全网都在转那个 100 个 GrokBot 协同做项目的视频，但把 99% 的夸张词剥掉，它真正有价值的只有那套分层骨架。
大家第一眼会被自学习集群唬住，以为这是模型要接管团队，实际上它只是一套教科书式的多智能体任务拆解。
视频里的结构其实很工整：
最上层的首席代理只对最终目标负责，不碰具体执行；
中间的 PM 代理把大任务切成独立的验收工单；
底层的子代理被放进循环，一次只解决一个明确的微观问题。
真正的系统瓶颈从来不是让更多 Agent 参与对话，而是掐断它们之间的上下文污染。
很多跑多智能体的人最容易踩的坑，就是把所有 Agent 塞进同一个大聊天室。
上游稍微飘出一点幻觉，下游几个代理就会顺着错误互相吹捧、自我强化。
所谓的自学习，如果脱离了带基准测试的反馈循环，最后往往会退化成在错误方向上狂奔的死循环。
这套体系能不能跑通，全看三件套怎么配合：
首席代理是包工头，只定交付标准不插手砌砖；
PM 代理是带卷尺的质检员，卡死每一道工序的单向验收；
底下的 Agent 是流水线工人，拿干净的提示词进场，干完活立刻清空上下文退场。
还有三件原作者没细说的事，实操时必须自己焊上安全阀：
第一，循环必须设硬性步数上限，否则死锁一晚上就能把额度跑穿；
第二，子代理之间绝对不要直接私聊，所有交付必须退回给 PM 重新格式化；
第三，终端必须有真实的运行环境去报错，靠模型自己给自己打分，靠谱度几乎为零。
玩 AI 别被 100 这个数字带偏了节奏。
在真实的工程里，能把 1 个调度器、1 个质检员和 2 个干活的 Agent 彻底理顺，让它们不产生错误级联，你就已经走在大部分盲目堆数量的人前面了。 https://t.co/djF8TYM05g