7.4
深览指数
科技人人都是产品经理·AI异类弗兰克··AI 生成
AGI 下一堵墙：Agent 自我迭代，这个团队用自进化蜂群破局
本文介绍了EvoMap团队提出的Agent新架构EvoX，核心观点是当前Agent系统的主要瓶颈不在于模型能力，而在于缺乏一个能持续学习、可靠协作的系统架构。文章通过两组内部实验（效率对比实验和自组织网络实验）和6个主流Benchmark的验证，展示了EvoX的蜂群模式——将复杂任务拆解为原子任务，每个Agent独立执行，再通过程序化接口汇合——相比主从式Agent Team模式，能显著降低中间正确结果的丢失率（从55.5%提升至接近100%），同时成本更低。文章还展示了Agent基于任务经验和能力自主选择协作伙伴的自组织雏形。适合对Agent系统架构、Multi-Agent协作、大模型产品化方向感兴趣的从业者和研究者阅读。原文 ↗
核心观点
- ▍当前Agent系统的主要瓶颈不是模型智力，而是缺乏一套能在长任务中持续验证、汇合、积累经验的系统架构；EvoX的蜂群模式通过任务原子化、执行隔离、程序化汇合，为这一问题提供了可行解法。
- 01在563个任务的内部实验中，Agent Team模式有373个任务过程正确，但最终交付时只保留217个正确，中间正确答案保留率仅为55.5%。
- 02在相同模型（Opus 4.8）、相同题库下，EvoX蜂群模式正确率显著高于Agent Team模式和单体Agent模式，差距被拆解为任务拆解粒度、执行隔离度、汇合可靠性三层。
- 03在6个主流Benchmark共424个任务中，EvoX与Claude Code、Codex进行了对比，整体通过数相近（338 vs 358 vs 338），但EvoX在AppWorld（87/90）和GAIA（49/51）上表现突出。
- 04EvoX每个任务平均成本按统一价目表为6.10美元，按实际缓存计价为1.95美元，在三家中最低，接近Claude Code，明显低于Codex。
- 05团队进行了自组织实验：24个相同配置的Agent在执行任务后沉淀经验（Gene），并允许随机打断连接后自主选择新伙伴。结果显示，当系统暴露任务信息（对方专业侧重和正确率）时，Agent的选择逻辑从社交关系转向能力匹配。
- 06EvoX蜂群模式的核心机制：将复杂任务拆解成尽可能多的原子任务，每个Agent负责边界明确的局部问题，将答案写到约定位置，最后由程序按约定规则汇合，无需主Agent转述、压缩和取舍。
反方 / 局限
- — 文章承认EvoX目前仍处于beta阶段，在Terminal-Bench 2和Cybench上表现是短板，并且需要进一步验证权限隔离、成本控制、失败恢复、边界任务和长期记忆污染等问题。
AGIAgentMulti-AgentEvoMapEvoX蜂群模式Agent TeamGene（经验基因）Opus 4.8Claude CodeCodexAppWorldGAIASWE MultilingualTerminal-Bench 2CybenchRichard Sutton梁文锋
12 分钟 · 3 卡片 · 6 资料
读原文 →