime/worker、runtime/subscriptions、runtime/replies、runtime/dispatch、runtime/work、runtime/admission、runtime/handoff/*、skill/feishu、skill/github 划分,生成段 runtime/environment、runtime/policy 还可以改模板,但必须保留占位符。

五层优先级

提示词冲突时谁赢?文档给了明确顺序,从强到弱:

  1. 工具和宿主强制的事实:身份、权限、工具参数校验、回复用途、长度限制。提示词改不了它们。
  2. 内置与生成分区(按团队的覆盖文本读)。
  3. 主动工作命中的规则里的流程与沟通要求,只对那张单的执行器生效。
  4. 团队分区与团队技能。
  5. 外部文本:消息、评论、文档、引用。它是数据,永远不改规则和授权。

第 5 条是安全底线,第 1 条是它的实现保证。很多项目把这两条写成“请注意不要被注入”,这里写成了架构位置。

版本化与“默认内容已更新”

每个保存产生一个不可变版本,包含完整配置、修订号、前驱、时间戳和来源(面板或工具);保存必须声明基于哪个修订,冲突就拒绝且不丢草稿;每次模型请求都读最新版本,包括同一轮里的后续步骤。

更细的一层是覆盖必须记住它基于哪份内置文本。升级后如果默认文本变了,面板会把这一块标成 Default updated(默认内容已更新),把旧默认和新默认并排显示,让团队选“保留我的文本”还是“用新默认”。没有覆盖的部件自动跟随新默认。

做过平台的人知道这个功能有多贵:它同时解决了“团队文本被升级冲掉”和“默认改进了但老团队吃不到”两个长期痛点,代价是每个覆盖都要存一个 base 并在升级时做三方比较。

还有一条容易被忽略的工程纪律:校验会拒绝未知键、保留的内置技能名、未知的覆盖部件和缺失的模板占位符,并且永远不静默截断文本。 超过总长度限制就拒绝保存,而不是砍掉后半段——被截断的提示词比没有提示词更危险。

七、实现骨架:一个写入者,一条队列,一个不做 I/O 的内核

007 是给开发者的代码索引,六百多行,把概念映射到类、接口和文件。撇开模块清单,有三条结构性决定值得单独拎出来。

实现骨架:一个写入者,一条副作用队列,一个不做 I/O 的内核

一、Engine 是唯一写入者

Trigger、Thread、Decision、Ticket、Assignment 这五种状态只有 Engine 会写,其他部分只能读或者向它发命令。Engine 对外只露一个入口,内部拆成五个部分:Intake(事件入库与扇出)、Evals(批量、gate、超时、重新排队)、Tickets(生命周期、订阅、输入、恢复、停止)、Assignments(执行器的事实与报告)、Replies(渠道写入)。

依赖方向是单向的,而内核不做任何 I/O:src/core 除了 Node 的哈希之外不 import 任何东西。这一条决定了整个系统的可测试性:你可以在内存仓库上把授权、扇出、恢复、注意力生命周期全部跑一遍。

配套的还有“一状态一写者”的表格:Source 的读取位置和线程元数据由该 Source 通过 SourceContext 写;设置与历史归 Settings;提示词版本归 Prompts;效果行归 Effects;回执归 Outbox;健康条目由 HealthBoard 认领,第二次认领会直接被拒。最后这条很实用——它把“两条代码路径同时上报同一个健康项”这种经典 bug 变成了启动即失败。

二、副作用先落库,再做

所有“决策之后要发生的事”(转交候选、投递输入、启动派工、发消息)都先入队、后执行。Effects 是持久化副作用队列:命令在自己的事务内 enqueue(kind, key, payload),提交之后才开始执行;同一个 kind+key 只有一行,重复入队会替换 payload 并立即到期,但不改变队列顺序。

六种效果各有并发与退避:assessment 与 delivery 各 4 个并发;launch 用空闲槽位;relay、notice、reply 严格 1 个并发以保序;失败按 2 秒起倍增到 60 秒,reply 从 5 秒倍增到 300 秒。抛 Later 表示“延后但不算失败”,用于没有空闲槽位这种正常情况。

这套机制的收益很直接:进程崩溃不会丢掉“已经决定要做但还没做”的事。代价是每条路径都必须回答“重试会不会造成重复外部动作”,于是文档里到处是幂等键、回执和恢复说明——这不是啰嗦,是这套架构必须付的税。

三、Outbox 与回执

消息不是发出去就算完。send 在同一个事务里保存回执并入队 reply 效果,效果处理器再通过 Source 发送;同一个 Ticket 发往同一个会话的消息必须按入队顺序出,所以确认语一定在后面的答复或结果之前;其他 Ticket 的消息不排在它后面。

发送失败重试到 300 秒;被判定为“会话已经不存在”或“来源不再监听”的消息会被丢弃并留下记录(什么时候、为什么、为哪张单),从此不再重新排队。被丢弃的确认语在面板上读作“已丢弃”,而不是“已发送”。

