智能体蜂群实验：新框架性能提升，不同模型组合成本差异巨大！
Cursor产品导航
Cursor提供多种功能与服务，包括产品（智能体、云端、移动端、自动化、CLI、应用市场、代码审查）、企业、定价、资源（更新日志、Blog、文档、社区、帮助、工作坊、论坛、招聘）等板块，还有登录、联系销售和下载等入口。
智能体蜂群实验背景与目标
今年早些时候开展一系列实验，测试扩展智能体协作实现目标的极限，假设这能解锁任务规模和复杂度新层级。旗舰项目从零开始构建Web浏览器取得概念验证成功，但距成熟软件还有差距。后续目标是理解智能体蜂群以便进行工程化设计，为此重新挑战依据SQLite文档用Rust从零构建的任务。
实验初步结果
让新旧蜂群在相同任务、模型和时间预算下运行，衡量通过预留SQL测试套件比例。新蜂群在每种模型配置下表现更优，如使用Grok 4.5时，四小时内达80%通过率，旧蜂群两小时前失控暂停。还调整不同模型工作分配，不同组合产出质量相近但成本差异大。
树与叶子
大型任务描述呈树状结构，智能体群围绕此结构组织，有规划器智能体和worker智能体两种角色。规划器由最强模型驱动，负责拆分目标；worker由速度快、成本低的模型驱动，负责执行。这种设计优于僵化编排系统，能泛化到多样任务，还用于内部发现修复漏洞、提升测试覆盖率和生成训练数据等。
树如何影响记忆
单个智能体承担完整任务时易偏离目标，要么失去全局把握，要么局部工作变差。而智能体蜂群中，规划器和worker分工明确，上下文使用更高效，其可扩展性或源于上下文效率而非并行性，这种结构类似企业层级组织原理。
智能体的版本控制系统
Git和Cargo等工具的并发控制方式不适用于数百个并发智能体的工作量。今年早些时候浏览器智能体群提交峰值约每小时1000次，新系统达每秒约1000次。为此从零构建新的版本控制系统，它还能暴露冲突并实现协调机制。
每秒1,000次提交下的失效模式
人类工程团队的协作机制在智能体群提交速率下会出现失效模式：脑裂设计，通过提示让规划器自己做决策并避免子树重复决策解决；规划器之间的冲突，让智能体记录决策在共享文档，通过引用传递解决结果；合并冲突，由中立第三方智能体介入解决；超大文件，让worker智能体标记，外部智能体拆分；僵化，允许引入破坏性变更并传导更新相关工作。
审查视角
多智能体系统需审查机制自我纠正错误。试验多种审查视角，单一视角无法发现所有问题，低相关视角叠加可提高可靠性，投入审查的算力回报高。
让智能体塑造环境
借鉴迹象引导机制，让智能体沉淀知识。开展Field Guide实验，由智能体自主管理文件夹并注入信息，其收益在非完全智能体掌控的代码库中可能更大，训练模型为后继者写作值得研究。
SQLite实验
让新版本智能体群用Rust实现SQLite手册内容，不提供源代码等信息，以sqllogictest为评分标准。人工审查确保系统均衡构建，智能体会自行选择策略，整体趋势比具体时刻分数更重要。
不同模型组合下的结果
测试四种模型配置，新框架在每种组合中都优于旧版。Fable 5混合方案首小时通过约三分之二测试集，四小时新版运行结果在73% - 85%之间，旧版在11% - 77%之间，旧版Grok 4.5运行两小时左右暂停，所有新版配置最终通过整个测试集。未来希望运行完整N×N矩阵，此次重点是不同框架版本对比。
深入剖析这些运行
对比Grok 4.5在旧框架和新框架下的提交速率、合并冲突数、热点文件大小和Rust crate数量等指标，发现旧框架存在无效忙碌、冲突多、文件膨胀和脑裂等问题，最终新蜂群代码行数更少且得分更高。
模型经济性
不同模型组合产出质量相当但成本差异大，worker承担大部分token，但规划器token成本更高。大型任务中，前沿规划器收敛不确定性后，低成本模型执行可节省成本。如GPT - 5.5仅worker成本就达9373，而Opus 4.8规划、Composer 2.5执行的worker集群成本仅411。Fable 5规划器虽单token价格高但使用token少，但其worker消耗token多，总成本更高。
把规格说明当作提示
AI发展提升工程师工作抽象层级，智能体蜂群使工作基本单位变为规格说明。要让其可行，蜂群需遵循规格说明，稀缺的是对意图的准确描述。智能体蜂群类似编译器，但每一步是概率性的，本文旨在缩小差距。此次solo Opus 4.8 run生成的代码库已公开，邀请读者查看并反馈。
相关文章
包括2026年6月11日用Auto - review管控智能体自主性、2026年6月2日构建云端智能体的经验、2026年5月6日用autoinstall自举Composer等文章信息。
产品与资源等信息
产品包括智能体、团队版、企业、定价、代码审查等；资源有下载、更新日志、文档等；公司有招聘、Blog、社区等；法律涉及服务条款、隐私政策等；还有连接X、LinkedIn、YouTube等渠道。