<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>多智能体 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%e5%a4%9a%e6%99%ba%e8%83%bd%e4%bd%93/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Thu, 08 Oct 2026 20:33:36 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>谷歌云发布 Gemini Agent：一个智能体包办工作与写代码</title>
		<link>https://mylogs.cn/%e8%b0%b7%e6%ad%8c%e4%ba%91%e5%8f%91%e5%b8%83-gemini-agent%ef%bc%9a%e4%b8%80%e4%b8%aa%e6%99%ba%e8%83%bd%e4%bd%93%e5%8c%85%e5%8a%9e%e5%b7%a5%e4%bd%9c%e4%b8%8e%e5%86%99%e4%bb%a3%e7%a0%81/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Thu, 08 Oct 2026 20:33:36 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI智能体]]></category>
		<category><![CDATA[Gemini Agent]]></category>
		<category><![CDATA[企业AI]]></category>
		<category><![CDATA[多智能体]]></category>
		<category><![CDATA[谷歌云]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e8%b0%b7%e6%ad%8c%e4%ba%91%e5%8f%91%e5%b8%83-gemini-agent%ef%bc%9a%e4%b8%80%e4%b8%aa%e6%99%ba%e8%83%bd%e4%bd%93%e5%8c%85%e5%8a%9e%e5%b7%a5%e4%bd%9c%e4%b8%8e%e5%86%99%e4%bb%a3%e7%a0%81/</guid>

					<description><![CDATA[谷歌云在 10 月 8 日举行的 Gemini at Work 2026 活动上，由 CEO Thomas K [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">谷歌云在 10 月 8 日举行的 Gemini at Work 2026 活动上，由 CEO Thomas Kurian 正式发布了一款名为 Gemini agent 的“通用工作智能体”。该产品被定位为面向企业办公场景的统一 AI 代理，目标是把原本分散的多个助手与专用工具整合为一个能够承接完整任务的平台。</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e529e486&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e529e486" class="wp-block-image wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/10/43bd1b7fe941fd71ba88675b9e6e6447_header.webp" alt="Gemini Agent 相关示意图" title="图片来源：theoutpost.ai" style="max-width:100%;height:auto;"/><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button></figure>
<h2 class="wp-block-heading">一个智能体包办多项工作</h2>
<p class="wp-block-paragraph">根据谷歌云的介绍，Gemini agent 可以回答疑问、处理知识工作、创建图像与媒体内容、编写并运行代码。与以往主要响应用户指令或在单一应用内执行预设任务的智能体不同，用户只需设定目标，无需提供逐步操作指令，智能体便会规划工作、调用技能与工具、连接业务系统，并最终交付成品。</p>
<p class="wp-block-paragraph">该产品可内联于 Google Workspace 的多款应用中，包括 Gmail、Drive、Docs、Slides、Sheets、Chat 与 Calendar，并延续其在各处一致的记忆、技能与管控能力。</p>
<h2 class="wp-block-heading">五大架构设计原则</h2>
<p class="wp-block-paragraph">谷歌云概括了 Gemini agent 的核心架构原则：统一智能体（Unified agent），即在同一界面内既能聊天问答，也能自主完成任务与生成代码；无处不在的访问（Omnipresent access），可覆盖网页、iOS、Android、Windows、Mac、命令行、Workspace、Microsoft 365 与 Slack，也可作为无界面（headless）代理嵌入第三方应用；持续执行（Persistent execution），运行于云端，跨设备与渠道维护同一套记忆、上下文与个性化图谱；多智能体编排（Multi-agent orchestration），可动态组建临时子代理协同处理跨小时或跨天的多步骤任务；深度上下文（Deeply contextual），在接入时即已了解用户的工具、数据与工作历史。</p>
<p class="wp-block-paragraph">在记忆设计上，系统划分了四类：与会话绑定的会话记忆、由文档与对话汇总的语义记忆、记录工作流的程序记忆，以及记录已完成任务的情景记忆。</p>
<h2 class="wp-block-heading">同事型代理拥有独立身份</h2>
<p class="wp-block-paragraph">Gemini agent 既能作为个人助理，也能以“数字同事”形态在团队中长期承担职责。管理者可以创建专门的代理，例如“活动策划代理”，为其分配独立的 Workspace 账户、形如 @agents.company.com 的邮箱、日历、Drive 存储以及企业目录中的身份。员工可以像指派同事一样向其派活，例如在 Google Chat 中提及它或请求其修改文档。每个同事型代理都拥有经加密认证的专属身份，其操作被记录在审计日志中，且只能访问团队成员主动共享的信息，而非继承 broader 的组织权限。</p>
<h2 class="wp-block-heading">多模型编排与成本控制</h2>
<p class="wp-block-paragraph">在模型选择上，Gemini agent 并不依赖单一模型：日常轻量任务可由 Gemini Flash 承担，复杂长周期任务则调用 Argon 等旗舰前沿模型，目前已支持谷歌自家的 Gemini 系列与 Anthropic 的 Claude 模型，并计划接入更多专有与开放权重模型。Smart Routing 能力会评估每条负载，将其分配给在质量与成本之间最平衡的模型。管理员可在项目层级配置支出阈值，达到上限后代理会自动暂停。谷歌云还提到，自 2024 年以来，其按 token 计费的价格已下降 98%。</p>
<h2 class="wp-block-heading">企业集成与竞争格局</h2>
<p class="wp-block-paragraph">Gemini agent 可安全对接 Confluence、Microsoft Office、Teams、Slack、Workspace 等协作工具，Git、Jira 等开发工具，以及 Salesforce、ServiceNow、BigQuery、Databricks、Postgres、Snowflake 等企业与数据平台。</p>
<p class="wp-block-paragraph">在公布一组使用数据时，谷歌云称过去一年有近 500 家云客户各自处理了超过 1 万亿 token，目前近 80% 的云客户正在使用其 AI 产品，近 90% 的财富 100 强企业是 Gemini Enterprise 客户。</p>
<p class="wp-block-paragraph">这一发布正处于企业级 AI 助手竞争升温的背景之下：微软于 9 月 25 日推出更新后的 Copilot，四天后 OpenAI 发布常驻式 dots agents，Anthropic 于 10 月 6 日宣布 Claude 原生集成 Google Docs、Sheets 与 Slides，而 SpaceXAI 早在 8 月就已推出持久化的 Grok Bot agents。据公布，Gemini agent 目前以私有预览（private preview）形式向企业客户开放。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Cursor 上线 Projects：一个协调者指挥数千个智能体</title>
		<link>https://mylogs.cn/cursor-%e4%b8%8a%e7%ba%bf-projects%ef%bc%9a%e4%b8%80%e4%b8%aa%e5%8d%8f%e8%b0%83%e8%80%85%e6%8c%87%e6%8c%a5%e6%95%b0%e5%8d%83%e4%b8%aa%e6%99%ba%e8%83%bd%e4%bd%93/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 05:59:07 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI Agent]]></category>
		<category><![CDATA[AI编程]]></category>
		<category><![CDATA[Cursor]]></category>
		<category><![CDATA[代码生成]]></category>
		<category><![CDATA[多智能体]]></category>
		<category><![CDATA[开发工具]]></category>
		<guid isPermaLink="false">https://mylogs.cn/cursor-%e4%b8%8a%e7%ba%bf-projects%ef%bc%9a%e4%b8%80%e4%b8%aa%e5%8d%8f%e8%b0%83%e8%80%85%e6%8c%87%e6%8c%a5%e6%95%b0%e5%8d%83%e4%b8%aa%e6%99%ba%e8%83%bd%e4%bd%93/</guid>

