Twitter AI Agent - 2026-08-07¶
1. 人们在讨论什么¶
1.1 运行时术语正在变成公开课程（🡕）¶
与 8 月 6 日更偏理论的控制平面讨论相比，8 月 7 日把同一批理念重新包装成海报、课程串和框架选择速查表。当天的主导问题不再是循环、图和 harness 是否重要，而是如何划定边界、何时选择哪一层，以及怎样向新手讲清这套技术栈。
@Nekt_0 认为（44 个赞，11 条回复，890 次浏览，33 次收藏）指出，一条提示只能给出一个答案，而循环才能构成一个系统。配套海报之所以重要，是因为它把当天最反复出现的论点压缩在一页里：目标、上下文、行动、评估和记忆，建立在彼此分离的循环、图和 harness 职责之上，最后落到一句话：“优化机器，而不是句子。”
@rohit4verse 重新定义了（21 个赞，9 条回复，2,490 次浏览，32 次收藏）把 Sydney Runkle 的 LangChain 内容整理成一份运行时、框架与 harness 的决策指南。这组四张图格外具体：它把 Deep Agents 对应到完整的 harness 层，把 LangChain 对应到循环框架层，把 LangGraph 对应到运行时层；随后又说明何时确定性比自主性更重要，以及三者如何仍能组合在同一技术栈中。
@elune0x 推动了（29 个赞，6 条回复，2,179 次浏览，29 次收藏）进一步拆分了这些职责，认为生产环境中的 agent 需要回答三个不同问题：执行是否应继续、下一步该去哪里，以及它被允许改动什么。最有价值的回复来自另一位构建者，他把这些问题分别对应到循环日志、路由日志和权限闸门日志，把抽象分类变成了可操作的调试模式。
@rvaniaaaa 分享了（14 个赞，1 条回复，209 次浏览，11 次收藏）发布了一张单页图工程海报，把同一套术语翻译成工作流形态：扇出、归并、验证、综合，然后在两轮试跑后停止。海报还补充了具体故障模式，例如上下文坍缩、虚假独立和节点静默失效。
@RoundtableSpace 推广了（77 个赞，14 条回复，48,318 次浏览，49 次收藏）用“Google 发布了一门 2 小时课程”的说法来包装图、循环和提示工程，随后有回复立即纠正来源，指出这套课程是社区制作的，并非 Google 官方发布。@unicodef1wn 放大传播了（49 个赞，13 条回复，695 次浏览，38 次收藏）则是另一份两小时拆解，章节涉及持久记忆、可复用技能、token 浪费和并行 agent，显示运行时术语正迅速变成可售卖的课程内容。
Discussion insight: 最有力的回复针对的是误分类和误用，而不是不相信这些理念本身。人们纠正来源归属，提醒不要把三层架构套用到简单脚本上，并要求每一层都有明确日志。这说明这个领域争论的已经是运行边界，而非基础概念。
Comparison to prior day: 8 月 6 日确立了循环、图和 harness 作为运行时可靠性的语言；8 月 7 日则把这套语言变成了海报、课程串和框架选择启发式。
1.2 发现、信誉与支付被呈现为同一个市场循环（🡕）¶
市场不再只是空泛的 agent 经济叙事，而是开始暴露出具体缺失的界面：无密钥发现、服务排名、agent 身份、可验证推理，以及链上雇佣场所。最有力的帖子并非单纯赞美市场，而是明确指出：agent 在花钱或采取行动之前，哪些信息必须可查询或可审计。
@jerallaire 放大传播了（240 个赞，30 条回复，16,703 次浏览，25 次收藏）介绍了 Circle 面向 agent 服务的新发现层。Circle 的 发布说明 补充了具体机制：公开的无密钥 Discovery API 位于 GET https://api.circle.com/v2/x402/discovery/resources，支持 14 个查询参数，并提供 900+ 项经过制裁名单筛查和健康检查的服务。回复比喝彩更有价值：一位构建者表示，发现层仍未解决身份、协商、凭证、记忆和执行问题；另一位则指出，排名和信誉至关重要，因为 agent 也能非常高效地发现糟糕服务。
@CamKhosravi 分享了（5 个赞，1 条回复，43 次浏览）是一张 Circle 财报幻灯片，对同一循环进行了量化。数据显示，x402 agent 支付量中有 99.3% 以 USDC 结算，已有 900+ 项付费服务上线，并形成了“发布 -> 发现 -> 支付 -> 结算”的循环，信誉会反馈到下一笔交易中。
