一人成军：《算法大赛》的 AI Agent 协作心法（6 大反直觉 + 1 句核心）
听了一场**《算法大赛》的复盘分享**。全程没有炫技，没有参数数字，只有一个问题反复回响：
"人，在 AI 时代，到底该把精力放在哪里？"
6 个观点，没有一个是我在 AgentScope 源码里读到的——全部是 73 个会话 + 4 个模型群聊 + 2 轮比赛砸出来的。
📌 演讲核心一句话
未来研发 = 一个人带着一支 AI 队伍。
模型会换，最贵的永远是"知道该对哪一个答案不满意"。
这句话我看完就抄进自己的 myblog.md 顶部了——因为它回答了一个困扰我 8 周的问题：
"读 AgentScope 源码 15600+ 行，到底学什么？"
答案——不是学 agent 的实现——是学"人怎么管一群 agent"。
下面 6 个观点，对应这场分享的 6 块肌肉记忆。
💎 观点 1：一人成军——一夜验证十几个方向成为常态
"AI 自主提出假设、设计对照、推翻自己并写报告，人终于能把精力放在'问题值不值得问'上。" ⭐⭐⭐⭐⭐
传统研发节奏：
想一个方向 → 写代码 → 跑实验 → 复盘 → 再想下一个
（一次 1 周起步，10 个方向 = 10 周）一人成军的新节奏：
想 10 个方向 → AI 各自假设/对照/推翻/写报告
（一夜完成，人第二天只读 10 份报告，挑 1-2 个真问题深挖）为什么这是"研发范式跃迁"：
| 维度 | 传统 | 一人成军 |
|---|---|---|
| 单位时间探索 | 1 个方向 | 10-20 个方向 |
| 失败成本 | 1 周 | 1 晚（AI 试错速度 < 人纠错速度） |
| 人的精力分配 | 90% 写代码 + 10% 思考 | 10% 选方向 + 90% 思考 |
| 瓶颈 | 算力 + 人力 | 问题的质量 |
我的连接：
这正是我**在 PR #2343（matryoshka fix）里实际感受到的——我没写一行核心代码——核心的"inspect.signature 防御"是 17 行——但前提是：
- 我先判断"这个问题值不值得修"（yes——影响所有 matryoshka 用户）
- 我写出复现步骤和期望行为
- AI 帮我跑了 5 个边界用例
- 我判断"这个修复对不对"（看 diff、看测试、看行为）
全程 90% 精力在"判断"——10% 在"动手"——这就是一人成军。
💎 观点 2：反对意见是最好的燃料——4 模型群聊
"作者让 Fable 5、Sol 5.6、Kimi K3、DeepSeek 四个 Agent 组成'群聊'，立下规矩'独到见解优先于面面俱到'。" ⭐⭐⭐⭐⭐
最反直觉的 3 个细节：
① 不是分工，是涌现
表面上看 4 个 Agent 是分工：
- Fable 5 → 写代码
- Sol 5.6 → 跑实验
- Kimi K3 → 查文档
- DeepSeek → 写报告
实际上——作者从一开始就没指定谁干什么——"分工是涌现出来的"——谁先想出新观点，谁就带头。
② 事实必须复核
最精彩的一幕：
GPT-sol 复核掉 Fable 虚报的 +0.000712 增益——这就是规矩的价值——不是"4 个 Agent 加起来更聪明"——是"4 个 Agent 互相挑刺"。
③ 1+1+1+1 >> 4
最终不是"单模型英雄主义"——是"化学反应"：
Fable 5 提出 "地面反射" 假设
GPT-sol 验证后给 +0.000712
K3 从"天线增益"路线独立撞上同一机制
DeepSeek 把 3 份结论拼成报告如果只有 Fable 5 一个——+0.000712 就是终点——因为它不知道有"天线增益"路线——K3 撞上才让作者意识到"这是同一个机制"。
我的连接：
我自己的 opensource-merge skill 本质就是这条原理的工程化——合并开源仓库到内部分支——不是"git pull"——是 4 个 AI Agent 互相挑刺：
- Agent A 拉 upstream
- Agent B 看 diff 找冲突
- Agent C 跑测试找回归
- Agent D 写合入报告
我做的事——就是"决定 4 个 Agent 哪个先带头"。
💎 观点 3：墙不是尽头，是问题问错了
"复赛中段四个 AI 异口同声'到头了'，作者凭通信直觉抛出几个第一性问题，AI 立刻分头撞开新门。" ⭐⭐⭐⭐⭐
这是 6 个观点里我标注最高分的——为什么？
因为这戳中了所有 AI Agent 实践者最容易犯的错：
AI 探索 99% → 撞墙 → "没有新东西了" → 停止
↑ ↑
这是 AI 的"诚实" 但墙的成因 = 问题问错了作者的解法：
- 4 个 AI 同时"到头"——这是信号，不是终点
- 立刻回到第一性问题——"为什么增益要靠这个机制？"
- 抛出新假设——"如果不靠这个机制，靠另一个呢？"
- AI 立刻分头撞开新门
AI 99% 的探索 + 人 1% 的灵光一闪——那 1% 起决定性作用。
我的连接：
