微软 Agensh 用 1024 个 Agent 无编排器协作重建 pandoc

The full text in the selected language is awaiting translation. The original is shown for now.

现有的Coding多智能体框架——Codex sub-agent、Claude Code agent teams、Copilot fleet、Kimi Agent Swarm——全都绕不开一个角色：中心编排器。任务分得好不好、worker管不管得过来，全看它的脑容量。系统能扩到多大，天花板就是编排器能管多少人。Google：首篇词元（Token）技术全景综述

微软这篇《Agensh》的选择是：把编排器砍了。1024 个 agent 没有老板，靠一套自组织协作循环（Cooperation Loop）加三件基础设施，6 小时断网从零重建 pandoc，测试通过率从单 agent 的 33.89% 干到 55.06%。

图1：pandoc 任务从 1 到 1024 个 agent 的扩展曲线，以及随规模涌现的自组织合作形态

砍掉编排器，自己组织

先看范式对比。左边是旧的：编排器负责规划、分解、派活、整合，worker只是执行手脚。这套结构还有两个隐形成本——编排器往往得专门训练，而且它的管理能力就是整个系统的规模上限。

右边是 Agensh：没有中心节点，worker 之间通过一套轻量基础设施共享状态、广播进度、互相协调。任务发现和分配这件事，由worker群体自组织完成。

五步循环：没有老板，活怎么分

砍掉老板之后，第一个问题是活谁来分。Agensh 的答案是一个每个 worker 都在跑的五步协作循环：

图3：Agensh 多智能体协作循环（Multi-Agent Cooperation Loop）——收集上下文、认领子任务、执行、验证、合并，异步重复

Gather context：读共享目标、看同伴进度和留言，搞清楚什么做完了、什么还空着；
Claim sub-task：自己提议一个子任务，往共享上下文里写一条 CLAIM 宣布认领；撞车了就用直消息私聊解决；
Take action：本地干活，过程中一旦发现对同伴有用的结论，立刻广播出去；
Verify results：对照验收标准自查，不达标就改到达标；
Merge progress：合并进共享工作区，发布改动说明和验证证据；合并冲突就先同步同伴成果、解冲突、再合。

全程异步，谁也不等谁。循环跑完回到第一步，找下一块活。

三件套：Git 当办公室，聊天软件当走廊

循环要转起来，靠的是三件基础设施，而且全是现成的开源件：

图4：Agensh 组织基础设施——共享工作区、消息接口、共享上下文

共享工作区 = Gitea。组织的工作成果全在 Git 里：私有分支干活，PR 合主干，冲突检测、版本历史、issue 一应俱全；
消息接口 = Mattermost。频道承载团队公告，直消息用于紧急一对一——直消息能插队送进对方当前回合，是平息撞车的快车道；
共享上下文 = 借鉴 DeLM 的上下文板。worker发布五种短条目：OBSERVED（观察到的行为）、FACT（确认的事实）、FAIL（证伪的方案，最值钱，直接帮全组避坑）、CLAIM（认领声明）、PATCH_SUMMARY（改动摘要）。板子是 append-only 的，还配了 grep 工具翻全量历史。

最妙的是实现方式：协作循环不写死在运行时里，而是写在每个 worker 的 prompt 里。1024 个 worker 用同一份 prompt，只差 worker ID。底层单 agent harness 可插拔——实验里用的是 Copilot，换 Claude Code 只需一个轻量适配器。

实验：拿五个最难的软件开刀

考场是 ProgramBench：给一个编译好的参考二进制，断网，6 小时预算，从零重建出能通过隐藏测试的完整代码库。选了全基准最难的五道题，参考仓库都是怪物级：

表1：ProgramBench 五个最难任务的参考仓库规模

PHP-src 两万六千个文件、281 万行代码，FFmpeg 也有 155 万行。模型统一 GPT-5.6-sol（high），底层 harness 统一 Copilot，唯一变量是 agent 数量。

结果：1 → 8 → 32 → 128 个 agent，五题平均最终通过率 **19.31% → 20.68% → 26.52% → 28.78%**，相对提升约 49%。pandoc 一题继续推到 1024 个：33.89% → 50.94%（128 个）→ 55.06%（1024 个）。

图5：五个最难任务上从 1 到 128 个 agent 的最终通过率

不只更高，还更快

前两个小时的曲线更有意思：大组织更早达到同等水平。pandoc 上 30% 通过率这条线，128 个 agent 在 30 分钟就跨过去了，32 个要 60 分钟，8 个要 90 分钟，单 agent 两小时内始终没摸到。

也就是说，agent 数量同时买到了两样东西：最终质量，和到达质量的速度。对有硬时限的任务，这是双重利好。

图6：前五题 2 小时内通过率随时间变化，大组织更早到达同等水平

Agensh: Scaling Organizational Intelligence to 1,024 Agents
arxiv：2609.26781