@BNBCHAIN 表示（90 个赞，40 条回复，30,725 次浏览）称 BNB Smart Chain 上已经存在超过 200,000 个 AI agent，并邀请构建者打造一个让人们能够发现、比较和雇佣它们的市场。相关 挑战简介 异常明确地指出，可发现性本身就是瓶颈，因为用户仍要翻阅 X 讨论串和 GitHub 仓库，才能判断哪些东西已经上线、是否有用，以及是否值得信任。
@NxtCypher 助推了（119 个赞，90 条回复，16,556 次浏览）介绍 CyAI 作为一个去中心化的可验证推理市场，官方 Cysic AI 文档 则将其定位为 ComputeFi 的自动化层。配图中的表格才是实质内容：中心化 API 只有单一提供商、固定且不透明的定价、单数据中心供给，以及不可验证的推理；而 CyAI 则被定位为具备密码学保障、分布式、自由市场和可审计特性的方案。
Discussion insight: 有价值的质疑并不是认为市场是假的，而是认为仅有发现远远不够。人们反复提到的缺失环节包括排名、信誉、身份、凭证，以及证明推理或服务确实完成其所宣称任务的能力。
Comparison to prior day: 8 月 6 日关注的是公开发现端点和支付轨道；8 月 7 日则把这些理念合并进了市场设计、信誉循环，以及直接建设市场场所的呼吁中。
1.3 构建者开始为多 agent 工作设计操作界面（🡕）¶
另一组讨论越过了抽象的编排话题，开始关注操作员究竟在哪里查看、引导和批准 agent 的工作。共同主题并非默认赋予更多自主性，而是为子 agent、本地文件、研究材料和人工审核提供更好的组合界面。
@yoheinakajima 展示了（24 个赞，1 条回复，2,667 次浏览，30 次收藏）介绍了一个受 ActiveGraph 启发、以仓库为中心的模块化 agent 操作系统。公开的 ActiveGraph 仓库 将其描述为事件溯源的响应式图运行时：日志是事实来源，运行过程可重放、可分叉，行为响应的是共享图，而不是彼此来回传递不透明消息。
@warpdotdev 演示了（59 个赞，5 条回复，3,841 次浏览，17 次收藏）展示了新的 Warp Agent CLI UX，用于查看子 agent，并配置它们的模型、harness 和环境。Warp 自己的 harness 文档 表示，Warp Agent 是默认的 Oz harness，也是唯一能够生成跨 harness 子 agent（如 Claude Code 或 Codex）的 harness，因此这条推文不只是一次 UI 润色展示。
@buabaj_ 分享了（29 个赞，5 条回复，1,032 次浏览，12 次收藏）介绍了一个将代码和研究内容放进同一本地界面的个人工作台，其底层是在 Codex 和 Claude Code 模型之上的 Prime Agent harness。截图提供了格外丰富的信息：一张展示代码与研究内容并列的主页，另一张展示编码会话旁的任务审核侧栏，第三张则展示了同一工作区中的 PDF 阅读与批注。构建者在回复中表示，该项目已开源，但尚未打包分发。
Discussion insight: 关注点集中在可见性和控制上：如何看到被阻塞的子 agent、如何让运行过程保留在本地、如何把代码与研究内容放到一起，以及如何把这些界面打包给其他人使用。操作员 UI 正在成为产品的一部分，而不再只是包裹产品的外壳。
Comparison to prior day: 8 月 6 日扩大了 Web 上对 agent 友好的表层；8 月 7 日则转向内部，关注操作员控制台、本地工作台和仓库本身。
1.4 Harness 质量开始变得可以基准测试和训练（🡕）¶
8 月 7 日还有更有力的证据表明，harness 本身已经成为实验变量，而不是后台胶水。当天有两组内容尤其重要：在固定模型的情况下比较不同 harness 的开放基准，以及开始将多 agent 交互视为可训练环境的 RL 技术栈。
@RamaswmySridhar 开源了（38 个赞，4 条回复，23,415 次浏览，17 次收藏）介绍了 data-eng-bench，其仓库细节格外具体：103 个容器化 dbt 任务、隐藏的 pytest 验证器，以及 DuckDB 和 Snowflake 两种后端。配图直观传达了核心观点：在使用同一模型时，不同 harness 会在 pass@1 和成本指标上落到明显不同的位置。