					<description><![CDATA[2026 年 9 月 10 日，AI 编程工具 Cursor 的开发方 Anysphere 推出 Projec [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">2026 年 9 月 10 日，AI 编程工具 Cursor 的开发方 Anysphere 推出 Projects，正式进入 beta 阶段，并从当天起逐步向所有用户开放，入口位于编辑器左侧导航栏。这不是一次模型升级，也不是价格调整，而是把 AI 编程从&#8221;帮你写完这段代码&#8221;推进到&#8221;替你管住一整摊活&#8221;。</p>
<h2 class="wp-block-heading">协调者不写代码，只管派活</h2>
<p class="wp-block-paragraph">传统 AI 编程助手的形态是：打开一个对话框，描述任务，智能体改文件，检查，结束。关掉标签页，上下文随之消失。对于二十分钟能修完的缺陷，这没什么问题；对于一场持续三周的迁移，用户就得一遍又一遍地向新智能体重述代码库的结构、约定和此前的决策。</p>
<p class="wp-block-paragraph">Projects 针对的是后者。官方将其描述为承接&#8221;一项功能、一次迁移或一个完整应用&#8221;这类规模工作的容器，可以在长达数月的时间里保持上下文，把任务委派给成千上万个子智能体，并且在没有提示的情况下自动完成周期性工作。</p>
<p class="wp-block-paragraph">其中真正的变化是角色拆分。项目中的协调智能体本身并不编写代码，它负责规划工作、把工作委派给具体实现的智能体，并将完成的成果交回给用户检查。Cursor 的更新日志明确写道：&#8221;项目中的协调智能体本身并不编写代码，而是负责规划工作、把工作委派给具体实现的智能体，并将完成的成果交回给你检查。&#8221;</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e529f5c5&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e529f5c5" class="wp-block-image size-large wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/r28_02_inner1.webp" alt="Cursor Projects 协调智能体与子智能体架构示意" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：Cursor 官方博客 / RuntimeWire</figcaption></figure>
<p class="wp-block-paragraph">这种设计带来一个直接好处：因为协调者从不亲自动手改代码，它永远不会被某个长任务卡住，用户随时可以打断、改方向，而不必等它把手里的编辑做完。</p>
<h2 class="wp-block-heading">默认跑在云上，上下文会自己长</h2>
<p class="wp-block-paragraph">Projects 默认运行在云端。每个项目都跑在一台属于自己的计算机上，合上笔记本也不会中断，因而能并行运行远超本地机器承受能力的子智能体数量。当某项任务确实需要在用户本机上测试时，协调智能体会另外启动一个本地智能体执行。</p>
<p class="wp-block-paragraph">真正让这套系统产生复利的是共享上下文。每个项目维护一组文件，并在其智能体所使用的每一台云端和本地机器之间保持同步。智能体会持续往里补充研究成果、中间产物、对代码库的了解以及用户偏好的工作方式。官方举的例子很直白：一旦某个智能体摸清了如何测试某项服务，之后的每个智能体都能直接复用这些说明。</p>
<p class="wp-block-paragraph">这与常见的做法有本质区别——它既不是外挂的记忆服务器，也不是手工维护的规则文件堆，而是与协调者绑定的、文件形态的项目级记忆。</p>
<h2 class="wp-block-heading"><a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">订阅</a>机制：不等指令就自己动</h2>
<p class="wp-block-paragraph">Projects 还引入了一项叫&#8221;订阅&#8221;的能力。协调智能体可以监听某个 Slack 频道、按计划定时运行，或者跟踪用户的全部拉取请求，并在请求打开或合并时自动修复持续集成问题。换句话说，把订阅指向缺陷上报频道之后，每当有新缺陷提交，系统就会自动开始分派任务，无需人工发出提示。</p>
<h2 class="wp-block-heading">内部已经跑了几个月，数据怎么看</h2>
<p class="wp-block-paragraph">Cursor 的工程师已经内部使用 Projects 数月，场景包括涉及数百个拉取请求的迁移、设计系统维护，以及用 Projects 开发 Projects 本身。其中一个设计系统项目会扫描新提交的拉取请求、抽取可复用组件，并在遇到同样的错误两次之后自动创建一条 lint 规则；Cursor 预计这套流程每天会触及 20 到 100 个拉取请求，由一名工程师负责审核。</p>
<p class="wp-block-paragraph">官方同时给出了两组生产力数据：新用户合并的拉取请求数量提升 30%，以 Projects 为主要工作方式的用户合并量达到六倍。不过这两组数字均为内部自报，未提供样本量、测量窗口与基线，其中六倍的说法更是以&#8221;是否重度使用 Projects&#8221;来划分人群，属于产品分组指标，而非因果证据。2025 年 METR 的随机对照研究可作参照：16 名资深开源开发者在允许或禁止使用 AI 工具的条件下完成了 246 项任务，结果显示工具带来的提速并不总能兑现。</p>
<h2 class="wp-block-heading">成本这道坎绕不过去</h2>
<p class="wp-block-paragraph">Projects 底层复用的是 Cursor 已有的子智能体机制。每个子智能体在独立的上下文窗口中运行，从干净状态开始自主工作，完成后把结果返回给父智能体；自 Cursor 2.5 起，子智能体还能启动自己的子智能体，但层级到此为止。在隔离模式下，每个子智能体拥有独立的 Git 工作树或专用云虚拟机和仓库副本，并行时不会互相覆盖，改动在父智能体合并之前停留在各自分支上。</p>
<p class="wp-block-paragraph">代价同样写在了官方文档里：并行运行五个子智能体大约消耗单个智能体五倍的 token，且对于简单任务反而更慢，因为每个子智能体都要从零开始。用户买到的收益是上下文隔离，不是速度。数千个子智能体的消耗如何计入用户额度，目前仍是这项功能能否真正被用起来的关键问题。</p>
<p class="wp-block-paragraph">从更长的脉络看，Projects 是 Cursor 联合创始人 Michael Truell 在 2 月 26 日提出的&#8221;第三个时代&#8221;论述的落地版本——AI 编程正从自动补全，走向同步智能体，再走向可长时间、低干预运行的智能体集群。一周前，Cursor 刚让云端智能体能够跑在用户自有的机器上；Projects 解决的则是另一件事：当一摊活要干几周之后，智能体到底能记住什么。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>GPT-5.6 构建者指南：把智能体成本压到原来的零头</title>
		<link>https://mylogs.cn/gpt-5-6-%e6%9e%84%e5%bb%ba%e8%80%85%e6%8c%87%e5%8d%97%ef%bc%9a%e6%8a%8a%e6%99%ba%e8%83%bd%e4%bd%93%e6%88%90%e6%9c%ac%e5%8e%8b%e5%88%b0%e5%8e%9f%e6%9d%a5%e7%9a%84%e9%9b%b6%e5%a4%b4/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sat, 15 Aug 2026 04:23:59 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI 智能体]]></category>
		<category><![CDATA[GPT-5.6]]></category>
		<category><![CDATA[OpenAI]]></category>
		<category><![CDATA[多智能体]]></category>
		<guid isPermaLink="false">https://mylogs.cn/gpt-5-6-%e6%9e%84%e5%bb%ba%e8%80%85%e6%8c%87%e5%8d%97%ef%bc%9a%e6%8a%8a%e6%99%ba%e8%83%bd%e4%bd%93%e6%88%90%e6%9c%ac%e5%8e%8b%e5%88%b0%e5%8e%9f%e6%9d%a5%e7%9a%84%e9%9b%b6%e5%a4%b4/</guid>

