大家好，我是Easonlee，做自己和AI的CEO。
《AI Builder》专栏，分享一线AI创始人的实践和思考。AI时代，让我们关注Builder，成为Builder。
原始视频发布时间：2026-06-12
导读：本期视频由 Cursor 工程师 Sam Whitmore 与 Base 10 团队深入探讨 AI Agent 的前沿实践。他们分享了如何通过 128 个并行代理构建自动化研发体系，并指出在模型能力爆发的今天，人类的核心价值已从“编写代码”转向“定义品味”与“验证结果”。
1. 建立多代理协作体系是提升研发效率的关键 [00:00]
通过将任务委派给多个以数学家命名的子代理，可以实现大规模并行实验。主代理负责协调和消息路由，子代理则专注于评估、实现或特定子任务，这种“团队化”运作能让 AI 运行数天而不中断。
2. 代理的失败模式往往源于缺乏全局阅读意识 [08:31]
Agent 常见的错误是基于随机假设进行盲目测试，而非通读代码理解全局。工程师需要强制模型在尝试修复前先消耗 Token 阅读上下文，因为“代理能为你写代码，但不能替你阅读代码”。
3. 混合模型家族可以利用随机森林效应对冲错误 [10:43]
不同模型有不同性格：GPT-5.5 像精准的假肢，适合审查和遵循指令；Claude 则更像人类开发者，擅长填补模糊需求的空白。在工作流中交替使用不同模型进行实现与审查，能有效抵消单一模型的幻觉。
4. 热核审查与技能化是组织内部的 AI 资产 [12:35]
Cursor 内部推行将高频提示词打包为“技能（Skills）”，如“热核审查”能让代理进入极端严苛的审计模式。这种将工作流代码化的方式，比单纯的提示词工程更能沉淀组织能力。
5. AI 时代的瓶颈已从模型能力转向品味与验证 [22:01]
当模型可以自动执行长达 14 小时的目标循环时，人类的价值在于最初的问题选择和对结果的“品味”注入。不可验证的任务是代理的死穴，人类必须定义什么是“好”，并构建严密的自动化 QA 闭环。
6. 未来公司将演变为围绕特定模型构建的智能体工厂 [35:12]
随着开源模型基础智能达标，未来的公司可能不再雇佣大量员工，而是拥有一个包含特定领域知识的核心模型，并运行该模型的无数副本。公司本身就是一个模型，通过持续的在线强化学习保持竞争力。
