Enxame de Hiperagentes da openJiuwen implementa agentes de IA persistentes em chats de trabalho como funcionários digitais

A equipe DeepSeek Harness publicou a descrição de seu projeto, que nomearam Superagente. Este agente foi projetado como um sistema em funcionamento contínuo que avança múltiplas tarefas simultaneamente, busca trabalho autonomamente e se recupera de falhas. Um protótipo de pesquisa correspondente foi lançado no GitHub sob licença MIT, informaram mídias tecnológicas chinesas.

O repositório dsh-superagent-prototype representa um pacote de agente de codificação proativo, destinado a operar com um repositório do GitHub dentro do ecossistema DeepSeek Harness. O agente monitora a atividade no GitHub, bem como opcionalmente no Feishu. Quando um usuário autenticado solicita a execução de uma tarefa, o agente cria um item de trabalho, processa-o em sua sessão e diretório, e então responde no diálogo original, por exemplo, criando um pedido de pull request.

Na documentação anexa, é enfatizado que este código é de natureza de pesquisa e não um produto oficial da DeepSeek, e algumas das concepções descritas no documento ainda não foram implementadas.

Arquitetura do Sistema

O conceito principal é construído sobre uma arquitetura de duas camadas. A Sessão do Roteador (Router) recebe toda a atividade humana de vários canais, mas não executa o trabalho e pode nem ter a ferramenta Bash. As tarefas são delegadas a sessões isoladas de agentes de trabalho (Worker), que executam o trabalho em paralelo usando um conjunto completo de ferramentas, e enviam relatórios de volta ao Roteador, sem comunicação com os usuários.

Cada Agente de Trabalho se inscreve nos branches de seu interesse, como discussões no chat ou pedidos de pull request, permitindo que eventos subsequentes cheguem diretamente a ele, sem passar pelo Roteador. O sistema funciona com base em eventos: os gatilhos são mensagens de chat, e-mails, comentários em revisões e resultados de integração contínua (CI), que são primeiro filtrados por código determinístico e depois pelo modelo.

A equipe também separou o estado do agente e do ambiente de execução para que o agente possa permanecer ativo na nuvem, interagindo com máquinas locais do usuário. Uma sessão externa de Vigilante (Watchdog) é usada adicionalmente para monitorar se os Agentes de Trabalho estão obtendo progresso real. Em um grupo interno de usuários, a equipe estabeleceu uma regra: a instância deve reproduzir silenciosamente os erros relatados e só comunicá-los após encontrar uma solução simples, às vezes abrindo um pull request antes que alguém marque o problema.

Durante testes preliminares com cargas sintéticas, incluindo cerca de 300 mensagens e aproximadamente 20 solicitações de trabalho, o Superagente concluiu metade das tarefas em 12,4 minutos e 95% em 15,7 minutos. Esses resultados superaram os alcançados por uma única sessão com ferramenta de subagente, embora tenham exigido mais tokens em cache. Sem o direcionamento direto dos eventos subsequentes aos Agentes de Trabalho, as soluções do Roteador aumentaram em cerca de 30%, e o processamento em lote sob alta carga reduziu o tempo de saída de uma solução do Roteador de 6,4 segundos para 1,6 segundo. A equipe classificou esses resultados como um ponto de referência preliminar.

Entre as questões não resolvidas listadas pela equipe estão: escalabilidade do Roteador, memória de longo prazo, interação entre agentes e o risco de injeção de prompts (prompt-injection) caso o agente em nuvem tenha acesso às credenciais em dispositivos locais.

A Kuaishou integrou assistentes digitais baseados em inteligência artificial no ambiente de trabalho dos vendedores da Kuaishou Shop, sua plataforma de comércio eletrônico. Essas ferramentas são destinadas a pequenos vendedores que gerenciam suas lojas sozinhos ou em tempo parcial. Os assistentes estão disponíveis 24 horas por dia e podem ser acionados através do local de trabalho no PC, um modo de IA especial no aplicativo ou um widget de operações de IA no computador, de acordo com informações publicadas pela IT Home.