					<description><![CDATA[OpenAI 近日发布了一份面向开发者的《GPT-5.6 构建者指南》，核心不是又亮出一组更高的基准分数，而是 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph"><a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">OpenAI</a> 近日发布了一份面向开发者的《GPT-5.6 构建者指南》，核心不是又亮出一组更高的基准分数，而是讲清楚一件事：同样的智能体任务，用更聪明的模型选择加上新的接口能力，成本可以压到原来的零头。指南基于 Hex、Hypha、Browser Use、PlayerZero 等多家初创公司的生产环境实战数据整理而成。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e52a06df&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e52a06df" class="wp-block-image size-large aligncenter wp-lightbox-container"><img fetchpriority="high" decoding="async" width="1200" height="821" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/58dba2340446fe0a1ede7dfe4be854b5_header.webp" alt="GPT-5.6 构建者指南：把智能体成本压到原来的零头" class="wp-image-4919" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/58dba2340446fe0a1ede7dfe4be854b5_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/58dba2340446fe0a1ede7dfe4be854b5_header-300x205.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/58dba2340446fe0a1ede7dfe4be854b5_header-1024x701.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/58dba2340446fe0a1ede7dfe4be854b5_header-768x525.webp 768w" sizes="(max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">AI生成配图</figcaption></figure>





<h2 class="wp-block-heading">小模型档位，正在顶替旗舰</h2>



<p class="wp-block-paragraph">过去处理长周期任务，开发者几乎没有选择，只能上旗舰模型、开最高推理强度——原因在于成本优化型模型在长上下文和工具调用上的差距太大。GPT-5.6 改变了这个格局。在同样的测试框架下，Luna 和 Terra 这两档较小的模型，往往能接近 GPT-5.4、5.5 的表现，价格却低得多。</p>



<p class="wp-block-paragraph">几个数据很能说明问题。文档智能公司 Hypha 的工程师表示，Luna 在保持 GPT-5.5 约 98% 提取精度的同时，成本只有后者的十八分之一。在 BrowseComp 这项考察冷门事实检索能力的基准上，三个月前 GPT-5.5（超高推理）得分 84.36%、花费 33.27 美元；GPT-5.6 的 Luna（超高推理）得分 84.04%、花费仅 1.33 美元——性能几乎一致，成本差了约 25 倍。浏览器自动化公司 Browser Use 的联合创始人给出的数字更具体：他们用 Luna 跑了 106 个最难的浏览器任务，完成率 78%，总花费约 14 美元；而当前最强模型跑到 80% 要花大约 235 美元。</p>



<p class="wp-block-paragraph">工程分析平台 PlayerZero 的创始人则报告，在一个关键的代码探索任务上，Luna 把推理成本降低了 64%，响应时间缩短 90%，F1 分数还提升了 5 个点。</p>



<h2 class="wp-block-heading">推理强度，不是越高越好</h2>



<p class="wp-block-paragraph">指南里另一个反直觉的发现是：降低推理强度，有时反而得到更好的结果。在 Agents&#x27; Last Exam 测试中，当测试框架保持不变时，GPT-5.6 的 Sol 档在「低」推理强度下的表现，超过了 GPT-5.5 在「高」推理强度下的表现。生产环境里也有类似反馈——多家初创公司表示，把推理强度从默认值调低后，多种工作流都看到了明显的成本改善。</p>



