Hyper-Agent Swarm от openJiuwen внедряет постоянных ИИ-агентов в рабочие чаты в качестве цифровых сотрудников

Команда DeepSeek Harness опубликовала описание своего проекта, который они назвали Супер-агент. Этот агент спроектирован как постоянно действующая система, которая одновременно продвигает несколько задач, самостоятельно ищет работу и восстанавливается после сбоев. Соответствующий исследовательский прототип был выпущен на GitHub под лицензией MIT, как сообщили китайские технологические СМИ.

Репозиторий dsh-superagent-prototype представляет собой пакет проактивного кодирующего агента, предназначенного для работы с одним репозиторием GitHub в рамках экосистемы DeepSeek Harness. Агент отслеживает активность в GitHub, а также опционально в Feishu. Когда авторизованный пользователь запрашивает выполнение задачи, агент создает рабочий элемент, обрабатывает его в своей сессии и каталоге, а затем отвечает в исходном диалоге, например, через создание запроса на слияние (pull request).

В сопроводительной документации подчеркивается, что данный код является исследовательским, а не официальным продуктом DeepSeek, и некоторые концепции, описанные в документе, еще не реализованы.

Архитектура системы

Основная концепция построена на двухслойной архитектуре. Сессия маршрутизатора (Router) принимает всю человеческую активность из разных каналов, но сама не выполняет работу и может даже не иметь инструмента Bash. Задачи делегируются изолированным сессиям рабочих агентов (Worker), которые выполняют работу параллельно, используя полный набор инструментов, и отправляют отчеты обратно Маршрутизатору, минуя общение с пользователями.

Каждый Рабочий агент подписывается на интересующие его ветки, такие как обсуждение в чате или запрос на слияние, что позволяет последующим событиям поступать непосредственно к нему, не проходя через Маршрутизатор. Система функционирует на основе событий: триггерами выступают сообщения в чатах, электронные письма, комментарии к обзорам и результаты непрерывной интеграции (CI), которые сначала фильтруются детерминированным кодом, а затем моделью.

Команда также разделила состояние агента и среды выполнения, чтобы агент мог оставаться активным в облаке, взаимодействуя с локальными машинами пользователя. Дополнительно используется внешняя сессия Наблюдателя (Watchdog), которая контролирует, добиваются ли Рабочие агенты реального прогресса. В внутренней группе пользователей команда установила правило: экземпляр должен молча воспроизводить заявленные ошибки и сообщать о них только после того, как найдет простое решение, иногда открывая запрос на слияние до того, как кто-либо отметит проблему.

В ходе предварительных испытаний на синтетических нагрузках, включавших около 300 сообщений и примерно 20 запросов на работу, Супер-агент завершил половину задач за 12,4 минуты, а 95% — за 15,7 минут. Эти показатели превзошли результаты, достигнутые одной сессией с инструментом под-агента, хотя и потребовали больше кешированных токенов. Без прямого направления последующих событий к Рабочим агентам решения Маршрутизатора увеличились примерно на 30%, а пакетная обработка при высокой нагрузке снизила время вывода одного решения Маршрутизатора с 6,4 секунд до 1,6 секунды. Команда назвала эти результаты предварительным ориентиром.

Среди нерешенных вопросов, перечисленных командой, — масштабирование Маршрутизатора, долгосрочная память, межагентное взаимодействие и риск внедрения подсказок (prompt-injection) в случае, если облачный агент получает доступ к учетным данным на локальных устройствах.

Kuaishou интегрировала цифровых помощников на основе искусственного интеллекта в рабочую среду продавцов Kuaishou Shop, своей платформы электронной коммерции. Эти инструменты предназначены для мелких продавцов, которые ведут магазин самостоятельно или неполный рабочий день. Данные ассистенты доступны круглосуточно и могут быть вызваны через рабочее место на ПК, специальный режим ИИ в приложении или виджет операций ИИ на компьютере, согласно информации, опубликованной IT Home.

Продавцы могут задавать вопросы на простом языке, например, о причинах снижения трафика за последнюю неделю или о текущем состоянии возвратов. Центральный хаб операций ИИ определяет запрос продавца, собирает данные магазина, инструменты и правила платформы, а затем передает задачу соответствующему агенту.

Функционал цифровых сотрудников

Система включает восемь различных ролей. Виртуальный менеджер магазина проводит полную диагностику всего магазина и предлагает стратегии для повышения конверсии новых клиентов, стимулирования повторных покупок, регистрации в кампаниях и корректировки названий товаров. Специалист по данным отвечает на вопросы, касающиеся продаж, трафика и возвратов, а также выявляет первопричины любых отклонений.

Видеоспециалист занимается диагностикой коротких видеороликов, подбором продуктов, генерацией готовых клипов за один шаг, автоматической публикацией и продвижением контента. Специалист по прямым трансляциям помогает с планированием, выбором товаров, написанием сценариев, просмотром и обзорами после эфира.

На стороне обслуживания клиентов, специалист по работе с возвратами изучает обращения, разъясняет правила платформы относительно споров и предлагает решения для снижения высокого процента возвратов. Специалист по обслуживанию клиентов анализирует отзывы и показатели удовлетворенности, а также чаты жалоб. Кроме того, есть специалист по выполнению заказов, который следит за логистическими проблемами, и специалист по соблюдению норм, который объясняет риски нарушений и причины падения рейтинга опыта магазина.

Kuaishou описывает эту систему как замкнутый цикл: сначала диагностируется проблема, затем предлагается стратегия, которая выполняется от имени продавца, и в конце проводится анализ полученных данных. Другая статья IT Home перечисляет более широкий набор инструментов, поддерживающих эту систему. К ним относятся функция пакетного добавления товаров в каталог, автоматическая публикация видео, платформа для генерации сценариев и видео, настройка прямых трансляций с помощью ИИ в один клик, ассистент для живого общения, автоматическое управление партнерскими программами, настройка рекламных кампаний на естественном языке, ИИ-клиентское обслуживание, восстановление после возвратов и автоматическая печать и отправка заказов.

В ходе освещения этой темы один продавец одежды, работающий неполный день, сообщил, что каждый вечер проверяет показатели экспозиции, кликов и возвратов по сравнению с предыдущим днем, а также позволяет агенту автоматически публиковать видео, пока он находится на основной работе. Представитель чайной компании отметил, что благодаря этим инструментам они в значительной степени сократили потребность в найме видеоредакторов.

Исследовательская группа, включающая специалистов по искусственному интеллекту из MiHoYo и партнеров из университетов, сделала общедоступными модели GameScaling. Эти модели способны играть в видеоигры, генерируя команды для клавиатуры и мыши на основе визуального анализа происходящего.

Выпущенный набор включает восемь контрольных точек, параметры которых варьируются от 800 миллионов до 27 миллиардов. Модели были созданы путем продолжения предварительного обучения моделей Qwen3.5, которые являются моделями зрения и языка.

Для генерации коротких последовательностей управляющих команд модели используют как текущие, так и недавние кадры игры, а также информацию о предыдущих действиях. Продемонстрированные возможности включают добычу ресурсов и крафтинг в Minecraft, сражения и перемещение в Doom, а также решение головоломок в условиях квестов в комнате побега.

Проект предоставляет веса моделей, код для инференса и примеры программ под лицензией Apache 2.0. Это дает возможность разработчикам изучить, как обучение в различных виртуальных мирах влияет на производительность интерактивного искусственного интеллекта.