Os vendedores podem fazer perguntas em linguagem simples, como sobre os motivos da queda de tráfego na última semana ou sobre o estado atual das devoluções. O hub central de operações de IA determina a solicitação do vendedor, coleta dados da loja, ferramentas e regras da plataforma, e então encaminha a tarefa ao agente apropriado.

Funcionalidades dos funcionários digitais

O sistema inclui oito funções diferentes. O gerente virtual da loja realiza um diagnóstico completo de toda a loja e sugere estratégias para aumentar a conversão de novos clientes, estimular compras repetidas, inscrições em campanhas e ajustes nos nomes dos produtos. O especialista em dados responde a perguntas sobre vendas, tráfego e devoluções, além de identificar as causas raiz de quaisquer desvios.

O especialista em vídeo cuida do diagnóstico de vídeos curtos, seleção de produtos, geração de clipes prontos em um único passo, publicação e promoção automática de conteúdo. O especialista em transmissões ao vivo ajuda com planejamento, seleção de produtos, redação de roteiros, visualização e análises pós-transmissão.

No lado do atendimento ao cliente, o especialista em devoluções analisa reclamações, esclarece as regras da plataforma relativas a disputas e sugere soluções para reduzir a alta taxa de devoluções. O especialista em atendimento ao cliente analisa avaliações e métricas de satisfação, bem como chats de reclamações. Além disso, há um especialista em processamento de pedidos, que monitora problemas logísticos, e um especialista em conformidade, que explica os riscos de violações e as razões para a queda na classificação de experiência da loja.

A Kuaishou descreve este sistema como um ciclo fechado: primeiro é diagnosticado um problema, depois é sugerida uma estratégia que é executada em nome do vendedor, e, por fim, é realizada uma análise dos dados obtidos. Outro artigo da IT Home lista um conjunto mais amplo de ferramentas que suportam este sistema. Estas incluem a função de adição em lote de produtos ao catálogo, publicação automática de vídeos, plataforma para geração de roteiros e vídeos, configuração de transmissões ao vivo com IA com um clique, assistente para comunicação ao vivo, gerenciamento automático de programas de afiliados, configuração de campanhas publicitárias em linguagem natural, atendimento ao cliente por IA, recuperação de devoluções e impressão e envio automáticos de pedidos.

Em cobertura deste tópico, um vendedor de roupas que trabalha em tempo parcial relatou que verifica as métricas de exposição, cliques e devoluções todos os dias à noite em comparação com o dia anterior, e também permite que o agente publique vídeos automaticamente enquanto ele está trabalhando em seu emprego principal. Um representante de uma empresa de chá observou que, graças a essas ferramentas, eles reduziram significativamente a necessidade de contratar editores de vídeo.

Um grupo de pesquisa, incluindo especialistas em inteligência artificial da MiHoYo e parceiros de universidades, tornou os modelos GameScaling públicos. Esses modelos são capazes de jogar videogames, gerando comandos para teclado e mouse com base na análise visual do que está acontecendo.

O conjunto lançado inclui oito pontos de controle, cujos parâmetros variam de 800 milhões a 27 bilhões. Os modelos foram criados continuando o pré-treinamento dos modelos Qwen3.5, que são modelos de visão e linguagem.

Para gerar sequências curtas de comandos de controle, os modelos utilizam quadros atuais e recentes do jogo, bem como informações sobre ações anteriores. As capacidades demonstradas incluem coleta de recursos e criação em Minecraft, combate e movimentação em Doom, além de resolução de quebra-cabeças em cenários de fuga de sala.

O projeto fornece os pesos dos modelos, código para inferência e exemplos de software sob a licença Apache 2.0. Isso permite que desenvolvedores estudem como o treinamento em diferentes mundos virtuais afeta o desempenho da inteligência artificial interativa.