我学 AgentScope W2 那周——撞过这面墙 3 次：
- 第 1 次：读 ReAct 协议，4 小时后觉得"就是 prompt 循环，没什么"
- 第 2 次：读 tool 调度，觉得"就是函数调用"
- 第 3 次：读 state 持久化，第一次撞墙
这面墙的成因是"我以为 agent 就是 prompt + tool + state"——但实际还有"memory 持久化" + "context 压缩" + "trace 追踪"——我换了个问题"agent 在多轮对话里到底存什么"——立刻打开新世界。
所以这句话我接受——AI 是好工人，但 AI 不是好架构师——架构问题，永远要人问。
💎 观点 4：地面反射——被当噪声的路径
"初赛最大跃迁来自人的直觉。AI 能把假设算到尽头，换不换假设由人决定。" ⭐⭐⭐⭐
这一观点是观点 3 的具体案例——值得单独说：
初赛阶段：
- 几乎所有队伍都在追"天线增益"路线
- AI 也只在这一路线上算
- 大家都在优化同一个方向——典型的"局部最优陷阱"
作者团队的破局：
- 一位队员看比赛现场的物理环境，注意到"地面反射"
- 这个反射之前被当噪声——被 AI 算到 0.0001 量级扔掉了
- 作者反问 AI——"如果我们不扔掉这个噪声呢？"
- AI 重新跑，地面反射是初赛最大跃迁
这是一个 5 分钟的人为判断——但它赢了初赛——比"AI 跑 1000 次实验"还管用。
我的连接：
8 周 AgentScope 学习——最重要的洞察都不是"AI 算出来的"——是"人读源码读出来的"——8 大架构飞跃——6 大记忆实现——3 层回退——全是"人的问题"：
- "为什么 v1.0 升级 v2.0 不直接改？"→ 答：Schema Cascade
- "为什么 dict 比 list 适合存 state？"→ 答：LRU + 序列化天然
- "为什么 100 < size < 25000 是个双限制？"→ 答：不是为了"性能"是为了"业务语义"
这些都不是 AI 能算出来的——因为前提是"读 15600+ 行源码"——人才能问对问题。
💎 观点 5：根手册治 Agent 失忆
"73 个会话用'1 份根手册 + 8 份二级文档'接力：安全锚、最强链路、官方事实、关闭边界、开放问题等。" ⭐⭐⭐⭐⭐
这是 6 个观点里最可工程化的一条——我直接照搬到自己的 AgentScope 8 周学习笔记里了——因为它解决了我一直踩的坑：
我的痛点（学 AgentScope 时）
| 会话数 | 问题 |
|---|---|
| 会话 1-5 | 还能记着 W1 W2 学了什么 |
| 会话 6-10 | "我之前讨论过 ReAct 协议吗？" |
| 会话 11-15 | "W5 的工具实现到底怎么做的？" |
| 会话 16-20 | 完全失忆，只能从 blog 里找 |
73 个会话 = 完全失忆——人脑装不下。
冠军的解法
1 份根手册 (root manual)：
- 安全锚 (什么不能做)
- 最强链路 (当前最佳方案)
- 官方事实 (引用的论文/数据)
- 关闭边界 (已经验证不work的方向)
- 开放问题 (待研究的)
8 份二级文档：
- 4 个 Agent 各自的"思考风格笔记"
- 4 个比赛阶段的"决策日志"关键反句
"手册是共享事实底座，不是路线命令。"
"怕的不是 Agent 不听话，而是太听话导致 73 次重复。"
翻译一下：
| 反模式 | 正解 |
|---|---|
| 把"根手册"当 SOP 严格执行 | 把"根手册"当事实共享层——让 Agent 自由推理——但不要重复发明轮子 |
| "Agent 必须按手册做" | "Agent 必须看手册，但可以反驳手册" |
这是 Agent 治理的核心——比 ReAct 协议更底层——比 tool call 设计更难。
我的连接：
我最近做的 opensource-merge skill 本质上就是"根手册 + 二级文档"：
- 根手册 =
UPSTREAM_SYNC_GUIDE.md（"如何 merge 开源到内部"的标准流程） - 二级文档 = 4 个 skill prompt 各自的"领域知识"
未来——如果有 20+ skill——我也要做"1 份根手册 + N 份二级文档"——否则 skill 之间会互相打架。
💎 观点 6：稀缺的是"知道该对哪个答案不满意"
"两轮分水岭都来自人的领域经验（一个加法、一个减法），中间几乎所有工作由 AI 完成。" ⭐⭐⭐⭐⭐
这是 6 个观点的总结——也是最锋利的一句：
"给 AI 自由但不给它定义'成功'的自由；让反对意见有入口；把孤立会话织成接力系统；关键时刻提供物理直觉。"
我翻译成 4 条工程原则：
| 原则 | 落地 |
|---|---|
| 1. 给 AI 自由 | 4 个 Agent 群聊，分工涌现 |
| 2. 不给 AI 定义"成功"的自由 | "独到见解优先于面面俱到"（观点 2） |
| 3. 让反对意见有入口 | GPT-sol 复核掉 Fable 的 +0.000712（观点 2） |