<p class="wp-block-paragraph">数据分析公司 Hex 的 AI 研究负责人描述得很形象：把 GPT-5.6 放进现有框架后，低推理强度反而给出了最好的结果——模型知道数据不存在时就停下来，不追错误线索，用更少的 token 得到正确答案。</p>



<h2 class="wp-block-heading">三个接口原语，把确定性工作交给代码</h2>



<p class="wp-block-paragraph">除了模型本身，OpenAI 还给 Responses API 引入了三个新的架构原语，分别对应智能体工作流里的几类效率问题。</p>



<p class="wp-block-paragraph">第一是推理复用与原生压缩：通过把推理结果跨模型轮次持久化保存，并对长对话做原生压缩，模型能在更长任务周期内保持连贯，而不必反复重建上下文。在 ARC-AGI-3 基准上，Sol 用标准框架得分 13.3%；开启推理持久化与压缩后，得分跃升至 38.3%，输出 token 只有标准框架的约六分之一。</p>



<p class="wp-block-paragraph">第二是原生多智能体编排：对可并行的复杂任务，把行动和推理分发给多个智能体并行推进。这也是 ChatGPT 里「ultra」能力设置的运作方式。研究公司 Quadrillion 的创始人评价，GPT-5.6 的 Sol 在开放式研究问题的多智能体协作上表现突出，相比 5.5 有明显提升，完成速度也几乎是最快的。</p>



<p class="wp-block-paragraph">第三是程序化工具调用：让 GPT-5.6 编写 JavaScript 来编排工具、并行执行独立调用，并在上下文窗口之外处理输出，模型只专注于真正需要判断力的部分。金融研究公司 Rogo 的负责人表示，在评估中，使用程序化工具调用的 GPT-5.6 在质量标准上达到同等水平，同时输入 token 减少了 21%——这正是「能讨论金融研究」和「能真正执行金融研究」之间的区别。</p>



<h2 class="wp-block-heading">缓存窗口拉长，也能省一笔</h2>



<p class="wp-block-paragraph">在整个 GPT-5.6 模型家族里，提示缓存的存活时间已延长到至少 30 分钟，并且可以在上下文窗口内确定性地设置缓存断点。AI 工程公司 Ploy 的工程师报告，他们在一个共享的 2.9 万 token 提示里加入缓存断点和专属密钥，把未缓存输入减少了 28%；30 分钟的缓存窗口让智能体能在多次运行间复用同一段上下文，而不是每次从头开始。</p>



<p class="wp-block-paragraph">指南传递的信号很清晰：企业客户对 token 成本的敏感，已经到了必须正面回应的程度。过去那种「每一步都用最强模型」的做法，正在被更精细的分层调度取代。对开发团队而言，真正可操作的做法有两条——把高频、简单的任务下沉到便宜档位，把旗舰留给最难的部分；以及在选型时，用「单位任务成本」而不是「单价」来做横向比较。</p>



<p class="wp-block-paragraph">来源：OpenAI 官方博客《The builder’s guide to GPT-5.6》</p>

]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>不想交月费的 AI 搭档，能装自己电脑上</title>
		<link>https://mylogs.cn/%e4%b8%8d%e6%83%b3%e4%ba%a4%e6%9c%88%e8%b4%b9%e7%9a%84-ai-%e6%90%ad%e6%a1%a3%ef%bc%8c%e8%83%bd%e8%a3%85%e8%87%aa%e5%b7%b1%e7%94%b5%e8%84%91%e4%b8%8a/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sun, 09 Aug 2026 15:51:43 +0000</pubDate>
				<category><![CDATA[经验与技巧]]></category>
		<category><![CDATA[AI 助手]]></category>
		<category><![CDATA[多智能体]]></category>
		<category><![CDATA[开源]]></category>
		<category><![CDATA[效率工具]]></category>
		<category><![CDATA[本地部署]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e4%b8%8d%e6%83%b3%e4%ba%a4%e6%9c%88%e8%b4%b9%e7%9a%84-ai-%e6%90%ad%e6%a1%a3%ef%bc%8c%e8%83%bd%e8%a3%85%e8%87%aa%e5%b7%b1%e7%94%b5%e8%84%91%e4%b8%8a/</guid>

					<description><![CDATA[这两年，AI 协作类应用成了不少人的日常工具。Claude Cowork、Codex、Antigravity  [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">这两年，AI 协作类应用成了不少人的日常工具。Claude Cowork、Codex、Antigravity 这类产品都要登录账号、按月付费，还会读取用户的使用行为。当越来越多的工作流迁到这些平台，订阅成本和隐私顾虑就会叠加在一起。开源项目 Eigent 打出了&#8221;免费的本地替代&#8221;旗号——安装即用，模型还能在本地和云端之间随便换，正好切中这两点痛点。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e52a2ae1&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e52a2ae1" class="wp-block-image size-large aligncenter wp-lightbox-container"><img decoding="async" width="1200" height="800" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/4ab5bdb5c4fc00c2b9cee2ecdbf846c9_header.webp" alt="不想交月费的 AI 搭档，能装自己电脑上" class="wp-image-4202" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/4ab5bdb5c4fc00c2b9cee2ecdbf846c9_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/4ab5bdb5c4fc00c2b9cee2ecdbf846c9_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/4ab5bdb5c4fc00c2b9cee2ecdbf846c9_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/4ab5bdb5c4fc00c2b9cee2ecdbf846c9_header-768x512.webp 768w" sizes="(max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：XDA Developers</figcaption></figure>





<h2 class="wp-block-heading">一、下载安装并选择模型</h2>



<ol class="wp-block-list"><li>到 GitHub 的 eigent-ai/eigent 仓库下载安装包，按提示完成安装。它采用 Electron 前端加 Python 后端的架构，开箱即用，无需自己搭环境。</li><li>打开设置页选模型：本地方案可选 Ollama、LM Studio、vLLM、SGLang、LLaMA.cpp；云端则填入自备密钥，支持 Gemini、<a href="https://mylogs.cn/claude-opus-5-5-%e7%a0%b4%e6%8a%98%e5%8f%b7%e7%94%a8%e9%87%8f%e9%99%8d-95%ef%bc%8c%e6%96%87%e9%a3%8e%e6%9b%b4%e5%85%8b%e5%88%b6/">Anthropic</a>、<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">OpenAI</a>、Grok、Qwen、DeepSeek、Moonshot 等。切换只是下拉框里选一下，小显卡跑本地模型卡顿时也能随时退回云端。</li></ol>



