XNews

大规模智能体群体经济学与协调机制

大规模智能体群体经济学与协调机制

Cursor通过一个基于文档的SQLite实验和一场AI研究自动化演讲,分享了其智能体群体(agent swarm)的框架设计与经济学原理。新的基于树状结构的架构,通过规划者/执行者分离,显著降低了协调开销和令牌成本。 在SQLite实验(编号23425)中: • 任务:仅凭835页文档在Rust中实现SQLite,并用保留的sqllogictest进行评估。 • 新框架:树状拓扑;规划者(强模型)拆分任务,执行者(廉价/快速模型)执行狭窄的子任务。 • 4小时后结果:Opus 4.8规划者 + Composer 2.5执行者以1,339美元成本达成100%完成率;而全Fable 5组合成本为20,057美元。 • 旧框架使用Grok 4.5,不到2小时即停止;新框架在4小时内达到约80%。 • 提交崩盘:旧系统2小时内约68,000次提交,新系统4小时内不足1,000次;旧系统中大部分提交是冲突而非进展。 • 识别出五种失败模式:脑裂、规划者争用、合并冲突、巨型文件和僵化。定制版本控制系统(VCS)取代了git,以处理约每秒1,000次提交并嵌入协调机制。 在研究自动化演讲(编号22879)中: • Cursor构建了递归模型改进循环:智能体舰队管理实验、监控运行状态,并通过Slack/PagerDuty发出警报。 • 工具加上下文(代码、Slack、数据库、其他智能体)将基础模型转变为“火马里奥”级别的智能体。 • Grok 4.5与SpaceXAI共同训练,使用了真实的Cursor交互数据,成为首个同时适用于编码和更广泛知识工作的Cursor模型。 • 瓶颈已从模型能力转向人类研究人员的带宽;自动化现在负责编排,使研究人员能专注于雄心勃勃的想法。

Key insights

规划者-执行者群体架构大幅降低协调成本

实验表明,将规划(高成本、高能力模型)与执行(廉价、快速模型)分离,将提交次数从68,000次降至不足1,000次,冲突从70,000次以上降至接近零。这证明了上下文隔离——规划者不写代码,执行者不规划——防止了破坏单智能体可扩展性的颠簸现象。

成本优化策略:仅在高熵决策中审慎使用前沿模型

Opus+Composer组合成本为1,339美元,而全Fable群体成本为20,057美元,但质量相当。规划消耗了少量令牌却占用了三分之二的成本;执行消耗了大部分令牌,但单位成本低。这表明前沿智能应保留用于设计和分解,而标准模型负责批量实现。

定制版本控制系统与失败模式分类法是智能体群体不可或缺的基础设施

标准git的粗粒度锁定在智能体提交速度下失效;Cursor构建了专门用途的版本控制系统。五种失败模式(脑裂、规划者争用、合并冲突、巨型文件、僵化)为调试多智能体系统提供了诊断框架。“提交崩盘”指标——将提交次数视为负生产力信号——挑战了“智能体活动越多越好”的直觉。

递归自我改进循环已在生产级AI研究中运行

Cursor的智能体舰队自动化实验启动、监控和健康检查,使研究人员得以专注于高层想法。更强的模型蒸馏出更好的评判模型和奖励模型,从而加速后续训练。这种递归并非理论假设,而是催生Grok 4.5的实际机制。

Grok 4.5代表一种基于开发者-智能体交互数据训练的新型模型

与仅基于互联网文本训练的模型不同,Grok 4.5使用了大量Cursor交互轨迹——代码库操作、工具使用、人类协作模式——使其针对智能体软件任务进行了优化。这表明未来模型的能力将越来越多地来自遥测数据和真实世界智能体循环,而非静态文本语料。

群体系统作为概率编译器,将抽象提升至规范层面

SQLite任务展示了群体如何将意图降级为可运行代码,类似于编译器,但具有概率保真度。整个框架——审查透镜、现场指南、版本控制系统——旨在缩小规范与正确实现之间的差距。这使工程价值从编码转向编写明确且可验证的规范。

Source posts