AI news

Agent正确率从26%飙到70%,最近爆火的EvoX有东西啊

By 小小莫理1 viewsSource: 莫理
Agent正确率从26%飙到70%,最近爆火的EvoX有东西啊

Agent 出现这么久了,大伙应该对它们的工作方式也不陌生了吧?

The full text has not been translated yet. The Chinese original is shown below.

前言

Agent 出现这么久了,大伙应该对它们的工作方式也不陌生了吧?

平时收到我们的任务后,简单的就自己闷头干;要是判断任务比较复杂,就会叫来几个子 Agent 小弟,一起帮忙完成。

一般是总 Agent 负责拆分和分配任务,子 Agent 分别去查资料、写内容、解决其中的一小部分。等大家全都干完,再把结果交回总 Agent,由它重新看一遍,最后整理出一份完整答案。

文章配图

这么配合当然没什么问题。只是所有结果都要经过总 Agent 再理解一次,下面的子 Agent 就算已经找到了正确答案,一些条件、数字和细节也可能在整理时被漏掉。

打个比方,十个人分别做完十道题,却不能直接交答题卡,而是要先把答案讲给一个同学听,再由这个同学重新写一遍。题可能都做对了,但最后交上去的答案,多少还是可能发生一点变化。

文章配图

不过现在,有一个中国团队就觉得,这件事不一定非要留一个“总管”来收作业。

他们提出了一种叫“去中心化蜂群”的组织方式。就是多个 Agent 之间平级分工,每个 Agent 只负责自己边界内的任务。完成以后,程序直接按照任务编号,把对应的结果汇合到一起,省去了总 Agent 再理解、再转述的过程。

文章配图

除此之外,他们还在尝试让 Agent 把已经跑通的方法保存下来,交给其他 Agent 继续使用。后面有了新的结果,这些经验还会接着修改和更新。

这条方向叫 AI for AI。用大白话说,就是让 AI 来优化 AI。

最近,他们把这些能力做成了一款咱们普通人也能使用的桌面 Agent:EvoX。

文章配图

EvoX

先让 EvoX 开一家咖啡店

这次,咱们先不讲概念了。我直接给大家看看我用 EvoX 给一家咖啡店安排的开业计划。

我提前准备了一些咖啡店的相关信息,里面有店铺背景、菜单成本、人员排班、供应商报价和场地限制,然后一次性放进 EvoX。

给它的任务也很简单,为这家店制定一套可以直接执行的七天开业周方案。

文章配图

这里顺带提醒一句,如果你也想体验蜂群协作,发任务前一定要打开输入框下方的“蜂群”按钮。没有打开的话,是没有办法体验到蜂群协作的。

文章配图

EvoX 收到任务以后,先对整件事做了拆解。界面上能看到,它叫来了 5 个 Agent 来处理店铺的方方面面。

文章配图

五个 Agent 会同时开始工作,点开其中任何一个,还能继续查看它具体拿到了什么任务、目前进行到哪一步。

文章配图

等它们各自完成工作,EvoX 最后给我输出了一整套开业周方案。

里面包括每天要做什么、员工怎么排班、菜单和活动怎么安排、宣传内容什么时候发、预算分别花到哪里,以及哪些地方还存在风险,需要店主自己确认。

文章配图

文章配图

蜂群和 Sub-Agent 有什么不同

看完刚才的过程,可能有人会觉得:感觉和之前没有什么区别啊?这不就是多叫几个 Agent,一起帮忙干活吗?

其实,它们区别主要出在最后怎么汇合。

EvoX 团队还专门做过一组实验。他们准备了 563 道逻辑、数学和物理题,三种模式使用的都是同一个模型 Claude Haiku 4.5,题目和判断标准也完全一样,只改变 Agent 之间的工作方式。

最终,单 Agent 的正确率是 26.29%,Sub-Agent 模式是 38.54%,EvoX 蜂群则达到了 70.69%—70.87%。

文章配图

更有意思的是,Sub-Agent 在中间其实已经答对了 373 道题,经过总 Agent 汇总以后,最后只保留下来 217 道,正确答案的保留率只有 55.5%。