<h2 class="wp-block-heading">二、用内置智能体与技能干活</h2>



<ol class="wp-block-list"><li>开箱自带五类专用智能体：Developer（拥有终端、代码执行、文件操作）、Search、Document、Multi-Modal、Social Media，各自带着工具箱，不必从零搭工作流。</li><li>系统内置 200 多个 MCP 工具（Notion、Google Calendar、Slack、GitHub 等），也能自行接入更多。</li><li>用 Skills 沉淀个人流程：新建一个文件夹，写入 SKILL.md 描述触发条件与行为（结构与 Claude Skills 一致），之后一条命令就能触发。例如写一个读取心愿单、比价本地零售商并生成带日期报告的任务。</li></ol>



<h2 class="wp-block-heading">三、隔离浏览器与访问本机文件</h2>



<ol class="wp-block-list"><li>浏览器工具会在应用内通过 Playwright 拉起独立的 Chromium 实例，每次任务都从全新无痕会话开始，不携带本机浏览器的 Cookie、登录态和历史，避免身份泄露。</li><li>默认每个任务被沙箱到自己工作目录；若要操作目录外的文件夹，在应用里新建一个指向该文件夹的 Space（下拉一次即可），否则会拒绝访问。</li></ol>



<p class="wp-block-paragraph">注意事项：Eigent 基于 CAMEL-AI 多代理框架，适合做知识管理、调研和自动化，并非只给开发者用。首次访问沙箱外目录记得先建 Space，否则任务会被拒。</p>



<p class="wp-block-paragraph">来源：XDA Developers</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>3.7 万个 AI 智能体组队做药，默克数月后做出同款</title>
		<link>https://mylogs.cn/stanford-37000-ai-agents-virtual-biotech-merck/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sun, 09 Aug 2026 07:10:04 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI 制药]]></category>
		<category><![CDATA[AI 智能体]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[多智能体]]></category>
		<category><![CDATA[斯坦福大学]]></category>
		<category><![CDATA[药物研发]]></category>
		<guid isPermaLink="false">https://mylogs.cn/stanford-37000-ai-agents-virtual-biotech-merck/</guid>

					<description><![CDATA[在编程领域，眼下的默认假设是「一个工程师配一个智能体」，Claude Code 这类工具就是典型代表。但在 V [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">在编程领域，眼下的默认假设是「一个工程师配一个智能体」，<a href="https://mylogs.cn/claude-opus-5-5-%e7%a0%b4%e6%8a%98%e5%8f%b7%e7%94%a8%e9%87%8f%e9%99%8d-95%ef%bc%8c%e6%96%87%e9%a3%8e%e6%9b%b4%e5%85%8b%e5%88%b6/">Claude</a> Code 这类工具就是典型代表。但在 VB Transform 2026 大会上，斯坦福大学生物医学数据科学副教授 James Zou 提出了一个不同的方向：下一个突破口不是让单个智能体更聪明，而是让数万个智能体协同工作。VentureBeat 记者 Ben Dickson 在 8 月 7 日的报道中，完整记录了这套系统的构建逻辑与验证结果。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e52a3d89&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e52a3d89" class="wp-block-image size-large aligncenter wp-lightbox-container"><img decoding="async" width="800" height="533" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/17c81ee09287_header.webp" alt="3.7 万个 AI 智能体组队做药，默克数月后做出同款" class="wp-image-4168" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/17c81ee09287_header.webp 800w, https://mylogs.cn/wp-content/uploads/2026/08/17c81ee09287_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/17c81ee09287_header-768x512.webp 768w" sizes="(max-width: 800px) 100vw, 800px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：Michael O Donnell Photography / VentureBeat</figcaption></figure>





<h2 class="wp-block-heading">从「虚拟实验室」到「虚拟药企」</h2>



<p class="wp-block-paragraph">这个项目的起点规模很小。Zou 最初搭建的「虚拟实验室」只有 5 到 8 个智能体，结构完全对照他在斯坦福的真实实验室：一个 AI 教授担任项目负责人，若干各有专长的 AI 学生，定期召开组会。团队还为智能体复制了一所「斯坦福」——一个智能体学校，让它们在其中接受监督微调，提升各自领域的专业能力。</p>



<p class="wp-block-paragraph">「我们为智能体建了一所斯坦福的复制品，一所智能体学校，它们可以在那里上学，通过监督微调来提升自己在特定领域的专业水平。」Zou 这样描述。</p>



<p class="wp-block-paragraph">这个小规模系统交出的第一份成果，是针对新近新冠变异株设计的纳米抗体蛋白。「真正让我们兴奋的是，这些由 AI 设计的纳米抗体在结合近期几种病毒方面，表现远好于此前由人类设计的版本。」Zou 说。这一结论经过了湿实验验证。</p>



<p class="wp-block-paragraph">有了实验室层面的验证，团队把目标从模拟一个研究组，扩大到模拟一家公司。由此诞生的系统被称为「虚拟生物科技公司」，由数万个专业智能体组成，顶层是一个首席科学官智能体，下设与真实药企对应的各个部门——靶点发现、分子设计、临床试验等。部门内部还会进一步细分：「在靶点发现部门下面，会有一个智能体专门看所有遗传学数据，另一个专门看基因组学和单细胞数据，以此类推。」</p>



<h2 class="wp-block-heading">为什么不是一个更强的模型</h2>



<p class="wp-block-paragraph">随着基础模型能力不断提升，开发者面临一个核心的架构选择：为什么要把任务拆给数万个专业智能体，而不是把<a href="https://mylogs.cn/ai-%e6%99%ba%e8%83%bd%e4%bd%93%e5%bc%95%e7%88%86%e9%9c%80%e6%b1%82%ef%bc%9a%e6%9c%8d%e5%8a%a1%e5%99%a8-cpu-%e4%ba%a4%e4%bb%98%e8%a6%81%e7%ad%89-30-%e5%91%a8/">算力</a>全部投给一个无所不知的<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/">大模型</a>？</p>



