十一月九日,Anthropic 发布 Fable 5.2 与 Mythos 5.2,同时放出另一个更抓眼球的说法:一千多个智能体连续八天无间断协作,从一个空文件夹出发,没有人写一行代码,最后产出了含内核、磁盘与网卡驱动、文件系统、图形界面和安装程序的完整操作系统。消息传开后,做开发的朋友第一反应多半是「又一个炫技演示」。但真正值得琢磨的地方不在它能造操作系统,而在于它把多智能体协作最难的那一环摆到了台面上。

一千个智能体协作,最难的是分工还是验收?

分工其实不难。把任务拆成模块,给每个智能体一个边界清楚的目标,今天任何一个熟练的编排者都能做到。难的是验收。一千个智能体各自产出代码,接口对不对、边界条件有没有覆盖、两个模块对同一份数据结构的理解是否一致,这些问题不会因为写代码的是机器就自动消失。演示里能跑通,靠的是一套足够严的自动验证:编译、单元测试、集成测试、启动检查,每一层都在拦错误。换句话说,真正的主角不是那一千个智能体,而是那套让错误无法蒙混过关的验收体系。

无人编码八天,人类工程师的位置去哪了?

人类没有消失,位置往后移了一格。写代码的活儿交出去了,定义什么叫「做对了」的活儿留下来了。八天里人要做的,是设计验收标准、判断失败原因是模型能力不够还是任务描述有歧义、在智能体反复撞同一堵墙时换一条路。这类工作看起来不产出代码,但它决定了八天是在推进还是在原地打转。

这种模式能复制到普通项目里吗?

可以复制思路,不能照搬规模。普通项目没有一千个智能体的调度能力,但可以做三件同构的事:把任务切成能被单独验证的小块;为每一块写清验收条件;让失败可回滚,而不是攒到最后一起爆。规模小反而更容易做到位,因为一个人能同时看清全部接口。

对个体开发者来说,现在该补的能力是什么?

补三样。第一是拆解能力,把模糊需求变成可验证的单元;第二是验证能力,知道一个结果「看起来对」和「真的对」差在哪;第三是收敛能力,在多个方案里选一个能交付的,而不是选一个最漂亮的。这三样在过去被写代码的能力掩盖着,现在被抬到了台面上。看懂这一点,就不会被「无人编码」四个字吓到,也不会被它骗到。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论