Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器。代码量约 10 万行，可编译 Linux 内核，成本约 2 万美元，用时两周。
而 GCC（一个用来将 C 等多种编程语言编译成可在不同平台运行的机器代码的开源编译器） 从 1987 年开始，经历了 37 年，投入了成千上万名工程师才发展到今天。
而 Anthropic 仅一名研究员加上 16 个 AI 智能体，构建出了一个可以通过 GCC 自身 99% 严苛测试套件的编译器，还能成功编译 FFmpeg、Redis、PostgreSQL、QEMU，并运行 Doom。
虽然 Anthropic 说自己 “基本上是放手不管”。没有人类直接写代码。但负责这个项目的研究员一直在不断设计测试用例，在智能体相互破坏彼此成果时搭建 CI 流水线，并在 16 个智能体同时卡在同一个 Bug 上时想出绕过方案。
因此，在 AI 已经能够通过团队协作模式完成复杂任务的今天。人类的角色依然没有消失，而是发生了变化。从亲手写代码，变成了设计一个让 AI 能持续写出代码的环境。
Cognition 发布 Windsurf 2.0，深度整合 Devin 实现本地思考与云端执行分工。新版推出 Agent Command Center 支持多智能体可视化管理，搭载自研 SWE-1.5 模型大幅提升代码定位与编辑速度，并引入 Spaces 容器解决上下文延续问题。Pro 版调整为日配额制且包含 Devin 功能。相比 Cursor 3，Windsurf 2.0 凭借自研模型与云端执行能力，更适合处理陌生代码库及长任务自动化场景。
Anthropic 研究显示，多智能体系统性能比单智能体提升 90.2%，其核心在于主智能体拆解任务与子智能体并行执行。尽管该架构 token 消耗约为单智能体的 15 倍，但在复杂任务中优势显著。业界已总结出五种协作模式，并有 n8n、CAMEL-AI 等落地案例。然而，多智能体仍面临调试难、输出不稳定等挑战。建议仅在任务复杂需并行、分工明确且能承担高成本时采用，简单任务直接使用强模型即可。
Anthropic 在发布新 Claude 模型前，通过头部客户极限测试验证真实业务表现，比单纯跑分更具参考价值。借助 Agent 能力，新模型在起草法律文件等复杂任务中成功率提升约 20%，实现持续准确输出。当前大模型发展重心已转向 Agent 在垂直场景的落地，边缘案例为下一代优化指明方向。这种与客户深度共创的模式建立了高信任壁垒，值得产品团队借鉴。
围绕《Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器》展开交流，未登录用户可浏览评论，登录后可参与讨论。