<p class="wp-block-paragraph">Zou 团队用同一个科研难题做了对照实验，让多智能体团队与单个智能体正面对决。结果显示，多智能体生态中产生的摩擦与互动，反而带来了更好的方案，也更能抵抗误差的层层累积。</p>



<p class="wp-block-paragraph">「在这些科研虚拟实验室里，智能体之间真的会争论、会产生分歧。它们必须说服其他 AI 科学家接受自己的想法，而这一切激发出的推理，比单个模型独自从零解决问题要更有创造性、也更稳健。」Zou 说。</p>



<h2 class="wp-block-heading">卡点不在模型，在数据接口</h2>



<p class="wp-block-paragraph">规模一旦扩大到数万个智能体，真正的瓶颈就变成了编排。系统需要一个统一的上下文层，让智能体能够从各种工具、数据集和历史记录中整合知识。</p>



<p class="wp-block-paragraph">不少企业团队试图用给现有数据库套一层 MCP（模型上下文协议）的方式解决数据打通问题，但 Zou 认为这治标不治本——老系统对智能体并不友好。比如把一篇论文的 PDF 直接丢进智能体的上下文窗口，效率极低，而标准文本模型很难读懂复杂的图和表，进而产生幻觉。</p>



<p class="wp-block-paragraph">「即使你在现有数据库和 API 外面包一层 MCP，也没有解决底层问题：这些接口和 API 本来就不是为智能体设计的。」Zou 表示。它们的服务对象，是人类或者前 AI 时代的算法。</p>



<p class="wp-block-paragraph">团队为此开发了名为 Paperclip 的平台。它利用了当代大模型的一项固有强项——写代码和操作文件系统的能力。Paperclip 不再强迫智能体去调用脆弱且各不相同的数据库 API，而是把非结构化数据数字化，并将分散的数据库映射成一个统一的、面向 AI 的虚拟文件系统。智能体由此可以用标准的文件系统操作，去访问数百万篇论文中的知识。</p>



<p class="wp-block-paragraph">「结果表明，用了 Paperclip 准确率会高得多，同时相比没有这类 AI 原生科研基础设施的智能体，时间和成本能降低一个数量级以上。」Zou 说。</p>



<h2 class="wp-block-heading">默克独立做出了同一套方案</h2>



<p class="wp-block-paragraph">为检验这套架构的实际产出，虚拟生物科技公司启动了 3.7 万个「临床试验智能体」，用于整合零散的临床试验数据。这些智能体识别出了一批可预测试验成功率的单细胞特征——有这些特征支撑的药物靶点，最终走向市场的概率比同类药物高出约 50%。</p>



<p class="wp-block-paragraph">随后，系统自主设计了一款靶向 CD276 蛋白的抗体偶联药物，用于治疗肺癌。整个设计过程由智能体独立完成，且只依赖 2025 年 1 月之前公开发表的数据。</p>



<p class="wp-block-paragraph">数月之后，制药公司默克（Merck，在中国大陆的商号为默沙东）独立开发并验证了同样的治疗方案，该方案后来获得了美国食品药品监督管理局的突破性疗法认定。Zou 将此称为「对虚拟生物科技智能体所给出的治疗设计的第三方外部验证」。</p>



<h2 class="wp-block-heading">管理对象从流程变成环境</h2>



<p class="wp-block-paragraph">当多智能体系统的规模持续扩大，管理这批数字劳动力的方式也需要重新思考。Zou 主张从设计刚性工作流，转向搭建开放环境。工作流规定智能体每一步该做什么，更像是在管理一名初级员工；而环境提供的是基础设施、护栏和激励机制，让智能体围绕开放式问题自行协作。</p>



<p class="wp-block-paragraph">「在工作流里，我们试图告诉智能体该做什么、该怎么做。但在环境里，我们提供基础设施、激励和护栏，其余部分保持开放，用激励促成智能体之间的协作。」Zou 说。</p>



<p class="wp-block-paragraph">这也意味着规模化的优化对象发生了转移——不再是微调单个模型，而是设计整个环境。单个智能体固然可以通过强化学习或在智能体学校里做监督微调来提升，但大规模多智能体系统能否成功，取决于调整那些支配协作的参数。</p>



<p class="wp-block-paragraph">「在多智能体这一侧，我们其实不再微调和改动单个模型了，而是在优化环境。」Zou 解释道，「环境本身就是我们用来提升智能体的优化对象。」</p>



<p class="has-small-font-size wp-block-paragraph">来源：VentureBeat</p>

]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>四个智能体互相通气，正确率从 32% 翻到 62%</title>
		<link>https://mylogs.cn/agentradio-multi-agent-coordination/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sat, 08 Aug 2026 08:05:39 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI智能体]]></category>
		<category><![CDATA[代码智能体]]></category>
		<category><![CDATA[多智能体]]></category>
		<category><![CDATA[大模型]]></category>
		<category><![CDATA[软件工程]]></category>
		<guid isPermaLink="false">https://mylogs.cn/agentradio-multi-agent-coordination/</guid>

					<description><![CDATA[企业代码库越长越大，被派去分析代码的人工智能智能体正在被压垮。这类任务动辄需要几十轮交互和大量工具调用，属于典 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">企业代码库越长越大，被派去分析代码的<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>智能体正在被压垮。这类任务动辄需要几十轮交互和大量工具调用，属于典型的长周期作业。把活拆给一队智能体分头干，看上去是最自然的解法，可现实中大多数多智能体系统都有一个致命缺陷：智能体之间没法在任务执行中途实时沟通。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6b015e52a56a8&quot;}" data-wp-interactive="core/image" data-wp-key="6b015e52a56a8" class="wp-block-image size-large aligncenter wp-lightbox-container"><img loading="lazy" decoding="async" width="1200" height="750" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/d63a8e582c8de39342173e0b006df29e_header.webp" alt="四个智能体互相通气，正确率从 32% 翻到 62%" class="wp-image-4083" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/08/d63a8e582c8de39342173e0b006df29e_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/08/d63a8e582c8de39342173e0b006df29e_header-300x188.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/d63a8e582c8de39342173e0b006df29e_header-1024x640.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/d63a8e582c8de39342173e0b006df29e_header-768x480.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">图片来源：VentureBeat</figcaption></figure>





