Agent 蜂群：用 SQLite 重构模型经济学
Agent swarms and the new model economics
我们今年初尝试用 Agent 蜂群从零构建浏览器，虽验证了概念但软件粗糙。如今我们转向更可控的工程化路径，挑战用 Rust 从零重建 SQLite。新蜂群在 Grok 4.5 模型下仅用四小时就通过了 80% 的测试，而旧版本在第二小时就陷入混乱。我们发现，通过 Planner 和 Worker 的树状分工，不仅解决了长上下文漂移问题，更实现了惊人的成本优化。面对每秒千次提交的高并发，我们自研了版本控制系统，并引入中立仲裁者解决 Merge 冲突。这种类似蚂蚁的 Stigmergy 机制，让 Agent 能通过环境协作，而非单纯依赖并行计算。
"在蜂群中，规划者从不编写代码，因此它的上下文不会被低级细节填满；而执行者从不进行规划，因此它能将所有上下文资源集中用于处理单一狭窄的任务。"
HN 评论区
- 有评论者指出，AI Agent 的核心瓶颈并非算力，而是缺乏长期记忆与上下文，导致其容易陷入无限生成无计划代码的恶性循环。
- 一位从业者强调，通过任务细分让小型廉价模型在本地集群处理子任务，比依赖昂贵的 Frontier 模型更具成本效益和可持续性。
- 有观点反驳了'随机搜索能生成高质量代码'的假设，认为这本质上是 LLM 对已知文档的解压，而非真正的从零创造。
- 评论中提到，构建 Agent 蜂群架构的关键在于设计结构化层级，以便在任务失控时能精准切除局部而保留整体设计。
- 有用户质疑 Cursor 等工具的演示性质，认为其更像是概念车，且 Anthropic 自身未完全采用 Agent 蜂群模式暗示了当前技术的局限性。