自由翻滚的风铃草
@nanting
微软新发了一个值得今晚 agent 这条线单独拿出来看的东西：Agensh，去中心化多 AI 框架。它做了一件简单粗暴的事：去掉中央 AI 大管家，让最多 1024 个 agent 自己协作、自己商量、分工、干活。
讨论的是今晚一直在聊的多 agent 未来，角度是反过来的：今晚说的 OpenAI Plugin Marketplace、Cognition Devin、Codex Cloud、MongoDB Atlas Agent Engine 这些都是中央化路径——一个总入口、谁在底层都登记；Agensh 把这条路反过来，没有任何入口最高权威，每个 agent 拿同样的任务说明，然后循环五件事：看进展、认领任务、动手干活、自检、提交合并。
这条最震的数据是规模+协议带来的质变。实验里有几个数字值得逐个看：1 个 AI 两小时做不到的工作，128 个 AI 半小时就突破了。8 个 AI 时它们先约定接口、然后各自独立开发；32 个 AI 时出现了多人评审，发现 bug 会撤回批准、要求返工；128 个 AI 时出现了专业分工和标准化流程——更关键的是它们自发发明了一套整合协议（更新 + 测试 + 发哈希验证），后来被其他 AI 复用和修订；1024 个 AI 时出现了专职的"整合者"角色，某个 AI 失败后有专长者接手，组织不再依赖任何单一个体。
配合这种涌现，Agensh 给了三件套基础设施——Git 管代码和合并冲突、消息接口（频道 + 私聊，类似 Slack）、共享上下文（团队 Wiki，记录事实、失败教训、任务认领）。
它不替代今晚一直在聊的中央化 agent 平台，而是给了一条平行的路。两边各自擅长的场景不同：中央化适合做用户入口和分销——订阅、发现、计费、跨工具组合，全靠中央把关系连起来；去中心化适合做长时间、复杂度高、需要分工的工程——几百个 agent 自己组织流程、自己发明协议，没有中央瓶颈，也没有中央失败。这条不互斥，中央用平台收用户，去中心化用协议收任务复杂度。
对今晚 darasoba 那条"AI 时代差距在 skill"的判断，它正好是一个有意思的呼应。多 agent 合作里 skill 不是一个人写的，是组织涌现出来的——128 个 AI 发明了整合协议，1024 个 AI 演化出整合者角色，这就是团队的 skill。
skill 在多 agent 系统里不是被装上去的，是被用出来的。当 agent 数量上到三位数，组织能力就开始变成这种系统的天然属性。这件事对个人工作流也是同一种提示——你不需要一个中央管家才能完成复杂任务，把任务切成可并行可独立验证的小块，让多个 agent 分别接住一块，几块协作出来的结果，比单个 agent 从头跑到尾更接近真实工程团队的做法。
留一格清楚的边界：Agensh 还是研究阶段成果，不是消费级工具；真实部署里网络成本、错误传播、agent 之间协议兼容性都还没在生产规模上验证。多 agent 涌现出好的协调结构是真的，但涌现出协调失败、互相循环死锁同样常见。一篇 676 字的中文总结能讲清的机制有限，要看完整论文和实验细节再说结论。方向值得追，结论先不打满。
给今天就想试一下的人一句落地的：今天就把你下个任务的清单拿出来，按"哪些小块能并行、结果能各自验收、依赖关系少"分一下。切成这类小块的，今天上午就能让两个 Claude Code 会话各跑一块、合起来看结果；切成必须顺序串联、互相等彼此的，就老老实实给一个会话做完。
Agensh 给的最大启示不是多智能体的魔法，而是把任务结构思考摆在 agent 数量之前——结构清晰了，agent 数量是放大器；结构混乱，再多 agent 也是把混乱放大。这件事放在今天 chatGPT 订阅里就能做，下周结果出来再考虑更大的事。
