Kobin

一个人，如何指挥一群 AI？ 今天精读了 @DeepSeekHarness 的《Super-agent 设计探索》，再结合卡神 @Khazix0918 跑通一年的个人自动化中台，我专门做了一期视频，把这套「内阁批红式」的下一代 Agent 架构彻底扒了一遍。 很多人没意识到，今天 AI 生产力的瓶颈早就不是模型不够聪明，而是人的注意力不够用了。 1380年，朱元璋废丞相、独揽六部，8天收到1660件奏札、3000多件事，累到崩溃感叹：“朕一人处此多务，岂能一一周遍。” 600年后的今天，我们对着电脑屏幕同时盯 3 到 5 个 Chat 窗口，你不点开它就不动——本质上，我们都在重蹈朱元璋的覆辙。单任务的上限取决于模型，但多任务的上限，死死卡在人的注意力上。 怎么破局？答案不是更强的单点 ReAct 循环，而是外层的系统工程： 1. 立内阁、分六部（Router + Worker 双层解耦）单循环的 Agent 是一条单车道。要实现全双工高并发，必须把系统拆开：Router 是“内阁”，连 Bash 权限都不给，绝不亲自下场干活，只负责全局分拣与派单；Worker 是“六部”，在完全隔离的上下文里并行狂奔。最妙的是 Prefill 批量处理（Batching）——积压的事件越多反而越划算，单次决策的平均耗时能从 6.4 秒直接砸到 1.6 秒。 2. 设门槛、走直通（Fast/Slow Path 与订阅机制）全天候接入环境后，成百上千的事件涌进来，全用大模型判断会直接破产。第一道门用确定性代码（Fast Path）挡掉 90% 的噪音，剩下的才走模型（Slow Path）。一旦任务立项，后续消息直接通过订阅机制直通对应的 Worker（Pass-through）。实验数据非常直观：拿掉这条直通路，Router 的决策量暴增 30%，Token 消耗直接从 23.2M 飙升到 31.8M。 3. 书桌与抽屉（上下文缓存）+ 守夜人（Watchdog）“浪费上下文窗口，就是浪费模型的智力。” 常用信息留桌面（Inline），长文收进抽屉只留索引条（Spill），按需一跳一跳找回（Chain of Recall）。同时，大脑在云端保活，手脚留在本地物理机（BYOM），再配一个独立的 Watchdog 像守夜人一样巡查谁卡进了死循环，甚至看到群里有人报 Bug，先在后台悄悄复现修好（推测执行），确认搞定了才开口。 4. 票拟与批红：用 Token 换人类的自由这套系统跑起来后，人干什么？只做最后一步：批红。Agent 在后台走完代码编写，本地 CI 跑完最多 3 轮的只读审查（卡兹克两周实战：298 个 PR 抓出 333 个问题，合并前修掉 306 个，从提交到上线中位数仅需 2-3 分钟）。遇到高危操作，飞书弹出一张卡片（票拟），你点一下确认（批红），剩下的全自动闭环。 在合成负载实验里，单会话完成任务的中位数是 20.4 分钟（p95 达 29.5 分钟），而 Super-agent 直接压到了 12.4 分钟（p95 仅 15.7 分钟）。多花的是 Token，买回来的是极致的吞吐与人类注意力的彻底解放。 你会发现，这套最前沿的 Super-agent 架构，底层全是最经典的计算机体系结构老办法：快慢路径、发布订阅、缓存局部性、推测执行、存算分离。 一千年前的明朝内阁，五十年前的计算机系统，与今天的 AI Agent 架构，其实在用同一种设计，解决同一个终极问题——把人从繁琐的执行细节里摘出来，向上移动到纯粹的决策与签字。 👇 戳下方视频，几分钟带你直观拆解这套「一个人指挥千军万马」的 Super-agent 运转全景：

说真的，这事有点吓人了。 外网传疯了：一个 23 岁的中国小伙，同时开了 300 个 Claude Code，让它们一起干活。 重点不在 300 个。 重点是他给这 300 个 AI 配了个"监工"：谁敢瞎编，当场抓包。 原帖说，他的面板上是这样的： 300 个 AI 一边写，一边查 每写一句，0.1 秒内拿去跟原文对一遍 100 家公司的资料来回查三遍，一个错都不剩 查完直接存进笔记库 窍门其实就一句话： 一个 AI 负责干活，另一个更便宜的 AI 专门挑刺。 挑不出毛病，才准交差。 这活要是交给分析师团队，得干好几周，收你好几周的钱。 他跑一次就完了。 以前大家不敢放手让 AI 干，是怕它胡说八道。 现在有人用 AI 管 AI，连"不准胡说"这件事都自动化了。 我自己手下也管着 一群 agent，体会一模一样： AI 能干多少活不重要，能不能管住它别瞎编，才重要。 这套思路，先收藏。

这绝对是最干货的 Claude code避坑指南了—— 同一个 Claude Code，有人嫌它笨，有人让它通宵干活。 差的往往不是模型，是用法：有些坑还不报错，比如你写的 AGENTS.md 可能从来没被读过。 7 章，每章都能照着做。5 分钟版本在文章最前面。

REA 火了，满屏都在教怎么用 AI 拆别人的 App。 代码被看穿是迟早的事。这篇讲我们该怎么护住自己的产品： 薄壳策略、减速带、保质期思维、活护城河。让他看懂了，也追不上。 #REA #逆向工程

朋友们，Muse 真的得多用用啊！虽然它免费但不妨碍它的强大；事情是这样的👇 我用 Muse 注册了Claude 号，结果被封了，但几天后它自己主动去把账号申诉回来了。 申诉全程，我只说了一个字：好。 9.30，我让 Muse 用新邮箱注册 Claude。没多久就被封了，页面显示 unusual activity，直接 restricted。 我没当回事，就放着没管。 10.10，它主动问我：要不要申诉试试？ 我回：好。 剩下的全是它自己干的： → 在 restricted 页面找到 Request a review 入口 → 写了封英文申诉信，先给我过目 → 提交 页面上有一句：Review decisions are final。 只有一次机会。 今天一早收到 Anthropic Safeguards Team 的回信：复查完了，账号恢复，还道了个歉🤓。 从提交到解封：4 天。 如果你的 Claude 也被封了，记住三点： 申诉入口就在 restricted 页面，不用满世界找客服 用英文写，只讲事实：什么时候注册、做了什么、为什么是误判 只有一次机会，情绪化的词一个都别写 申诉是真有人看的，别直接放弃。

我遇过一次典型失败： Agent 检查通过，结果却不能交付。问题不在不够聪明。 多 Agent 买来的不是人多力量大，而是更短等待、更干净上下文、更大调查覆盖，以及执行与验收独立。 本文用 Codex 实战讲清：何时扩编、如何分工，怎样交回一份你敢签字的结果。