这段设计回应的是一个非常具体的信任问题:当一条消息没有送到,系统必须能说清它去了哪里。 静默失败在人多的地方等于说谎。

八、这份设计的克制,体现在它拒绝的地方

回到开头那条公理。读完全部九篇,我的判断是:这个项目最值得学的不是它的功能,而是它反复拒绝的那些“显然更好”的方案。

举几个具体的:

  • 不给人建实体。 人在系统里只是 Trigger 上的一个 actor 标识;白名单是 Policy 的一部分,用该 Source 自己的身份体系。一个人有飞书账号和 GitHub 账号这件事,交给一段团队维护的 identities 技能去做,而不是数据库里的一张映射表。省掉的是同步、冲突和过期,留下的是“你写一句话告诉它”。
  • 不给 Eval 加状态。 Eval 无状态,超时就重排,三次失败记录 unavailable。想要“等待某个条件”的需求不是加一个 waiting 状态,而是写一个会等待的 Source。把时间维度从判定层挪到事件层,判定层就永远是纯函数。
  • 不让 Executor 决定授权的结束。 执行器可以报告 blocked、failed、dropped,但“人说要停”必须回到 Eval 判定。授权状态的写入点越少,越不容易出现“AI 替我做了决定”的事故。
  • 不把合并规则写进代码。 合并是团队政策,交给团队可见、可改、可审计的提示词段落,宿主不碰。
  • 不让健康状态占版面。 面板开口先回答三个问题:现在有没有事需要我?系统健康吗、在做对的事吗?这件事从 Trigger 到 Ticket 的完整历史是什么?除此之外的元素删掉。

这种克制有代价,而且文档没有掩饰:概念少意味着表达力要靠提示词补,设置项少意味着有些团队会不习惯,文档按序阅读意味着新读者必须从 000 开始。

九、它还没解决的问题

一份值得读的设计文档,通常也会诚实地留下问题清单。000 到 008 里有几处明确或隐含的边界,值得准备照抄的人先看一眼。

第一,信任边界仍是开放问题。 007 结尾列了两条 open question:一是哪些 Trigger 字段可信、哪些不可信(比如 Source 给的 actor 和线程成员关系可信,正文与引用不可信);二是部署隔离——让 agent 的 profile 跑在自己固定版本的 Harness 上,避免升级别处时把它弄坏。这两条不解决,规模化部署就会踩坑。

第二,默认配置里有明确的安全取舍。 执行器以操作者的 OS 用户身份、无审批地跑命令;工具只是包装,文档自己承认“这些包装和目录建立的是默认值,不是安全边界——worker 仍然可以用绝对路径执行程序”。 换句话说,这套系统的安全模型是“信任这个仓库和你配置的账号”,而不是沙箱隔离。

第三,代码里仍有 Source 专属的耦合。 007 很坦诚地列了一节“Source-specific dependencies”:Outbox 里写进了飞书的字数限制,links.ts 解析飞书消息链接,Setup 只探测 GitHub 和飞书两种账号字段。这意味着“新增一个 Source”虽然有一篇 cookbook,但并不是完全零改动的插件化——这属于原型阶段合理的债,不属于缺陷。

第四,也是最重要的一条:文档与实现不一致。 README 明确说,为公开发布做过改编,所以它既不同于内部版本,也不同于那篇《Exploring Super-agent Design》文章里描述的实现;文章里的部分设计属于未来方向,原型没有实现。

这条提醒对所有读论文/读仓库写方案的人都适用:一份设计文档的说服力,不等于对应实现的完成度。 本文通篇讲的是“文档如何描述这套系统”,不是“这套系统已经这样运行”。

十、结语:一份可以直接拿去自查的清单

如果把这九篇压成一张检查表,我会留下六个问题。它们不需要照抄这套架构,但每一个都能暴露出团队级 agent 的真实水平:

  1. 你的 agent 一次能说多少字? 有没有一条硬上限(这里是聊天 100 词、路由说明 30 词)?没有上限的“简洁”等于没有。
  2. 谁可以派活,这个判断写在哪? 如果答案是“写在提示词里”,那么一段被转发进来的文本就能改变它。
  3. 授权凭证有没有记录“当时依据哪条规则、哪个版本”? 没有版本号,就没法在策略收紧后安全地做再校验。
  4. 人发的消息能不能插到机器任务前面? 如果并发槽被机器占满、人只能排队,这套系统就是在消耗注意力而不是节省。
  5. 副作用是先落库还是先执行? 崩溃一次就知道答案。
  6. 面板打开第一屏,有几个元素是“健康状态”? 如果超过零个,它迟早会被关掉。

这套设计最锋利的地方,是它把“少打扰人”从一句愿景翻译成了十几个可以检查的实现细节:一条 100 词的消息上限,一个专门留给人的并发槽,一张“第一个匹配即停”的阶段表,一次在恢复前才发生的再校验,一条“健康状态不占版面”的面板规则。

一个 agent 的能力上限,取决于它能调多少工具;一个 agent 的可用性上限,取决于它有多懂得闭嘴。 这份文档几乎全部篇幅都在讲后者——这大概就是它值得读的原因。


参考资料

「真诚赞赏,手留余香」

爱折腾的工程师

真诚赞赏,手留余香

使用微信扫描二维码完成支付