
50 個 AI 代理在《Minecraft》失速:多代理協作的溝通成本
TechNews 科技新報報道,Y Combinator 與 Olam Labs 把《Minecraft》及《Mindustry》用作多代理 AI 的測試場,觀察數百個代理在合作和對抗任務中的表現。其中一組 50 人的 AI 團隊原定在三小時內於《Minecraft》建立繁榮文明,最終卻被大量溝通、規則和角色安排拖慢。對正在探索程式代理團隊的開發者而言,這提醒了一點:增加代理人數,未必會線性增加產出。
這批結果的限制同樣清楚。實驗是在特定遊戲、指定模型和有限時間內完成,遊戲勝負不能直接推論到所有企業工作流程;模型之間的對戰成績,也不足以構成整體能力排名。較有參考價值的,是實驗暴露了協作系統如何在任務分工、工具故障與決策速度之間失衡。
從建設文明轉為管理流程
在名為「Civ50」的合作測試中,50 個 GPT-6.1 Sol 代理於首夜遭殭屍襲擊後,行動重心由建設轉向保守求生。TechNews 科技新報指出,整個過程累積約 5,900 則訊息,代理人逐漸建立配給、規則、許可和職務分派等安排。
報道所述的一個例子尤其能說明問題:四個代理花了 11 分鐘,才決定誰負責為一小塊麥田施用一份骨粉。研究團隊把這種僵化協作,連結到他們開發程式代理時見過的情況。
從系統設計角度看,這類情況反映的未必是代理「不懂工作」,而是協調成本失控。當低風險、可逆的操作也要經過多人討論或授權,團隊會把時間花在維持內部秩序,而非完成外部目標。程式代理若每次修改、測試或工具重試都需等待共識,也可能出現相近的瓶頸。
快速反應任務,通訊模式會左右結果
報道亦提到陣營對抗測試。在《Minecraft》的 Bed Wars 模式,10 個 GPT-6.1 Sol 代理對 10 個 Claude Opus 5.5 代理;當工具故障令方塊無法破壞時,前者會嘗試診斷並分享替代做法,後者部分代理則判定方塊不可破壞後放棄。這是特定情境下的觀察,不應延伸為兩個模型的一般優劣結論。
在《Mindustry》的 50 對 50 測試中,GPT 陣營於七場賽事取得六勝。TechNews 科技新報指出,研究人員把 GPT 的協作描述為高頻、細碎分工的「蜂群」模式;Claude 一方則較傾向由領導者帶動並透過共識決策。即時策略環境獎勵快速調整,因而令前一種模式在該測試中較具優勢;但在需要審核、風險控制或長期一致性的工作,較慢的決策機制未必沒有價值。
評估重點應由「人數」轉向協作規則
對多代理工作流而言,下一步值得測量的不只是任務是否完成,還包括無效訊息比例、由提出到執行的決策時間、工具失效後的復原率,以及角色之間能否在不層層審批下交接工作。任務設計亦宜把可獨立驗證的工作切細,同時為小型操作設定明確授權範圍,避免每一項瑣事都升級成團隊討論。
TechNews 科技新報報道,相關代理群體及測試環境已開源。接下來若有開發者改變群體規模、混合不同模型,或調整角色權限與訊息規則,較值得觀察的將是:哪些協作機制能減少內耗,同時保留處理突發問題所需的彈性。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
- TechNews 科技新報 — AI 代理群體挑戰〈Minecraft〉建立繁榮文明,50 名 AI 組隊卻深陷「官僚主義」導致失敗 — original report
本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。







