Когда генеративный ИИ начинает входить в стадию сотрудничества агентов, вопрос уже не в том, можно ли запрограммировать модель, а в том, как эффективно разделить работу между большим количеством ИИ и продолжать продвигать весьма сложный проект. Недавно опубликованный эксперимент редактора программы ИИ Cursor дает интригующий ответ.
Координируя работу сотен агентов искусственного интеллекта, компания Cursor менее чем за неделю создала веб-браузер с базовыми функциями с нуля. Всего для этого проекта было написано более 1 миллиона строк кода, распределенных в 1000 файлов и потребляющих несколько триллионов токенов. Курсор подчеркнул, что, хотя видео, показывающее результаты, выглядит как простой скриншот, создать браузер с нуля очень сложно. Однако самое яркое открытие в эксперименте касается не только технологий, но и модели управления: отказ от модели равноправного сотрудничества между ИИ и принятие иерархической структуры, аналогичной человеческим предприятиям, является ключом к успеху.
Провал плоского управления: ИИ тоже может избегать ответственности и лениться
На ранних этапах эксперимента команда Cursor внедрила плоскую модель управления, предоставив всем ИИ-агентам равный статус, что позволило им координировать свою деятельность и получать задачи через общие файлы. Чтобы предотвратить выполнение одной и той же задачи двумя агентами ИИ, Cursor использует механизм блокировки. Однако результатом стала катастрофа.
Агенты ИИ будут занимать заблокированные ресурсы в течение длительного времени, забывать освобождать задачи и даже напрямую изменять состояние совместной работы без синхронизации. Даже если используется более расслабленный Optimistic Concurrency Control, система все равно попадает в состояние неэффективности. В результате эффективность работы 20 агентов не так хороша, как 2–3, и большая часть времени тратится на ожидание и конфликты.
Кроме того, не имея четких обязанностей, эта команда агентов ИИ стала крайне не склонной к риску, склонной выбирать простые и безопасные задачи и сознательно избегать задач, которые были трудными или требовали общего суждения. Эти явления знакомы многим менеджерам, работавшим в крупных организациях или над межведомственными проектами.
Введение ролей планировщика и исполнителя, что значительно повышает эффективность.
Чтобы преодолеть это узкое место, Cursor представил иерархическую структуру «Планировщик-Работник». В этой архитектуре агент «планировщика» отвечает за постоянное понимание состояния кода, разбивку задач и даже создание подпланировщиков, чтобы само планирование можно было распараллелить; в то время как агент-исполнитель сосредотачивается на выполнении поставленных задач, не заботясь об общей ситуации и не координируя действия с другими исполнителями. После каждого цикла также есть агент-рефери, который решает, продолжать или начинать заново.
Курсор отметил, что такая конструкция разделения ролей значительно снижает трение и внутренние трения между агентами, позволяя системе работать стабильно в течение длительного времени, не застаиваясь из-за ограниченного видения или колебаний в принятии решений одним агентом.
Исследование Cursor также показало, что разные модели ИИ подходят для разных ролей. Например, GPT-5.2 компании OpenAI хорошо работает при длительной автономной работе, хорошо выполняет инструкции и поддерживает концентрацию. Поэтому он больше подходит для планировщиков, чем GPT-5.1-Codex, специально подготовленный для программирования. Курсор теперь использует модель, которая лучше всего подходит каждому персонажу, а не универсальную модель.
После тестирования браузера такие разработчики, как Саймон Уиллисон, заявили, что, хотя в интерфейсе все еще есть ошибки рендеринга (например, ненормальный стиль кнопки на главной странице Google), учитывая, что это результат создания ИИ с нуля, его удобство использования уже впечатляет.
Мудрость человеческих организаций остается ключевой переменной
Однако Cursor не интерпретировал этот результат как означающий, что ИИ полностью заменит инженеров. Вместо этого в своем резюме они подчеркнули, что многие из улучшений происходят за счет упрощения процессов, а не увеличения сложности, и что лучшие структуры системы часто оказываются проще, чем можно было себе представить. Если структура слишком мала, агенты будут конфликтовать, перерабатываться и дезориентироваться; слишком много структурированности, и система станет хрупкой и трудно поддающейся корректировке. По-настоящему эффективное государство часто находится в средней зоне, где оно достаточно ясное, но не слишком продуманное. Курсор также подчеркнул, что, хотя структуры и модели важны, большая часть поведения системы зависит от того, как люди-разработчики управляют агентами ИИ.
«OfficeChai» заявил, что этот эксперимент показывает, что, по крайней мере на данный момент, когда дело доходит до крупномасштабной координации ИИ, накопленная организационная мудрость людей может оказаться более важной, чем мы первоначально предполагали; иногда самые продвинутые системы искусственного интеллекта работают лучше всего, когда они организованы в традиционную компанию с менеджерами, исполнителями и четким разделением обязанностей.
С этой точки зрения значение этого недельного браузерного проекта не в том, смогут ли результаты бросить вызов Chrome или Firefox, а в том, что он подтверждает одну вещь: когда ИИ становится частью рабочей силы, то, как спроектировать организацию, может оказаться более важным, чем простое объединение вычислительных мощностей.
＊Статья открыта для перепечатки партнерами, источник данных:Курсор、《ОфисЧай》、Блог Саймона УиллисонаИсточник первого изображения: создано с помощью инструмента искусственного интеллекта.
2026-01-20 08:23:00
1769249960
#Напишите #миллион #строк #кода #за #неделю #Курсор #экспериментировал #координацией #сотен #агентов #ИИ #Почему #победил #традиционный #бюрократический #дизайн
Ещё по этой теме
