Agent蜂群把正确率从26%推到70%后，AI协作竞争开始告别单兵作战

EvoMap 张昊阳提出的 EvoX 蜂群模式，把 Agent 协作这件事从“多开几个模型窗口”推进到更接近工程系统的层面。测试里，同一模型 Claude Haiku 4.5 面对 563 道题，单 Agent 正确率只有 26.29%，传统 Sub-Agent 模式提升到 38.54%，而 EvoX 蜂群达到 70.69%。这个跨度足够说明：Agent 的下一轮竞争，未必只靠更大的模型，而要看任务怎么拆、上下文怎么隔离、经验怎么沉淀、结果怎么汇总。

这条消息也和近期 Cursor 的 AI 蜂群系统、Claude Code 删除大量系统提示词、腾讯 E-GRM 让模型“拿不准才多想”、企业压缩无效 AI 采购等动态形成呼应。行业正在从“让一个模型尽量聪明”，转向“让一组模型稳定协作”。如果说过去的大模型产品像一个全能助手，那么现在的 Agent 系统更像一支能分工、能交接、能复盘的数字团队。

蜂群不是简单群聊

EvoX 最值得看的地方，是它没有把多 Agent 协作理解成“把问题发给几个智能体，再让大模型总结答案”。传统做法常见的问题是，子任务之间边界不清，多个 Agent 的上下文互相污染，最后汇总时又由另一个大模型重新整理，信息在传递中被压缩、误解甚至丢失。看起来很热闹，实际效果可能只是把一个模型的犹豫变成一群模型的噪音。

EvoX 的思路更工程化：先把任务彻底拆分，让不同 Agent 在独立上下文里处理局部问题，再用程序直接汇总结果，而不是让模型凭感觉二次概括。这个设计把“协作”从聊天范式拉回工作流范式。每个 Agent 更像一个受约束的执行单元，只关心自己负责的部分；系统层则负责组织、校验和组合。正确率从 26.29% 拉到 70.69%，关键并不是模型突然变聪明，而是系统减少了无效沟通和上下文损耗。

上下文隔离变成核心能力

Agent 长任务失败，很多时候不是模型不会，而是上下文被塞得太乱。一个复杂任务里既有目标、限制、历史尝试、外部资料、工具输出，又有中间结论和错误路径。如果全部堆进同一个上下文窗口，模型会在信息海里反复摇摆，既容易忘记关键约束，也容易把临时想法当成最终事实。EvoX 强调独立上下文隔离，本质上是在给不同工作单元建立“干净房间”。

这和 Claude Code 删除 80% 以上系统提示词的趋势很像。强推理模型不一定需要保姆式提示词，但它需要更清晰的边界、更少的噪音和更可靠的材料组织方式。过去很多 Agent 产品试图用越来越长的系统提示词解决执行问题，结果提示词像规章制度一样越堆越厚。现在更有效的方向可能是：让模型少背规则，让系统把任务、资料、工具和权限切成更清楚的结构。

程序汇总降低信息损耗

多 Agent 系统里最容易被低估的环节，是最后的汇总。许多方案会让一个“总指挥模型”阅读多个子 Agent 的回答，再写出最终结论。这听起来自然，但问题也明显：模型会删掉它认为不重要的细节，会把不确定结论写得很确定，也可能为了表达顺滑而重新编排事实。子 Agent 辛苦找出的证据和边界条件，可能就在总结阶段被磨平。

EvoX 用程序直接汇总，代表一种更可靠的方向。凡是可以结构化的内容，就尽量交给程序处理；凡是需要判断的部分，再交给模型。这样做的意义在于，把模型从“既负责创造又负责记账”的角色里解放出来。Agent 系统越复杂，越需要这种分层：模型负责理解、推理、生成和局部决策，程序负责调度、校验、排序、去重和合并。两者边界越清楚，系统稳定性越高。

AI协作开始自组织

EvoX 的另一个有趣结果，是 24 个 Agent 的自组织实验。研究中，当 Agent 能看到彼此能力信息后，它们会自主选择更合适的合作对象。这说明多 Agent 协作不只是预设流程，也可能逐渐演化出任务匹配机制。未来的 Agent 系统，也许不会一直由人类写死“谁先做、谁后做、谁检查”，而是根据任务类型、历史表现和当前资源，动态组成临时小队。

