Mengyao, envoyé par Óu Fēi Sì
Quantum Bit | Publique de compte QbitAI
DeepSeek, de nouveaux projets en cours !
Et cette fois, les responsables ont directement rendu publique la conception fondamentale de Personal Agent.
Il faut savoir que beaucoup de personnes attendaient encore le lancement du « dsh dot » annoncé par DeepSeek. Mais cette fois, on a d’abord reçu une discussion sur les approches architecturales applicables aux pratiques techniques.
Super-agent : Vers un système d’agent plus autonome.
Quel sens ? L’IA peut découvrir les bugs, localiser les problèmes et même soumettre des PR de correction de manière autonome, sans aucune instruction de la part de @ ou d’un autre utilisateur.
Il peut même suivre en continu les messages du groupe de travail, collaborer sur différentes plateformes, traiter plusieurs tâches complexes en parallèle, et fonctionner en ligne 24 heures sur 24.
L'équipe DeepSeek a également présenté des résultats initiaux obtenus lors de tests pratiques –
Dans l'environnement de simulation de multitâches, le temps médian de réalisation des tâches du Super-agent est de 12,4 minutes, et le temps 95e est de 15,7 minutes, ce qui montre une performance supérieure à celle du solution traditionnelle d'une seule session testée.
AI, il commence vraiment à avoir la capacité de détecter les problèmes de manière proactive et de poursuivre le travail de manière continue, sans attendre que l’humain lui attribue les tâches un par un.
Personne dans le groupe n’est @, l’IA a déjà trouvé le bug et a soumis un PR.
Dans le processus de développement logiciel quotidien, une question fréquente que rencontrent les développeurs est que nous devons passer constamment d’une plateforme à l’autre !!
Par exemple, discuter d’une solution technique dans un groupe de discussion IM, puis soumettre le code sur GitHub, et ensuite modifier la mise en œuvre en fonction des commentaires du PR.
Pour les agents de codage traditionnels, ces opérations sont souvent dispersées dans différentes sessions.
L'utilisateur doit se souvenir lui-même de où en est chaque session, puis donner au AI le contexte correspondant.
Dans l’article, l’équipe DeepSeek indique que, selon leurs observations, une personne ne peut généralement suivre que 3 à 5 sessions actives en même temps.
Cela pose un problème : à mesure que la capacité du modèle à traiter des tâches individuelles devient plus forte, l’efficacité de la collaboration multi-tâches devient de plus en plus vulnérable aux limites de la concentration humaine.
Par coïncidence, c’est justement ce problème que le Super-agent doit résoudre.
Dans les instances opérant au sein de l'équipe DeepSeek, une même tâche de développement peut se dérouler depuis le groupe de discussion IM jusqu'à l'examen des PR sur GitHub.
Par exemple, l’utilisateur décide d’adopter le plan A dans le groupe, puis demande de changer pour le plan B dans les commentaires sur GitHub.
Super-agent peut comprendre que ces deux messages relèvent de la même tâche, et se adapte en conséquence à la direction de l’exécution suivante.
L’utilisateur est toujours en contact avec le même Agent, et les multiples sessions de base sont gérées par le système lui-même. De plus, il commence à participer activement au travail.
Il est également utilisé une technique – Exécution spéculative (Speculative Execution).
C’est lorsque l’IA détecte qu’une certaine tâche nécessite une traitement, qu’elle peut essayer en amont dans le back-office.
Par exemple, si quelqu’un dans le groupe discute d’un bug, le Super-agent commence d’abord à reproduire le problème et à rechercher la cause. Si une solution de correction simple et réalisable est finalement trouvée, il transmet les résultats aux utilisateurs.
Si aucune résolution valide n’est trouvée, on peut rester silencieux, éviter de déranger, et le même principe peut être appliqué à une assistante personnelle.
Après avoir reçu l’invitation à la réunion, l’IA peut vérifier les conflits de calendrier en amont, organiser les documents pertinents et préparer un brouillon de réponse, en attendant la confirmation de l’utilisateur.
Cela correspond également aux quatre caractéristiques essentielles que DeepSeek propose pour le Super-agent :
- Continuité : Maintenir le contexte des tâches entre sessions et entre plateformes de travail, sans avoir besoin d’expliquer à répétition l’histoire précédente.
- Efficace : Plusieurs tâches complexes sont exécutées en parallèle, et les tâches longues ne bloquent pas les nouvelles interactions.
- Démarche proactive : Observer constamment les changements de l’environnement et agir en personne lorsque nécessaire.
- Durabilité : fonctionnement en ligne sur le long terme, capable de tenter une restauration automatique en cas d’anomalie.
DeepSeek a conçu une architecture à double niveau pour cela.
