最近听到一个特别有意思的概念：一台电脑，长出一个 Agent 团队。 我觉得这件事可能比单纯讨论哪个大模型更强，值得研究得多。 我们现在使用 AI，很多时候… · @UPing123zzz · TwKit

@UPing123zzz

最近听到一个特别有意思的概念：一台电脑，长出一个 Agent 团队。 我觉得这件事可能比单纯讨论哪个大模型更强，值得研究得多。 我们现在使用 AI，很多时候还是一个非常碎片化的过程。写代码打开 Codex、Claude Code，查资料打开 ChatGPT，处理文档用另一个工具，做视频再打开一套工作流。每个工具都有自己的上下文、自己的配置、自己的文件和执行环境。用的时候感觉很方便，但项目一旦多起来，你就会发现自己每天都在不同的软件和任务之间切换。 我现在就有这种感受。GEO、RAG、数字人、视频自动化、个人网站，项目越来越多，Codex 的会话也越来越多。有时候一个问题之前明明解决过，但换个项目、换个会话，又要重新解释一遍。慢慢地，人反而成了这些 AI 工具之间负责传递信息的那个接口。 这其实很不合理。我听到一种更有意思的思路，就是不要再把 AI 当成一个个独立的工具，而是把它们组织起来。比如一个 Agent 负责理解任务，一个负责开发，一个负责测试，一个负责整理知识。它们可以调用不同的模型，也可以使用不同的 Skill，但任务状态、权限、规则和执行结果都由统一的系统管理。 这样一来，一个人面对的就不再是十几个需要自己反复操作的软件，而是一套可以持续执行任务的工作系统。 但我觉得这件事最容易被误解的地方，就是大家又开始比谁的 Agent 数量多了。有人弄十几个角色，有人弄几十个虚拟员工，屏幕上一堆机器人互相聊天，看起来特别震撼。 可如果它们没有明确分工，没有共享正确的上下文，没有执行记录，没有测试和故障恢复，那本质上只是把原来一个 Agent 可能犯的错误，扩散到了更多 Agent 身上。 我觉得未来一个人能管理的生产能力确实会越来越强，但前提不是他拥有多少个 AI 员工，而是他有没有能力设计一套可靠的协作机制。 你要知道任务怎么拆，谁有权限改什么，什么时候必须人工介入，出了问题怎么回滚，结果又该怎么验收。 想到这里我反而觉得，AI 时代的程序员可能会越来越像一个管理者。以前管理的是代码和模块，以后还要管理不同的 Agent、工具、资源和执行过程。 一台电脑能不能真的长出一个团队，我觉得技术上已经出现了很多可行的路径。但一个人能不能把这个团队管理好，可能才是接下来更有意思的问题。

曝光 329 · 评论 4 · 点赞 2 · 书签 1