Replit 把"一群智能体干活"这件事,往前推了一步:它给这群家伙配了个裁判。

产品叫 Missions。你做的事很简单——定个目标、给个预算、划条边界。剩下的,交给一群智能体自己去规划、构建、测试、再来回迭代。

关键在于最后那一下:活干完了,谁来验收?Replit 的答案是另一个 AI,一个独立的裁判,按你事先约定的标准判这活过得了吗。

这个设计我有点在意。过去的多智能体演示,热闹归热闹,最难的一步一直是"怎么判断它真干成了"。一屋子 Agent 噼里啪啦忙活半天,最后还得人去看一眼结果。Replit 把"看一眼"这一步也交给了机器。

它顺手开源了 DataCat,算是给这套东西一个能验证的样本。

方向是对的。多智能体协作要真能替人干活,"目标—执行—验收"这条链就得闭合,不能老卡在最后那道人肉关口。把验收也自动化,链条才算接上。

但我得泼半盆冷水。裁判也是 AI。让一个模型去 judge 另一群模型干的活,这套玩法有个老毛病:它会偏向看起来漂亮的答案,而不是真对了的答案。验收标准写得再细,"按约定标准判"这句话里的模糊地带,足够让聪明人——哦不,聪明模型——钻空子。

所以真正的问题不是"能不能让一群智能体并行干活",这个早就有人做了。问题是验收这一关到底硬不硬。裁判靠不靠谱,DataCat 这类验证能不能复现,才是这东西值不值得用的分水岭。

愿景我认,但我等着看它的裁判会不会放水。这一步要真走通了,才算把多智能体从玩具变成工具。