Tuần trước DeepSeek vừa mở repo dsh-superagent-prototype, và cái làm mình chú ý nhất không phải là code. Mà là một câu trong tài liệu: "take as little human attention as possible, and give as much value as possible". Mình đọc xong hai lần rồi nghĩ: đúng cái vấn đề mình đang vật lộn mỗi ngày khi chạy agent.

Vấn đề không nằm ở model

Mình chạy vài session coding agent cùng lúc: một session sửa bug, một session viết test, một session review PR. Đến khoảng session thứ ba thì mình bắt đầu mất dấu cái nào đang làm gì. Nhóm DeepSeek nêu đúng con số này: một người thường chỉ theo sát được 3 đến 5 session đang chạy. Nghĩa là trần thật sự không phải model giỏi đến đâu, mà là sự chú ý của con người.

Một bàn điều phối trung tâm chia việc cho nhiều bàn làm việc chạy song song Ảnh: Bàn điều phối nhận yêu cầu rồi chia cho nhiều bàn con chạy song song, minh hoạ mô hình Router và Worker — ảnh minh hoạ do AI tạo (Grok Imagine)

Router và Worker: tách người nói chuyện khỏi người làm việc

Ý tưởng cốt lõi là chia hai lớp. Một Router chỉ nói chuyện với người và chia việc. Các Worker là những session cô lập, mỗi cái nhận một ticket, làm trong thư mục riêng, rồi báo kết quả lại.

Điểm thú vị là Router được thiết kế cố tình "mỏng": nó không chia nhỏ một task thành từng bước, cũng không tự tay làm việc. Nó chỉ quyết định ai nhận việc nào. Lý do được nêu rõ: nếu một session vừa nói chuyện vừa làm, nó sẽ bị ngắt liên tục bởi tin nhắn mới và chậm dần.

Mình thấy điều này khác với kiểu "agent trưởng nhóm có subagent" mà nhiều người đang dùng. Ở mô hình trưởng nhóm, người lãnh đạo thường vừa điều phối vừa tham gia làm. Ở đây, Router không được làm.

Một người ngồi giữa nhiều màn hình sáng cùng lúc Ảnh: Một người đang giữ nhiều màn hình cùng lúc, minh hoạ giới hạn sự chú ý con người — điều nhóm DeepSeek xem là nút thắt thật sự, không phải model — ảnh minh hoạ do AI tạo (Grok Imagine)

Con số thử nghiệm của DeepSeek

Nhóm tạo một luồng tin nhắn tổng hợp: khoảng 300 tin mỗi lượt, trong đó chừng 20 tin là yêu cầu làm việc thật, chạy 5 lượt. Kết quả, theo số liệu họ công bố:

  • Super-agent (Router + Worker): trung vị 12,4 phút, p95 là 15,7 phút
  • Một session đơn với công cụ subagent và prompt trung tính: trong 5 lượt không lần nào tự giao việc, p95 là 29,5 phút
  • Cùng session đó nhưng prompt ép giao việc: giao việc 4/5 lượt, vẫn chậm hơn Super-agent

Có một chi tiết mình thấy đáng đọc lại: trong lượt thứ năm, session đơn tự đánh giá việc "quá nhỏ để giao" và làm một mình, và chính lượt đó kéo đuôi p95 lên. Nghĩa là model không sai về năng lực. Nó sai về phán đoán khi nào nên chia việc. Thiết kế Router của DeepSeek lấy hẳn phán đoán đó ra khỏi prompt.

Lưu ý quan trọng: đây là mô phỏng tổng hợp, đo lịch trình và phối hợp chứ không đo chất lượng code. Và nhóm tự gọi kết quả là sơ bộ. Đừng lấy 15,7 phút làm benchmark cho việc của mình.

Cái đã mở ra trên GitHub, và cái chưa

Bản mở hiện tại hẹp hơn bài viết. Nó là một coding agent chủ động cho một repository GitHub, có thêm Feishu là kênh chat tuỳ chọn. Khi một người được phép yêu cầu, nó mở một work item, làm việc trong session và thư mục riêng, rồi trả lời ngay trong cuộc hội thoại gốc, thường là bằng một pull request.

Triết lý trong tài liệu của repo có vài câu mình thích:

  • "It acts only when asked, or when a written rule allows it." (Chỉ hành động khi được yêu cầu, hoặc khi có quy tắc viết sẵn cho phép.)
  • "It speaks only when a person must act or can use a result." (Chỉ lên tiếng khi người cần làm gì, hoặc có kết quả dùng được.)
  • "Do not use it to produce volume." (Đừng dùng nó để sản xuất số lượng.)

Và nhóm nói thẳng nhiều ý trong bài viết chưa có trong code. Đọc kỹ thì đây là một bản nghiên cứu để tham khảo, không phải sản phẩm chính thức của DeepSeek.

Phòng điều khiển với một đèn báo sáng, phần còn lại tối Ảnh: Phòng điều khiển chỉ một đèn báo luôn sáng, còn các bảng khác tối, minh hoạ triết lý agent chỉ lên tiếng khi người cần làm gì — ảnh minh hoạ do AI tạo (Grok Imagine)

Mình rút ra gì cho mình

Mình không định chạy thử ngay trên repo production. Có 3 điều mình mang sang cách làm việc của mình:

  • Đếm số lần bị ngắt, không chỉ đếm số việc xong. Một agent làm được nhiều việc mà kéo người ta ra khỏi công việc thì chưa tiết kiệm được thời gian. Nó chỉ chuyển chi phí sang người phải canh nó.
  • Danh sách cho phép ngắn, bắt đầu ở chế độ chỉ ghi nhận. Trước khi cho agent tự làm, hãy để nó chỉ ghi lại việc nó sẽ làm, rồi so với việc người thật làm. Chỉ bật tự động khi kết quả khớp.
  • Ranh giới quyền hạn là phần khó nhất. Nhóm DeepSeek cũng thừa nhận: nếu cloud loop bị xâm nhập thì mọi máy nối vào đều gặp rủi ro, và thông tin xác thực cần cách được dùng mà không đi vào context của model.

Một điều nữa: mình nghĩ cái đáng theo dõi không phải là DeepSeek có thắng cuộc đua coding agent hay không. Mà là ý tưởng "người chỉ nói chuyện, agent làm việc, và agent chỉ lên tiếng khi cần" có trở thành chuẩn cho các hệ thống agent hay không.

Bạn đang chạy bao nhiêu agent cùng lúc? Và cái giới hạn đầu tiên bạn chạm phải là số lượng session, hay là sự rối khi mất dấu việc nào đang làm?

Xem các bài viết khác