@willccbb 庆祝了（76 个赞，9 条回复，3,707 次浏览，15 次收藏）介绍了 Prime Intellect 从单 agent rollout 转向多 agent 系统的动作，并引用公告称 PRIME-RL 现在可以表达任意 agent 交互并对其进行训练。Prime Intellect 的帖子通过一等公民的 Agent 和 Env 抽象，把这一转变具体化，用于 agent 评判、自博弈和用户模拟。
@taylorotwell 表示（66 个赞，7 条回复，4,313 次浏览，13 次收藏）表示，他暂停了 agent 框架工作，用一天时间开出了一个 Laravel Scout 拉取请求，为 Turbopuffer 引擎以及语义搜索、混合搜索提供支持。公开 PR 的内容具体而非空泛：加入 Turbopuffer 引擎、加权 BM25 搜索、数据库语义和混合搜索辅助工具、过滤器、分页逻辑及测试。
Discussion insight: 这里最强的信号在于方法论。人们越来越多地比较“模型 + harness”组合，而不只是比较模型名称，并把工作流拓扑、搜索和验证器视为一等杠杆。
Comparison to prior day: 8 月 6 日围绕 Prime Agent 已有基准和运行时层面的讨论；8 月 7 日则加入了公开基准工具包、可训练的多 agent 抽象，以及与这些理念相关的具体交付工作。
2. 什么让人感到沮丧¶
缺乏信任语境和排名的发现机制¶
市场上最强烈的抱怨并不是 agent 太少，而是缺乏可理解性。@jerallaire 转述了（240 个赞，30 条回复，16,703 次浏览，25 次收藏）指出，发现只是第一步；回复很快补上了缺失部分：身份、协商、凭证、记忆、执行和排名。@BNBCHAIN 做出了 也用公开的产品语言表达了同样的抱怨（90 个赞，40 条回复，30,725 次浏览），称构建者仍需要一个让人们发现、比较和雇佣 agent 的场所。BNB 讨论串下的一条回复开玩笑说，已经有 200,000 个 agent，却连一个能报税的都没有——这是一种非常直接的方式，点出了实用性缺口。值得构建程度：高。
当创建与判断共用同一个循环时，自主性就会失灵¶
最明确的系统性挫败在于：优秀的助手一旦把自主性硬接到同一个控制循环上，就会变得脆弱。@panda_liyin 认为（19 个赞，7 条回复，1,574 次浏览，10 次收藏）指出，编码 agent 在“人在回路中”的场景下已经接近完美，这恰恰说明自主性需要由独立的 agent 承担。一条回复进一步把问题说得更尖锐：负责渲染画面的系统，不应同时决定画面已经完成。@RamaswmySridhar 展示了 从评估侧面展示了同一问题（38 个赞，4 条回复，23,415 次浏览，17 次收藏）：即使模型保持不变，隐藏验证器和 harness 的选择也会改变结果。@Nekt_0 将其定义为 讨论了循环、图和 harness 的职责划分，@elune0x 扩展了 则把这种边界语言延伸到路由和权限控制。值得构建程度：高。
文案松散和模型漂移¶
质量方面的抱怨具体而非笼统。@shannholmberg 列出了（18 个赞，11 条回复，2,071 次浏览，12 次收藏）列出避免文案松散的五种方法：旧模型、平实文风、严格的上下文预算、voice-DNA 技能，以及独立的评估 agent。配图把这套工作流表达得很明确。
最有力的回复认同，独立评估器是杠杆最大的修复方式，因为负责写作的同一上下文不应同时负责评判输出。如今的权宜之计仍是手动调 harness 和切换模型，而不是依赖稳定的默认方案。值得构建程度：中。
键盘优先的控制方式造成注意力瓶颈¶
agent 构建者反复提到，操作员带宽正在成为新的限制。@nickvasiles 表示（26 个赞，7 条回复，1,074 次浏览，8 次收藏）指出，下一个 OpenClaw 时刻将属于语音，因为管理 agent 集群的人受限于注意力，而不是输入能力。回复称，手机优先的操作员和小企业用户更愿意说话而不是打字；但另一条回复也立刻暴露了缺口：人们真正想要的是真正的实时语音模式，而不只是 Telegram 或 WhatsApp 的语音封装。值得构建程度：中。
3. 人们希望存在什么¶
将发现、排名、身份与支付结合起来的市场¶
