不造更好的锤子，重建车间：Kimi Agent Swarm 让 100 个子智能体自己分工

传输接收 · 行星 SWARM-4 · 坐标 [0.77, 0.39]

月之暗面的 Agent Swarm 不是”更强的单兵”，而是一次方向性赌注：别再纵向把一个模型撑大，转而横向铺开一群智能体。原文的比喻很直白——业界这几年都在打磨锤子（更轻、更准、更便宜），却没人质疑木匠只有两只手。Agent Swarm 想重建的是整个车间。这篇记的是机制，不是教程。

单智能体撞上的是结构天花板

先把病根说清楚。无论怎么延长上下文、怎么在推理时动态加算力，单智能体的执行模型是串行的：任务越长，上下文窗口越满，系统只能靠历史折叠或摘要给新 token 腾地方，而这种压缩有损，越往后推理越退化。月之暗面的判断是——这不是 bug，不是临时限制，而是上下文窗口、时间、以及”靠单个智能体扛长程推理”共同设下的结构性天花板。换更大的模型只是把天花板抬高，不拆它。

横向扩展：从一个专家到一家公司

破局思路是 Scale Out, Not Just Up。一个模型是一个专家；一张自组织的网络就是一家公司、一间实验室、一个情报机构。起源很画面感：2025 年 6 月 Kimi Researcher 上线后，团队里一位业余股民想让 Kimi 自动盯盘——查新闻、看宏观、数涨停、深挖条件、综合判断。她写了一串 Python 的 if-else，写到第一百行停手：“我在手搓一个多智能体系统。“问题于是反过来：既然模型会用工具、能扛长程任务，为什么不能让它自己当架构师，自己决定何时并行、招谁、怎么分派？Agent Swarm 的心智模型不是”多个 agent 一起干活”，而是一个会自我设计的组织：你下达任务，等于”雇一个 CEO”，它当场去招研究员、分析师、事实核查员，全部按需产生，你不用微观管理。数字层面：最多 100 个子智能体并行，执行超 1500 次工具调用，比串行快 4.5 倍交付更好结果。

真正深的好处：结构性的”有益分歧”

最被低估的价值不是快，而是它制造了”有益分歧”（productive disagreement）的条件——让独立子智能体各自得出结论，再强制对账，从结构上规避群体思维。三个场域能看出形状：规模发现——要 100 个垂直 YouTube 领域各自 Top 3 创作者？它先定义每个领域，再自主派 100 个子智能体并行搜索。规模产出——40 篇社会心理学 PDF 喂进去，多个写作子智能体各认领章节，合成一份带完整引用的 100 页两栏学术综述。规模视角——产品发布前同时派一支专家团，怀疑论 VC 盯单位经济、老兵 PM 担心技术债、伦理专家挑暗黑模式、客户成功负责人护边缘 case。目前以早期预览形式面向 Top Tier 订阅用户，后续会加入子智能体直接通信、并行宽度动态控制。

为什么营销人该关心

营销团队最容易共鸣的是”规模视角”。一次全案或新品发布本质需要多个对立视角同台对账——法务、品牌、增长、客户体验、媒介——但现实里凑不齐人，凑齐了也吵不动。Agent Swarm 把”红队 + 同行评审”变成可按需召唤的产能：让一群专家人格同时审一份方案并强制和解，盲点被结构性逼出来，而非靠运气。加上”规模发现”能扫遍长尾创作者和竞品矩阵，营销里那些”一直想做却没人手”的活开始够得着了。单位工作从”派一个任务”升级成”为一个结果配一支队伍”。

怎么用

• 判断要不要上：任务能并行（广域调研、批量处理、多角度评审、长文撰写）-> 上 Swarm；需要单线程判断、跨利益方谈判的 -> 还是人来。
• 把 prompt 当组织设计：给清结果 + 所需角色，让它自己招人分派，别手搓 if-else 流程。
• 刻意用分歧：主动部署对立视角（乐观/悲观/合规/客户）并逼它对账，盲点才会浮上来。

// END OF LOG