你有没有过这样的体验？
你跟 AI 编程工具说：“帮我搭一个完整的管理后台，有用户系统、权限管理、数据看板。”
它开始吭哧吭哧地写——先建项目结构，再写用户模块，再写权限模块，再写看板。每一步都得等你确认，每一步都可能把上一步改乱。你盯着屏幕，像个包工头一样盯着一个工人干活。
问题不在于 AI 不够聪明。问题在于——你只有一个工人。
5 月 7 日，Cursor 发布了一个叫 /orchestrate 的新技能。它做的事说起来很简单：你把一个复杂任务扔进去，它会自动拆成 N 个子任务，然后同时派给多个 AI Agent 并行执行。
就像是，你不再是一个人指挥一个乐手——你变成了一个 编曲指挥，挥一下手，弦乐组、管乐组、打击乐组同时开工，合在一起就是一首完整的曲子。
从“一个 AI 帮你干活”到“一群 AI 帮你干活”
先看几个数字。
Cursor 内部测试 /orchestrate 后发现：Token 用量减少了 20%，冷启动时间减少了 80%。
这两个数字意味着什么？
- Token 减少 20%：多 Agent 各干各的，不需要把所有上下文全塞给一个模型。每个 Agent 只看自己那份活。
- 冷启动减少 80%：不再是“每次开新任务都要重新加载整个项目上下文”——Agent 复用缓存的状态。
它的运作方式也很有意思：
- 你输入一个 Prompt，比如“把这个老项目从 JavaScript 重构到 TypeScript”
- Planner Agent 分析任务，拆成若干子任务：类型迁移、文件重命名、配置文件更新……
- Worker Agent 们 并行执行各自的任务
- Verifier Agent 检查结果，不通过就 spawn 新 Worker 修复
递归 spawn agent——一个 Agent 可以自己决定“这个我搞不定，我 spawn 一个专门干这事的子 Agent”。这不再是工具调用，这是 任务委派。
不止 Cursor——Anthropic 说“别建 Agent，建 Skills”
这股风不是 Cursor 一家在吹。
Anthropic 今年正式表态：“Don't Build Agents. Build Skills Instead.”（别建 Agent，建 Skills）。
他们的逻辑是：大部分人建 Agent 是在重复造轮子——每个 Agent 都得从头定义工具、提示词、上下文。而 Skills 是可复用的模块，像一个“能力包”——你用的时候加载，不用的时候不占地方。
下面是两个范式的对比：
Agent 范式：建一个能处理一切的超级 AI → 上下文越来越长 → Token 越来越贵 → 行为越来越不可预测。
Skills / 多 Agent 范式：拆成小模块 → 每个只干一件事 → 需要时组合 → 可替换、可复用、可验证。
Cursor 的 /orchestrate 和 Anthropic 的 Skills，本质上是同一个方向的两种实现：把“能做很多事的一个 AI”变成“各自做好一件事的一群 AI”。
国内产品追到哪里了？
这个话题离我们并不远。国内的两大 AI 编程工具——通义灵码和 CodeBuddy——也在走多 Agent 路线。
通义灵码（阿里云）：2026 年 2 月更新的 Lingma IDE v0.3.0 开始支持 Quest 自主编程（Beta），内置规划智能体，支持自定义 subagents、Skills、Commands。实际应用中，Agent Team 模式将需求交付周期从 5 人日压缩到 1.5 人日（效率提升 70%），增删改查开发从 2 小时缩短到 15 分钟。
CodeBuddy（腾讯云）：首创 SPEC（规范驱动开发） 模式——Doc → Tasks → Changes → Preview 白盒化流程——底层是 Craft 智能体 + Multi-Agent 架构。腾讯内部超过 90% 的工程师用 CodeBuddy 辅助编程，50% 新增代码由 AI 生成。腾讯 WorkBuddy 产品负责人直言：“人和 AI 的协同会向 Harness Engineering（驾驭工程）方向发展，核心是人为 AI 构建规范的协作环境。”
换句话说，国内产品的思路是 “规范先行，Agent 执行”——不是让 AI 随便发挥，而是先写好 Spec，再让多个 Agent 按规范协作。
这与 Cursor 的路线有区别：Cursor 偏“自由派”——你给一个 Prompt，它自动拆。国内偏向“工程派”——你先定义好规范和流程，AI 在框架内执行。如果你对多智能体系统的实现细节感兴趣，可以在 云栈社区 找到更多开发者的实战经验分享。
这对非开发者意味着什么？
你可能会想：“我又不写代码，多 Agent 协作跟我有什么关系？”
关系大了。
因为“多 Agent 协作”的本质不是编程技巧，是 分工模式的改变。
以前你用 AI：你提需求 → AI 输出结果。你一个人对着一个 AI。
多 Agent 模式下：你提需求 → AI 自己决定“这个任务需要谁来干、怎么拆、谁先谁后”。
举个例子：你是一个内容创作者，要做一个产品上线视频。以前你要依次打开 ChatGPT 写脚本、Midjourney 做图、剪映剪辑——每一步都是你手动串。
未来？你说一句“帮我做一个产品上线视频”，一个 Orchestrator Agent 自己 spawn 脚本 Agent、图像 Agent、配音 Agent、剪辑 Agent，并行干活，最后合成为一个成品。 这种复杂的 Agent 协同工作流，正是当下人工智能技术发展的前沿方向。
你不是在操作工具。你是在 管理一个 AI 团队。
Karpathy 说过一句话：“移除你自己这个瓶颈。最大化你的杠杆。投入很少的 token，让大量的事情替你发生。”
多 Agent 协作就是这句话的工程实现。
AI 编程的下一个 10 倍效率提升，不是代码补全更快，是“你不再需要自己把所有事串起来”。
当你的 AI 从“一个很聪明的工人”变成“一个会自动招人、分工、验收的包工头”——你唯一要做的事，就是告诉它：开工。
你认为多 Agent 协作会最先颠覆哪个领域？评论区聊聊。
发表于 1 小时前
|
查看: 3|
回复: 0
