被 Karpathy 的 autoresearch 启发，我让 VibeHQ 学会了自我进化，不是进化单一 agent，是进化整个Multi Agents的合作方式。 7 次全自动运行，零人工介入： • Token 用量：7.2M → 5.7M（峰值降 62%） • 协调相关问题降低 (重复工作等情况发生...)：4 → 0 • PM token 浪费：-91% 回圈: benchmark → 合作量化以及 LLM 分析失败模式 → /optimize-protocol 重写协调 code → rebuild → repeat。 AI自己看著 agents 团队合作失败，自己分析为什么失败，然后自己改自己的 source code 来协调合作逻辑，全程零人工，完全让AI来自己组织自己的团队默契。 看了一下相关的东西，autoresearch 在自动优化Model的训练，之前的 Ralph 是单 agent 的自主回圈，Gastown 同时跑 20-30 个 Claude Code 做 orchestration 但并没有进化的能力，这些都很猛，不过到后面也都在进化单一 agent 的能力。 没人在进化团队合作本身，怎么分工、怎么避免冲突、怎么共享 context、怎么互相 unblock，跟真实世界一样，AI team 也是需要磨合的。 想像一下这东西跑下去会变什么： • Agents 自己发展出团队文化跟工作默契。 • 按项目进行自适应，依据项目开发程度来分配 3 人 team 或是 7 人 team 。 • 越多项目一起做，团队越强。 • Agents 可以在项目进行中 onboard 新队友，自动重新分配工作。 说真的，最后会进化成什么？我也不知道，但这反而是最让人兴奋的部分。

详细实验数据结果可看这篇