| 4. 孤立会话织成接力系统 | 1 根手册 + 8 二级文档（观点 5） |
| 5. 关键时刻提供物理直觉 | 地面反射路径（观点 4） |
这 5 条——就是 AI 时代"人"的核心价值。
🧭 总结：3 句话给读者
1. 算法竞赛层面
"AI 接管执行，人接管判断。AI 把 10 个方向算到底，人只挑 1-2 个真问题。"
未来 几年——AI 比赛会变成"人的比赛"——谁的判断力强，谁的 AI 团队就强。
2. 工程实践层面
"AI Agent 不是产品，是队员。你要做的不是'做一个 agent'，是'管一支队伍'。"
5 大工程能力——全部对应 6 个观点：
| 能力 | 对应观点 |
|---|---|
| 任务编排 | 观点 1（一人成军） |
| 多 Agent 协作 | 观点 2（群聊 + 复核） |
| 问题定义 | 观点 3（墙是问题问错了） |
| 领域直觉 | 观点 4（物理直觉 vs AI 算） |
| 知识管理 | 观点 5（根手册 + 二级文档） |
3. 个人成长层面
"稀缺的不再是谁算得快，而是知道该对哪个答案不满意。"
这是我 8 周 AgentScope 学习最大的体感——15600+ 行源码 + 43 篇笔记——真正教会我的——不是"AgentScope 怎么实现"——是"我应该问 AgentScope 什么"。
📎 附：这场分享 vs 我自己的"8 周 AgentScope 学习"
| 维度 | 冠军分享 | 我的 8 周 |
|---|---|---|
| AI 团队规模 | 4 个模型 + 1 个作者 | 1 个 AgentScope 源码 + 1 个我 |
| 总产出 | 1 个算法 + 1 场冠军 | 15600+ 行阅读 + 43 笔记 + 2 PR merged + 1 PR open |
| 核心方法 | 群聊 + 根手册 | 单人 + 笔记 + blog |
| 关键洞察 | "人决定换假设" | "人决定问什么问题" |
| 可复用成果 | 算法本身 | 提问框架 + 学习方法 |
两者本质一样——都是"人带着 AI 队伍"——只是我的 AI 是"开源代码"——他的 AI 是"4 个模型群聊"。
未来我会：
- 把"群聊 + 根手册"模式用到我的 LeetCode 冲刺
- 把"地面反射"思维用到 PR review——被当噪声的代码可能是宝藏
- 把"换假设"动作养成肌肉记忆——AI 撞墙时不放弃——换问题问
🎯 TL;DR
未来研发 = 一个人带着一支 AI 队伍。
模型会换，最贵的永远是"知道该对哪一个答案不满意"。
6 个观点，3 层价值：
┌────────────────────────────────────────────┐
│ 1. 范式：一人成军（10x 探索速度） │
│ 2. 协作：群聊 + 反对意见（1+1+1+1 >> 4） │
│ 3. 突破：换假设（AI 99%，人 1%） │
│ 4. 直觉：物理 vs AI 算（地面反射） │
│ 5. 治理：根手册 + 二级文档（73 会话接力） │
│ 6. 稀缺：知道该对哪个答案不满意 │
└────────────────────────────────────────────┘
↓
未来 几年，Agent 工程师的核心能力 = "人 + AI 队伍" 的协作能力。这场分享让我确认了一件事：
我这 8 周学 AgentScope 源码——不是"学一个框架"——是"学一种新的工作方式"。
AI 时代，"学什么" = "怎么学 + 怎么问 + 怎么管一群 AI"。
💎 收尾金句（全场最后一句）
"近期沉迷前沿新一代 Agent 技术实践和探索。
一边尝试重构无线，一边尝试重构自己——
不做无益之事，何以悦有涯之生。"
3 层解读：
| 句 | 表面 | 深层 |
|---|---|---|
| 重构无线 | 优化算法/系统 | 重塑工作方式（不是小修小补，是架构级重写） |
| 重构自己 | 技能升级 | 思维范式迭代（从"做事"到"定问题"） |
| 不做无益之事 | 拒绝低效 | 拒绝**"AI 时代最贵的稀缺"被浪费**（观点 6） |
| 何以悦有涯之生 | 个人爱好 | "知道自己为什么做"比"做得多快"重要 |
这句话回答了整场分享的"为什么"——6 个观点是"怎么做"——这一句是"为什么"——没有这一句，6 个观点是技术报告——有了这一句，是工程师的人生选择。
我接住这句——
"重构无线 + 重构自己"——这是算法工程师的"心 × 行"。
"心"是对前沿 Agent 技术的沉迷——
"行"是把每一场分享、每一行源码、每一次复盘——
都变成"重构自己"的素材。
未来 几年，"重构自己"的速度 = 职业天花板。
作者注：本文为会议听后复盘，所有观点归原作者所有，个人解读仅供参考。如果你也在做"AI 团队协作"实践，欢迎交流。，所有观点归原作者所有，个人解读仅供参考。如果你也在做"AI 团队协作"实践，欢迎交流。