微软搞的一个去中心化多AI框架：Agensh，去掉“AI大管家”，让最多1024个Agent自协作，自己商量、分工、干活
结果是人越多越快，128个AI半小时就突破的进度，1个AI 两小时都达不到，有意思的是AI还自发长出了组织能力随着AI数量增加，涌现出了类似人类社会的现象：
8个AI：先约定接口，然后各自独立开发
32个AI：出现多人评审，发现bug会撤回批准、要求返工
当128个AI：出现专业分工和标准化流程，还发明了一套整合协议（更新+测试+发哈希验证），后来被其他AI复用和修订
当1024个AI：出现专职的“整合者”角色，某个AI失败后会有专长者接手，组织不再依赖任何单一个体
现在的多AI系统一般是“一个老板带一群员工”，老板要负责派活、协调、汇总
Agensh的解法是，不要老板，每个AI都拿到同样的任务说明，然后循环做五件事：
1、看进展，项目做到哪了？别人发现了什么？
2、认领任务，并公开声明（撞车了就和对方私下协商）
3、动手干活，写代码、跑测试
4、自检结果，不达标就继续修
5、提交合并，提交Pull Request，把成果并入主干
配套的是三件套基础设施，很像GitHub工作流：共享工作区（Git管代码和合并冲突）、消息接口（频道公告+私聊，类似Slack）、共享上下文（记录事实、失败教训、任务认领的团队Wiki）
这对费时费力的长时工程倒是一种新解法。在把单个模型做大和让单个模型多想一会儿之间给出了第三条路，固定模型不变，增加Agent数量，让整体能力提升
#
算笔账：128 个 Agent 半小时跑通，wall-clock 只比单 Agent 快 4 倍，但 128 个 Agent 互相「商量分工」的通信 token 是平方级烧的，成本可能是几十倍。这个实验真正的价值不是证明人多力量大，而是去中心化协调里真的涌现出了分工——工程上反而说明，控制通信拓扑比堆 Agent 数量更重要。
页:
[1]