Circle、BNB Chain 和 Cysic 都从不同角度描述了同一套缺失的技术栈。Circle 有无密钥发现和 USDC/x402 结算，BNB 希望有一个可以比较和雇佣 agent 的场所，CyAI 则希望实现可审计的推理。回复中的直接诉求很明确：需要一个统一流程，让 agent 能被发现、排名、信任、支付并接受审计，而不是散落在不同工具之间。这个需求非常实际，因为多个讨论串都反复指出，在发现机制已经可用之后，真正缺的是后续衔接。机会：直接。
统一代码、研究与审批的工作台¶
Warp、ActiveGraph 和 buabaj 的 Workbench 从不同角度指向同一个愿望：操作员希望在一个地方看到子 agent、仓库、研究材料、日志和人工审批。Warp 强调子 agent 树和跨 harness 协同，ActiveGraph 强调可重放状态以及分叉与差异比较，Workbench 则强调面向不想长期待在终端里的人，提供混合代码与研究内容的 UX。这一方向看起来是现实需求而非愿景，因为原型已经存在，只是彼此割裂，而且往往还不够打磨。机会：竞争性。
独立于生成器进行判断的验证层¶
Panda 的自主性拆分、shannholmberg 关于评估 agent 的建议，以及 data-eng-bench 的隐藏验证器，都在表达同一个观点：团队需要一个清晰的层，能够独立于起草内容的模型，对工作进行批准、拒绝、重试或升级处理。如今的临时方案包括额外 agent、自定义规则和手动调 harness。能够嵌入编码、写作和研究工作流的可复用验证层，显然存在直接需求。机会：直接。
面向忙碌操作员的原生语音编排¶
Nick Vasilies 的讨论串及其回复描述了一项范围较窄但真实存在的需求：对于通过手机、在路上或工作间隙管理多项任务的人来说，语音应成为一等公民的编排模式。要求不只是语音输入和输出，而是在不退回到文本优先 UI 的情况下，实现低延迟、有状态的多 agent 控制。相关证据不如市场和验证主题充分，但已经具体到值得重视。机会：新兴。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| 循环 / 图 / harness 工程 | 编排方法 | (+) | 清晰区分重复、路由、权限和验证；Nekt_0、rohit4verse、elune0x 和 rvaniaaaa 提供了有力的可视化决策辅助 | 容易过度套用到简单任务上；重新包装的课程内容存在来源混淆 |
| Circle Discovery API | 发现 / 支付 API | (+/-) | 无密钥端点、14 个过滤条件、900+ 项服务、经过制裁名单筛查的列表，以及 USDC/x402 轨道 | 发现机制仍缺少内置的身份、排名、协商和记忆 |
| CyAI | 可验证推理市场 | (+/-) | 具备密码学可审计性、分布式供给、市场化定价，以及可信执行定位 | 目前证据主要仍停留在发布阶段的叙事；回复中几乎没有独立操作员反馈 |
| ActiveGraph | 持久化 agent 运行时 | (+) | 以事件日志作为事实来源，支持重放、分叉与差异比较，以及可恢复运行 | 更像架构方案，而不是现成的终端用户工作台 |
| Warp Agent | 编排 harness / UI | (+) | 跨 harness 子 agent、模型路由、可检查的对话记录，以及 Skills/Rules/Memory 集成 | 用户仍希望在编排树中更清楚地看到依赖关系和阻塞状态 |
| Prime Agent / PRIME-RL | Harness + RL 技术栈 | (+) | 持久化 REPL、持久化 harness 状态，以及一等公民的多 agent 训练环境 | 功能强大但复杂；对主流团队而言仍显得偏研究型 |
| data-eng-bench | 基准 / 评估 harness | (+) | 通过 103 个带隐藏验证器的真实 dbt 任务，让模型 + harness 的比较变得具体可行 | 仅适用于数据工程工作流 |
| Laravel Scout + Turbopuffer | 搜索基础设施 | (+) | 公开 PR 加入加权 BM25、语义搜索、混合搜索、过滤器和测试 | 目前仍是开放 PR，而非已交付框架的默认功能 |
总体而言，当工具暴露出明确状态或可度量接口时，满意度最高，例如公开端点、日志、验证器、任务审核面板或可重放历史。只要帖子更多是在讲市场故事，而不是操作员界面，评价就会转为复杂。常见的应对方式包括单独的自主性 agent、明确的审批闸门、独立评估 agent、用于文案的旧模型回退方案，以及让上下文保持可见的本地工作台。迁移趋势则是从提示列表转向分层运行时，从独立 agent 转向操作员控制台，以及从只评估模型转向评估“模型 + harness”。