这会改变企业使用 AI 的方式。一个营销任务可能自动拆成资料检索、用户画像、竞品分析、文案生成、合规检查和投放复盘；一个研发任务可能拆成需求理解、代码修改、测试补齐、文档更新和回归验证；一个客服任务可能拆成意图识别、订单查询、政策匹配和风险判断。真正有价值的不是“某个 Agent 很会说”，而是整套系统能不能把不同能力放到正确位置。

Cursor与Agent工程化呼应

Cursor 近期发布的 AI 蜂群系统研究，也在证明类似方向。它用“规划器+执行者”架构，尝试根据 835 页 SQLite 文档重建数据库。这个案例很极端，但正因为极端，才暴露了单 Agent 的上限：一个模型很难同时长期保持全局规划、细节执行、测试修复和架构一致性。把任务拆给多个执行者，再由规划层持续推进，才更接近真实软件工程。

从成本数据看，Cursor 的系统也提醒行业，多 Agent 不是免费的魔法。蜂群可以提升完成率，也可能带来更高 token 消耗、更多工具调用和更复杂的失败排查。企业部署 Agent 时，不能只看演示里的“自动完成”，还要看单位任务成本、失败回滚机制、日志可追踪性和权限边界。未来的胜负手，可能不是谁能开最多 Agent，而是谁能用最少的协作成本完成最稳定的交付。

企业AI需要结果闭环

这也解释了为什么部分企业开始砍掉无效 AI 采购。业务部门用 AI 生成更多 PPT、更多报告、更多素材，如果没有转化为收入、效率、质量或风险控制，老板看到的只是 token 成本和工具订阅费。AI 落地从来不只是“员工有没有用”，而是要看它有没有进入关键流程，并对结果负责。Agent 蜂群的价值，必须体现在任务闭环，而不是停在炫技层。

对企业来说，EvoX 这类研究的启发是：不要急着把所有员工都塞进一个聊天机器人里，而要先找出工作中可拆分、可校验、可复盘的流程。比如资料整理、代码审查、客服质检、投标文档、内容审核、运维排障和销售线索跟进，都比泛泛的“智能助手”更适合做 Agent 化改造。AI 只有接住真实任务，才有机会从效率工具变成生产系统。

模型竞争转向系统竞争

过去大模型竞争经常围绕榜单分数、上下文长度和价格展开，但 Agent 时代会把更多变量拉进来。模型当然仍然重要，推理能力、工具调用能力、代码能力和长上下文稳定性都会影响上限；但系统设计会决定下限。任务拆不好，强模型也会乱；上下文隔离不清，长窗口也会变成垃圾场；汇总机制不可靠，多 Agent 反而会制造更多幻觉。

因此，EvoX 的意义不只是一个正确率数字，而是提醒行业：AI 协作正在从产品包装词变成工程问题。未来的优秀 Agent 平台，应该能管理角色、上下文、工具、权限、成本、日志和评估，而不是只提供几个“智能体模板”。当模型能力逐渐普及，真正稀缺的会是把模型组织成可靠工作系统的能力。

下一步看经验如何流通

张昊阳提出让 Agent 经验像基因般流通，这个比喻也很关键。今天许多 Agent 失败后，经验不会沉淀：这次踩过的坑，下次换个任务还会再踩；这个项目里摸索出的流程，换个上下文又要重新学习。如果经验能够被结构化记录、筛选、复用和演化，Agent 系统才会从“一次性执行器”变成可成长的组织。

当然，这里面也有风险。经验流通需要判断哪些经验可靠、哪些只是偶然成功；需要避免把错误模式固化成规则；还要处理隐私、权限和数据隔离问题。真正成熟的 Agent 蜂群，不会只是会合作，还要会遗忘、会纠错、会审计。EvoX 给出的方向已经很清楚：下一阶段 AI 的重点，不只是训练更强的个体，而是设计更会协作、更能复盘、更可控的群体。