文章配图

也就是说,很多题并不是子 Agent 不会做,而是在最后转交、理解和重写的时候,答案发生了变化

再回头看刚才的咖啡店 Case,重点也就不只是“同时叫来了几个 Agent”。谁负责什么、结果放到哪里,最后由程序直接汇合,这才是蜂群和普通 Sub-Agent 模式真正拉开差别的地方。

文章配图

不到 20 人的 EvoMap 团队

看到这里,我也开始好奇,EvoX 背后到底是一支什么样的团队,为什么会把精力放在这种协作方式上。

答案多少有点意外。

EvoMap 是一家 2025 年成立于深圳的创业公司,团队不到 20 人,大多是 95 后和 00 后。放在 AI 时代,人少未必是劣势。决策链短、试错快,再借 Agent 放大执行力,小团队反而更加灵活。

EvoX 做的事情,其实也像是在回答他们自己会遇到的问题:怎样让一群 Agent 配合起来,又怎样把已经跑通的方法留下来。

这里的 EvoMap 既是团队的名字,也是他们搭建的一张 Agent 经验网络;EvoX 则是普通用户接触这套能力的入口。

文章配图

第二次,不再重讲规矩

咖啡店开业方案完成以后,我们可以把其中一些长期不变的规则交给 EvoX 保存下来。除此之外,EvoX 也会在日常任务中自动留下部分相关记忆。

文章配图

我换了一个新任务,让它为同一家咖啡店制定中秋三日活动方案。

这一次,我只提供新的预算、人员、库存和场地通知,没有再把上一轮的经营规则重新说一遍。

文章配图

任务开始后,界面很快提示它想起了上一轮的店铺信息,并复用了其中四条记忆。

文章配图

写到这里,EvoMap 想做的事情也容易理解多了。

它有点像给 Agent 准备的经验论坛。一个 Agent 跑通任务以后,顺手留下一篇攻略;另一个 Agent 遇到类似问题时,可以先找到这份经验,再根据自己手上的新情况使用。

文章配图

也是因为复用了之前的经验,这次的活动方案策划,不仅速度更快,内容也更详细了。

文章配图

把这套方法用进研究

EvoMap 团队还把蜂群+经验迭代这套思路用在了更复杂的研究任务里,做出了已经开源的 AutoResearch。简单来说,AR是蜂群协作的产物。

文章配图

在 AutoResearch 里,不同 Agent 分别负责提出方案、执行实验、运行测试和检查结果。成功的办法会进入下一轮,失败也不会被直接丢掉,而是作为后续修改的依据。

在官方公布的 Django 修复实验中,新增功能测试从 2/7 推进到 7/7,同时保持 203/203 项回归测试通过。

文章配图

AI 优化 AI 会用在哪里

这里可以先想象一个未来可能出现的场景。

工作日中午,写字楼附近突然下起暴雨。订单一下多了起来,商家出餐变慢,骑手还要面对积水路段、拥挤的取餐点和漫长的电梯等待。

不同 Agent 可以分别尝试缩小合单范围、优先安排已经出餐的订单,或者避开持续拥堵的取餐点。

如果某种办法确实减少了骑手绕路,也让送达时间更加稳定,这套方法就可以连同当时的天气、订单密度和商家出餐情况一起保存。下一次,另一片区域遇到相似情况,Agent 找到这份经验,确认条件接近后再使用,不必从头试错

类似的经验也可能出现在餐厅后厨的备餐安排、物流运输中的临时路线调整,以及更多普通人每天都会接触到的生活服务里。

写在最后

今天不少 Agent 仍在学习怎样像人一样点鼠标、填表格、操作网页。这个阶段当然有用,因为我们现有的软件和工作流程本来就是为人设计的。

但机器擅长的事情并不完全相同。它可以并行处理任务,按照编号精确汇合结果,也可以保存机器能够直接读取和继续使用的经验。

未来的 Agent 会逐渐形成自己的工具和行为方式,不必永远扮演一个操作人类软件的数字员工。

EvoMap 正在探索的,就是这样一套属于 Agent 自己的组织和经验系统。

AI 开始优化 AI 了。它开始形成自己的协作方式,也开始把跑通的方法保存、分享并继续改进。

EvoX 和 AutoResearch 已经让这件事有了可以被看到的成果,而 EvoMap 正在朝着下一个十年的起点继续往前走。

文章来自于"莫理",作者 "小小莫理"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)