Le niveau supérieur s’appelle Router ; on peut le comprendre comme un délégué chargé d’accepter les messages et de coordonner les tâches. Le niveau inférieur s’appelle Worker ; il s’agit d’un groupe d’agents responsables de l’exécution concrète des tâches.
En particulier, le Router de niveau supérieur équivaut à un coordinateur général, chargé d’recevoir des messages, d’assigner des tâches et de maintenir le contexte global.
Le Worker en dessous est chargé de l'exécution concrète ; plusieurs tâches peuvent avancer simultanément, sans interférer mutuellement.
Il est intéressant de noter que DeepSeek a également conçu spécialement un mécanisme de abonnement et de directe accessibilité.
Par exemple, lorsqu’un Worker prend en charge un PR sur GitHub, il peut directement s’abonner aux commentaires ultérieurs.
Ensuite, si des suggestions de modification sont présentées, le message sera directement soumis à ce Worker, sans avoir besoin d’être transmis plusieurs fois par le Router.
Ainsi, les tâches anciennes sont suivies en permanence, et les nouvelles tâches peuvent être assignées rapidement, permettant à tout le système de fonctionner de manière plus efficace.
En ligne 24 heures sur 24, rétablissement autonome, temps de réalisation des tâches mesurés plus stable
En plus de la collaboration multi-tâches, pour que Super-agent fonctionne de manière autonome à long terme, il est nécessaire de résoudre des problèmes tels que le filtrage des messages, les blocages des tâches et la restauration des anomalies.
Disons d’abord sur le filtrage des messages.
Lorsque l’agent se connecte simultanément aux groupes de travail, GitHub, e-mails et autres plateformes, de nombreuses messages affluent en continu, mais seuls quelques-uns nécessitent réellement d’être traités.
Pour cela, DeepSeek a conçu un mécanisme de filtrage d’événements à deux niveaux.
D’abord, les messages inutiles sont éliminés selon les règles du programme, puis une grande modèle détermine si les événements restants nécessitent une action, réduisant ainsi la consommation de Tokens inutile.
En même temps, Super-agent introduit également le cycle ReAct asynchrone.
Lorsque l’IA exécute des tâches longues, elle peut continuer à répondre aux nouvelles instructions sans attendre que la tâche précédente soit terminée. Ce mécanisme est déjà implementé dans DeepSeek Harness, mais n’est pas activé par défaut.
Quant à l’opération en ligne 24 heures sur 24, DeepSeek utilise une approche qui sépare le calcul, l’état et l’environnement d’exécution.
La logique de calcul de l’agent peut fonctionner en nuage, l’état de la session est conservé indépendamment, tandis que les appareils locaux conservent leur environnement de travail original. Même si l’ordinateur est temporairement hors ligne, l’agent en nuage peut maintenir l’état des tâches, et continuer à effectuer les tâches pertinentes une fois que les appareils sont réactivés.
De plus, l'équipe a également introduit un mécanisme de Watchdog indépendant.
Il s’agit d’une IA chargée spécifiquement de superviser les autres Agents, capable de détecter les pannes de programme, de déterminer si une tâche est plongée dans un cycle inutile ou éloignée de son objectif, et de tenter d’intervenir pour la corriger.
L'équipe DeepSeek a également mené une série d'expériences préliminaires —
Ils ont simulé un environnement de collaboration contenant environ 300 messages et 20 demandes de travail, en comparant le Super-agent avec le modèle traditionnel à une seule session et Subagent, avec 5 répétitions d’essais pour chaque configuration.
Les résultats montrent que le temps médian pour accomplir la tâche Super-agent est de 12,4 minutes, et le temps de 95e centile pour accomplir la tâche est de 15,7 minutes.
Le plan traditionnel à une seule session, sous indication neutre, atteint 29,5 minutes pour l’exécution de la tâche située à la 95e décile.
Bien sûr, l’amélioration de l’efficacité est accompagnée d’une certaine consommation de tokens.
DeepSeek a constaté que, après l’abolition du mécanisme de connexion direct des événements, le nombre de décisions prises par le Router augmente d’environ 30 %, et la lecture des tokens de cache augmente d’environ 37 %.
Cela montre également que les routages d’événements raisonnables peuvent réduire efficacement les coûts de fonctionnement du système.
D’après cette présentation technique, DeepSeek explore la possibilité de permettre aux Agents de sortir davantage des limites d’une seule session, afin d’assurer une exécution en continu en ligne, parallèle, avec une réponse active et une auto-réparation des anomalies.
Lorsque l’IA devient progressivement capable de réaliser des tâches complexes de manière autonome, comment la faire progresser de manière durable et stable sur plusieurs tâches en même temps est également devenu un nouveau problème que les systèmes d’Agent doivent résoudre.
Lien GItHub :
https://github.com/deepseek-ai/dsh-superagent-prototype