5. 人们正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Circle Discovery API / Agent Marketplace | Circle | 构建在 USDC/x402 服务之上的公开发现层 | 让 agent 无需自行搭建发现基础设施，就能找到可支付的服务 | Circle Agent Stack、Discovery API、x402、USDC | 已上线 | 发布说明, 推文 |
| CyAI | Cysic | 面向 ComputeFi 的可验证 AI 推理市场与自动化层 | 用可审计的分布式执行替代不透明的中心化推理 | Cysic AI、ComputeFi、基于 ZK 的信任模型、分布式节点 | 已上线 | 文档, 推文 |
| ActiveGraph | @yoheinakajima | 面向仓库、事件溯源的持久化 agent 运行时 | 让长时间运行的 agent 可重放、可分叉和可审计 | Python、仅追加事件日志、packs、SQLite/Postgres 存储 | Beta | 仓库, 推文 |
| Warp Agent | Warp | 用于跨模型和 harness 编排子 agent 的 harness 与 CLI | 为操作员提供多 agent 运行过程的可见性和控制能力 | Oz、模型路由、Skills、Rules、Memory、MCP、跨 harness 子 agent | 已上线 | 文档, 推文 |
| Workbench | @buabaj_ | 围绕编码 harness 构建的本地代码与研究工作区，支持任务审核和 PDF 批注 | 帮助不习惯终端的构建者在一个界面中审核 agent 工作 | Prime Agent、Codex、Claude Code、本地笔记、PDF | Alpha | 推文 |
| PRIME-RL 多 agent 系统 | Prime Intellect | 用于 agent 评判、自博弈和用户模拟的训练与评估抽象 | 让多 agent 交互本身变得可训练、可度量 | prime-rl、Agent/Env 抽象、验证器 | Beta | 博客, 推文 |
| data-eng-bench | Snowflake Labs | 面向编码 agent 的 103 任务数据工程基准 | 使用带隐藏验证器的真实 dbt 任务，比较模型 + harness 组合 | Harbor、Docker、dbt、DuckDB/Snowflake、pytest 验证器 | 已上线 | 仓库, 推文 |
| Laravel Scout Turbopuffer engine | @taylorotwell | 为 Scout 加入 Turbopuffer 引擎及语义 / 混合搜索支持 | 改善与 agent 工作并行构建的框架内部搜索基础设施 | Laravel Scout、Turbopuffer、BM25、向量搜索、混合搜索 | Alpha | PR, 推文 |
Circle、Cysic 和 BNB 的市场构想从三个方向展示了同一个构建触发因素：如今已经有太多 agent 和服务存在，却没有可信的索引。Circle 正在解决付费服务的发现问题，Cysic 正在解决可验证推理问题，BNB 则公开呼吁生态去建设目录层。
ActiveGraph、Warp 和 Workbench 展示了三种不同的操作员界面策略。ActiveGraph 把日志本身视为产品，并让运行过程可分叉；Warp 把编排和跨 harness 委派变成受管理的控制平面；Workbench 则试图通过融合代码与研究内容的本地 UI，让更多人更容易用上同样的能力。
data-eng-bench、PRIME-RL 和 Scout/Turbopuffer PR 则指向第二种构建模式：构建 agent 基础设施，而不是终端用户封装层。一个让 harness 质量变得可度量，一个让多 agent 交互变得可训练，另一个则强化了人们用来构建 agent 的框架中的检索和搜索能力。
6. 新动态与值得关注的内容¶
data-eng-bench 让人难以再轻描淡写地回避 harness 比较¶
