Anthropic的一项实验让16个Claude自主构建C编译器，揭示了Agent Teams的底层设计。文章拆解了其核心架构，如何通过极简方案解决AI团队的持续运行与并行协作难题，并对比了从原型到产品的关键演进，为理解多智能体系统提供了宝贵实践视角。
智能速览
通过无限循环和精心设计的Prompt实现AI完全自主运行。
利用Git文件锁这种极简方案，有效解决了多Agent任务冲突。
从无中心化的原型，演进为引入Lead角色的混合式架构。
产品设计理念从完全自主，转变为“人在回路中”的人机协作。
协调机制从Git文件锁升级到更透明的任务看板系统。
精华内容
这项实验的核心价值，在于它用极简的工程方案验证了多智能体协作的可行性。其自主运行与并行协作两大核心设计，奠定了产品功能的基础架构。
实现自主运行
为实现长期自主运行，研究员构建了一个简单的Harness程序，核心是在Docker容器内执行一个无限循环，持续调用Claude API。这个设计跳过了所有人工确认环节，让Agent可以不间断地执行任务。
任务的指令从agent prompt文件中读取，prompt明确了四件事：将大问题分解、追踪自身进度、决定下一步行动、持续工作直至目标达成。这种通过精心设计环境而非复杂控制逻辑来赋予Agent自主性的思路，是其成功的关键。
并行协作方案
在多Agent并行协作方面，实验采用了一个极为简洁的方案：Git文件锁。每个Agent在开始一项任务前，会在`current_tasks`目录下创建一个对应的TXT文件作为“锁”。若其他Agent尝试执行相同任务，Git的push操作会因冲突而失败，从而迫使其选择其他任务。
任务完成后，Agent删除锁文件并提交代码。整个过程没有复杂的消息队列或编排框架，仅依赖Git就实现了高效协作，这得益于项目中存在一个高质量的测试套件，能清晰地为Agent提供目标反馈。
原型到产品的演进
从原型到产品，Cloud Code Agent Teams经历了关键演进。首先是组织架构，从完全去中心化的平等协作，演进为引入Lead角色的混合模式，Lead负责战略分解和冲突解决，但不干涉具体执行。
其次，自主程度从完全自主，转变为“人在回路中”的人机协作，人类可以设定方向、审查计划，兼顾了灵活性和可控性。最后，协调机制也从Git文件锁升级到任务状态透明可见的任务看板，并支持Agent间直接发消息沟通，将隐含的假设显性化。
这个C编译器实验不仅证明了多Agent协作的可行性，更重要的是揭示了一种务实的设计哲学：简单工具在清晰目标下能产生强大的自组织能力。它为AI团队协作的未来发展铺平了道路，但如何降低成本、提升效率，仍是需要持续探索的课题。
关键评论
有读者正在做类似实验，认为Agent Teams的发布对其至关重要。
如何构建虚拟团队防止撞车、对齐目标，是实践者关心的核心问题。
产品与开发Agent因理解不一致而产生冲突，是一个潜在的协作难题。
