一位开发者：所谓多智能体，其实是同一个AI程序内的子智能体

这是一个我一直在咀嚼的尚未成熟的想法：基本上没有“真正的”多智能体系统获得过发展势头。当下真正能大规模落地的东西——比如 Claude ultracode、Astra/Sol ultra 等——其实是单个框架内部的子智能体委派，而且我怀疑它能奏效的很大一部分原因在于这些行为处于训练循环之内。

我并不把这看作多智能体。如果一个智能体是能力空间上的参数化程序，那么那些系统本质上仍是单一程序——更像是一个进程内部的绿色线程/协作式多任务。

另外，我至少在中长期内相信，强化学习并非万能。在构建那些在特定领域比“通用模型+框架”强大得多的智能体方面，应用AI仍然大有可为。

有意思的推论是，这些领域智能体本身可以成为工具。我要发布一个智能体，我会把它打包成工具，让 Claude、Codex 等系统与它协作。编码智能体已经会很自然地调用强大的工具，而眼下最强大的工具恰好是其他编码智能体。

我完全不确定这会演化出什么。我的智能体可以向调用方提问，我们可以做双向的上下文共享/蒸馏，等等，而另一端的东西在模型实验室看来仍然是一个黑箱。

我们还不具备用于此目的的高阶原语。“在两个由不同的人构建的智能体之间建立一条双向流，并带有对委派、调控、上下文交换以及最终训练都有用的语义”，这在今天并不是一件正常能做到的事。MCP 更像系统调用层，而不是最终答案。我们缺少的是面向智能体的 mach 端口/XPC/进程生成机制。

从长远来看，我认为不会有哪家实验室能够把整个系统封闭起来。我们需要一些办法，让模型学会向某些智能体进行委派并与之互操作，而这些智能体是模型自己的后训练团队无法作为爬山过程的一部分直接修改的。这感觉是一个相当重要的、值得去发明的平台层面。