<p class="wp-block-paragraph">针对这个问题，Coral AI Labs 与多所高校的研究者提出了 AgentRadio——一个异步消息传递层，让智能体在各自的执行步骤之间互相传话，同时又不打断手头的正事。在一项针对生产环境代码仓库的长周期问答基准测试中，用上 AgentRadio 的四个智能体团队，把任务准确率提升到了独立作业时的近两倍，并且超过了单个智能体搭载更强模型时的成绩。这项研究由 VentureBeat 记者本·迪克森（Ben Dickson）报道，论文已公开在预印本平台 arXiv 上。</p>



<h2 class="wp-block-heading">单个智能体为什么会卡住</h2>



<p class="wp-block-paragraph">理解代码库是长周期任务中最极端的一种。智能体需要把软件构建起来、运行它、跨多个文件追踪执行路径，还要在很长的时间跨度内把证据综合到一起。在这种条件下，单智能体系统通常会栽在&#8221;覆盖问题&#8221;上。</p>



<p class="wp-block-paragraph">论文的三位共同作者任新星（Xinxing Ren）、凯勒姆·福德（Caelum Forder）和彼得·卡罗尔（Peter Carroll）向 VentureBeat 解释说，单个智能体只能沿着仓库里的一条串行路径往下走，随着上下文不断膨胀，最初制定的计划越来越难修改，调查后期的新发现也未必能反向传导回去。模型执行单个步骤通常没问题，难点在于&#8221;让每一项待办、每一处依赖、每一条互相矛盾的证据，在漫长的调查过程中始终保持活跃&#8221;。</p>



<p class="wp-block-paragraph">衡量这类能力的一个基准是 SWE-Atlas QnA，题目全部是针对真实生产仓库提出的长周期自然语言问题。这些题不是靠读代码就能答出来的，智能体必须把软件跑起来、执行多条命令才能找到答案。研究团队的实验显示，单个搭载 Opus 4.6 的编码智能体只能解决其中 32.3% 的任务；换成更先进的 Opus 4.8，成功率也只有 57.2%。</p>



<p class="wp-block-paragraph">把工作量分摊给多个智能体，让每个智能体面对更小、更干净的上下文，是顺理成章的下一步。问题在于，多智能体方案带来显著收益的前提是任务&#8221;可以干净地拆分&#8221;——各部分能独立解决、最后合并即可。代码库理解恰恰很少满足这个前提，子任务之间高度互相依赖：某个智能体挖出的一个关键配置文件或一个缺陷，可能会彻底改写另一个智能体的整条探索路线。</p>



<p class="wp-block-paragraph">研究者指出，现有多智能体系统大体落进三种有缺陷的模式：</p>



<ul class="wp-block-list"><li><strong>并行但彼此隔离</strong>：智能体同时开工，全程零沟通。</li><li><strong>并行但按轮同步</strong>：能沟通，但只能在严格对齐的轮次边界上进行。这迫使智能体停下来等同伴跑完一轮，才能交换中间发现。轮次制隐含了一个昂贵的假设——重要发现可以等到下一个通信阶段再说。</li><li><strong>有名无实的异步</strong>：只提供有限的异步能力，比如自上而下派活，没有智能体之间的横向点对点通道，共享记忆也需要智能体主动暂停工作去读取更新。</li></ul>



<p class="wp-block-paragraph">按照论文的说法，当前多智能体系统的主要瓶颈就一句话：一个正在干活的智能体，没办法同时在听。研究者写道，就他们所知，还没有哪个系统能让并发工作的智能体通过一条横向的自然语言通道，获得对彼此的被动感知。</p>



<h2 class="wp-block-heading">AgentRadio 怎么运作</h2>



<p class="wp-block-paragraph">为了打破&#8221;干活&#8221;与&#8221;倾听&#8221;之间的互斥，研究者做出了 AgentRadio。它是一层异步消息传递机制，可以直接插进现有的编码智能体框架里，为智能体提供三个原语：</p>



<ul class="wp-block-list"><li><code>create_thread</code>：在参与的智能体之间开启一个会话线程。</li><li><code>send_message</code>：向线程追加一条消息，发出后立即返回，不阻塞发送方。</li><li><code>wait_for_mention</code>：阻塞进程，直到收到一条提及调用方的消息；消息送达时会附带所有线程的完整快照，让智能体立刻拿到上下文。</li></ul>



<p class="wp-block-paragraph">三者组合起来，智能体就进入了一种&#8221;被动感知&#8221;状态：可以继续做主线任务，同时在后台收发消息、更新自己掌握的信息。</p>



<p class="wp-block-paragraph">AgentRadio 的代码以 Apache 2.0 协议开源在 GitHub 上，设计上足够轻量，不需要改动底层的 <a href="https://mylogs.cn/claude-opus-5-5-%e7%a0%b4%e6%8a%98%e5%8f%b7%e7%94%a8%e9%87%8f%e9%99%8d-95%ef%bc%8c%e6%96%87%e9%a3%8e%e6%9b%b4%e5%85%8b%e5%88%b6/">Claude</a> Code、Codex CLI 等智能体框架。架构分两部分：一是消息服务器，作为独立进程充当中心枢纽，存放所有活跃线程、消息和提及记录；二是框架侧集成，智能体通过三个简单的 shell 脚本与服务器交互，每个脚本对应一个原语。</p>



<p class="wp-block-paragraph">系统运行的唯一硬性要求，是智能体框架能把 shell 命令作为后台任务运行。智能体会在系统提示词里被要求常驻一个监听进程，并通过提供的脚本发消息。把 <code>wait_for_mention</code> 脚本放到后台跑，智能体就能一边继续工作一边异步收到通知。要接进现有技术栈，团队仍需写一个&#8221;轻量适配层，负责启动工作进程、分配身份、连接共享服务器并管理最终综合&#8221;，但这部分工作位于编码智能体的外围，不必改动底层模型。</p>