@RamaswmySridhar 做出了（38 个赞，4 条回复，23,415 次浏览，17 次收藏）提出了当天最有用的具体论断之一：同一模型搭配不同 harness，会产生明显不同的成本—质量结果。公开的 data-eng-bench 仓库 通过 103 个真实 dbt 任务和隐藏验证器，让这一论断可以复现。
Circle 量化了市场循环¶
低互动但信息量很高的 Cam Khosravi 幻灯片（5 个赞，1 条回复，43 次浏览）比十几条泛泛而谈的市场帖子更有价值。它给出了硬数据——x402 agent 支付量中有 99.3% 以 USDC 结算，已有 900+ 项付费服务上线——以及“发布 / 发现 / 支付 / 结算”的循环，其中信誉会反馈到下一笔交易。
一个个人工作台让后终端时代的 agent UX 变得具体¶
@buabaj_ 展示了（29 个赞，5 条回复，1,032 次浏览，12 次收藏）展示了一个将笔记、PDF、编码会话和任务审核集中在一起的本地工作区。截图把一个常见但仍少有直观展示的观点变得可见：一些构建者希望拥有 agent 的能力，却不想被迫采用终端优先的界面。
PRIME-RL 将多 agent 训练从理论推进到公开抽象¶
@willccbb 指出了（76 个赞，9 条回复，3,707 次浏览，15 次收藏）把 Prime Intellect 的新多 agent 技术栈视为一个重要时刻：长期讨论的理论终于变得可用。相关 PRIME-RL 帖子 值得注意，因为它并非只说“多 agent”，而是明确列出了 Agent 和 Env 抽象，并演示了评判、自博弈和用户模拟。
7. 机遇在哪里¶
[+++] 具备信任机制的 agent 市场 —— Circle 的无密钥发现 API、Circle 的市场指标幻灯片、BNB 关于建设 agent 发现与雇佣场所的请求，以及 Cysic 对可验证推理的定位，都指向同一个缺口。更完整的版本不应只是目录，还应包含排名、信誉、身份、支付和可审计性。
[+++] 独立的验证与审批层 —— panda_liyin 对自主性的拆分、shannholmberg 关于独立评估 agent 的建议、data-eng-bench 的隐藏验证器，以及 Nekt_0 和 elune0x 使用的 harness 语言，都在表达同一件事：生成与判断需要不同的控制界面。这一信号横跨编码、写作和长时间运行的自动化任务。
[++] 操作员工作台与编排 UX —— Warp、ActiveGraph 和 Workbench 分别切入了同一个操作员问题的不同部分：子 agent 可见性、可重放状态、代码与研究内容的混合上下文，以及人工审批。市场需求真实存在，但界面模式仍未定型。
[++] 面向特定领域的模型 + harness 基准测试 —— data-eng-bench 让一个领域变得具体，而 Laravel Scout/Turbopuffer 的工作表明，相邻的基础设施构建者已经在围绕这些工作流强化检索和评估。未来仍有空间开发更多基准，让 harness 而不仅是模型成为被测试的变量。
[+] 原生语音集群控制 —— Nick Vasilies 的讨论串及其回复表明，语音作为编排界面存在真实但仍处于早期的需求。诉求十分具体：为多 agent 工作提供真正的实时语音控制，而不是简单加装语音输入输出。
8. 核心结论¶
- Agent 运行时讨论已经从理论走向可教学的体系。 海报、分层图和课程串把循环、图与 harness 变成了公开课程，而不再只是小众术语。（来源）
- 市场问题如今是发现 + 信任 + 支付，而不只是发现。 Circle、BNB Chain 和 Cysic 都描述了同一循环的不同组成部分，而回复不断指出，排名、身份和可审计性将成为下一批瓶颈。（来源）
- 构建者的精力正在转向操作员界面。 Warp 的子 agent 树、ActiveGraph 以日志为先的运行时，以及 buabaj 的本地 Workbench 都表明，人类如何查看和引导 agent，正在成为独立的产品类别。（来源）
- Harness 质量正在变得可度量、可训练。 data-eng-bench 让模型 + harness 的比较变得可复现，而 PRIME-RL 则把多 agent 交互本身变成了可编程的训练环境。（来源）
- 更高的自主性正在增加对独立判断层的需求，而不是减少这种需求。 最强烈的抱怨都指向独立评估 agent、审批闸门和自主性编排器：它们能够在同一系统自我评分前说“不”，或要求人工介入。（来源）