6
0一：百 Agent 不撞车的三件组合拳
- 协调者（orchestrator）与专家（specialist）分层，靠角色边界切断委派死循环——三人管一百个 agent，本质上和三人管一百个外包是同一道管理题，区别是 agent 会自己启动任务、自己调工具
- 共享状态文件（status.md）充当透明看板，所有 agent 读写同一份日志，替代了人类团队的 standup meeting；Gateway 后台进程作总闸，工具调用和文件写操作全部串行化，并发冲突在入口层截断
- 三层记忆架构：工作记忆存当前上下文、情节记忆留操作日志、语义记忆沉淀规律；夜间"做梦"阶段把短期片段压缩写入长期存储，防止 agent 跑长任务时越跑越失忆
- 三十天、一百个 agent、六千多亿 token——数字的意义不在烧钱，在于这套分工机制在极端压力下跑通了
二：AI 代码质量防线：从复现到一键熔断
- crabbox 做自动复现：AI 提交的 bug fix，系统自动回放操作路径并做视频对比，绕开"人眼逐行看代码"这个速度瓶颈，把验证成本从小时级压到分钟级
- deepsec 做双 agent 交叉验证（red team 写、blue team 审），单一 agent 的系统性盲点被另一个视角覆盖，本质是把 peer review 这个人类流程 agent 化
- 三层治理兜底：黑名单拦高危工具调用、沙盒隔离副作用、Gateway 一键熔断——agent 失控的最坏结果是被硬切，而不是级联扩散烧穿账单
- 整套质量体系的核心逻辑：AI 产出速度已超过人类审查带宽，所以把人类判断挪到流程最末端，而不是嵌进每一步
三：高杠杆架构的隐性门槛与放大效应
- 这套玩法的真实门槛不是 $1.3M token 成本，而是操盘者能不能在搭架子时提前想到"agent 互相委派成死循环"这类坑——想到了一小时解决，想不到可能跑三天才发现
- 现阶段生态风险真实存在：MCP 工具链稳定性差、多 agent 并发调试工具缺位、agent 行为可解释性低；要把这套架构搬进金融或医疗零容错场景，光靠文件做状态远远不够
- 两年内生态成熟后早期坑会被填上，但现在硬上的团队承担的是早期生态税，不是技术税——风险是真实的，只是可以预判
- 如果只记一句话：这套架构放大的不是劳动力，是会想事的人的杠杆——它放大你的判断，也放大你的盲点