<h2 class="wp-block-heading">实测：翻倍的准确率，和翻了六倍的账单</h2>



<p class="wp-block-paragraph">研究者在 SWE-Atlas QnA 基准的 124 个任务上验证了这套框架，覆盖系统设计、根因分析、安全和接口集成等领域。骨干模型选用 Claude Opus 4.6 和 DeepSeek V4 Pro，框架配置从单个编码智能体（B0）、经典分工的智能体团队（L1），一直排到使用 AgentRadio 异步协同的团队（L3）。</p>



<p class="wp-block-paragraph">结果是：Opus 4.6 单智能体只解决 32.3% 的任务，完整的 AgentRadio 配置把这个数字提到 62.1%，接近翻倍，并且越过了 Opus 4.8 单智能体 57.2% 的成绩；DeepSeek V4 Pro 的成绩也从 29.0% 提升到 50.8%。</p>



<p class="wp-block-paragraph">论文里有一个 MinIO 系统的真实案例很能说明问题。解题需要逐请求检查服务器日志，而智能体在初始规划阶段没预料到这一点。在只能协作、不能异步通信的 L2 配置下，两个智能体在执行命令时各自意识到需要这些日志，但因为无法在执行中途共享发现，一个默默放弃了，另一个也没向团队提出；到了评审阶段，整个团队一致同意了错误答案，丢掉五个评分项。启用 AgentRadio 之后，智能体做出了同样的中途发现，但其中一个立刻把服务端日志证据广播到共享工作日志上，其余智能体因为处在被动监听状态，马上吸收了这条新证据。最终这道题从不及格变成了 16 分满分。</p>



<p class="wp-block-paragraph">研究者对此的总结是，关键差别在于时机：团队不需要多一个智能体，也不需要多一轮评审，它需要的只是让某个智能体的发现在其操作价值过期之前传到该传的人手里。</p>



<p class="wp-block-paragraph">代价也是真金白银。固定规模的多智能体团队必然成倍推高 token 开销，研究者承认&#8221;这笔税是实实在在的&#8221;：平均每个任务的接口调用花费，从单个 Opus 智能体的 2.96 美元涨到 AgentRadio 完整方案的 19.45 美元。</p>



<p class="wp-block-paragraph">不过更关键的对照实验证明，这不是单纯靠砸钱换来的。当研究者用 17.76 美元跑六次独立的 Opus 任务做<a href="https://mylogs.cn/ai-%e6%99%ba%e8%83%bd%e4%bd%93%e5%bc%95%e7%88%86%e9%9c%80%e6%b1%82%ef%bc%9a%e6%9c%8d%e5%8a%a1%e5%99%a8-cpu-%e4%ba%a4%e4%bb%98%e8%a6%81%e7%ad%89-30-%e5%91%a8/">算力</a>对齐时，模型只解决了 37.9% 的任务，远低于 AgentRadio 的 62.1%。这说明 AgentRadio 的收益来自架构本身，而不是暴力堆规模。</p>



<h2 class="wp-block-heading">什么时候该上多智能体</h2>



<p class="wp-block-paragraph">研究者同时给出了明确的边界：固定的多智能体团队不该成为所有工程任务的默认答案。判断是否需要多智能体，更有效的标准是任务里有没有&#8221;责任断点&#8221;——也就是那些&#8221;一名称职的工程师会主动叫上另一个人&#8221;的位置：工作跨越了归属边界、需要一个独立假设，或者风险高到值得单独验证。</p>



<p class="wp-block-paragraph">按照他们的说法，当任务可以被拆解、拆出来的部分之间仍然互相依赖、单智能体成功率不稳定，而且答案不完整会带来实质的下游代价时，协同机制就非常合适。典型场景包括仓库级架构问题、陌生的遗留系统、跨服务的事故排查、安全分析、依赖迁移和多模块重构。反过来，对&#8221;边界清晰、影响局部、可以回滚&#8221;的活——比如一处已知的单文件改动或样板代码生成——单个智能体依然是更干净的选择。研究者的建议是：只要一份上下文还能诚实地扛住整个问题，就继续用一个智能体；只有当现有智能体不得不压缩掉证据、跨越独立的归属边界，或者需要自己验证自己的高影响结论时，才引入新的责任方。</p>



<p class="wp-block-paragraph">未解的难题集中在&#8221;注意力治理与验证&#8221;上。被动感知让通信在执行期间随时可用，但它并不决定应该存在哪些智能体、哪条发现值得打断别人、该通知谁、证据强到什么程度才可以推翻原计划。如果每个智能体都收到每一条更新，通信层就退化成噪声；如果几个智能体本来就共享同一个错误假设，更快的通信只会让错误扩散得更快。</p>



<p class="wp-block-paragraph">论文中一个基于 Grafana 平台的案例正好印证了这个局限：九项评分标准中有四项需要得出否定性结论，比如观察到某个数据源选择器不会自动选中。智能体跑完了相关测试，却没有一个形成那个缺失的否定假设，两种配置都在这四项上失分。研究者的评价是，被动感知能扩散某个人已经提出的想法，但它没法凭空供给一个团队里从未出现过的构想。</p>



<p class="wp-block-paragraph">按照研究者的判断，下一代系统需要的是自适应的责任分配、基于证据的路由、冲突解决机制、明确的成本上限、权限管理、故障恢复，以及清晰的人工升级节点；最重要的是可追溯的来源记录，好让工程负责人能查清是哪个智能体给出了某项断言、某个动作为何被采纳。用他们的原话说：运行时间越长的智能体，让沟通变得越重要，也让追责变得更难作假。</p>



<p class="wp-block-paragraph">AgentRadio 目前仍是一个使用固定四智能体团队和五阶段协议的受控研究实现，其中的原理正被改造成一款名为 Coral Code 的商业产品，思路从自上而下的刚性协议转为自下而上——工程师从自己现有的编码智能体起步，只有当证据本身需要时，才引入仓库范围的调查、专职责任分工和通信机制。</p>



<p class="has-small-font-size wp-block-paragraph">来源：VentureBeat《Four AI agents coordinating in real time outperformed Claude Opus 4.8 on enterprise coding tasks》，作者 Ben Dickson；论文数据来自 arXiv 预印本</p>

]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
