四个AI代理实时协同在企业编码任务中超越Claude Opus 4.8

Coral AI Labs的研究人员与多所大学合作，推出了AgentRadio，这是一个异步消息传递层，允许AI智能体在复杂的长期任务中实时协调。根据本周发表的一篇论文，在早期测试中，使用AgentRadio的四个Claude Code智能体团队的准确率几乎是独立智能体的两倍，甚至超过了运行在更强大的Opus 4.8模型上的单个智能体。这一突破凸显了协调结构而非原始计算能力或模型规模，可能是处理企业级代码库的关键。

企业代码库变得越来越复杂，负责分析这些代码库的AI智能体在任务需要多次交互和工具调用时往往举步维艰。诸如代码库理解之类的长期任务迫使智能体构建软件、执行软件、跨多个文件跟踪执行路径，并在较长时间内综合证据。单个智能体通常遵循一条串行路径，随着其上下文被后期发现但无法传播的信息填满，其初始计划变得更难修订。

为了衡量性能，该团队使用了SWE-Atlas QnA基准测试，该基准测试向AI模型提出一系列针对实际生产代码库的长期自然语言问题。这些任务不能通过简单的代码探索来解决；智能体必须实际运行软件并执行多个命令才能找到答案。在他们的实验中，运行在Opus 4.6上的单个Claude Code实例仅解决了这些任务的32.3%。升级到更新的Opus 4.8后，这一比例提高到57.2%。

AgentRadio采用了不同的方法。该层不是让智能体并行但隔离地运行，也不是强迫它们等待同步通信轮次，而是允许每个智能体在其执行步骤之间异步发送和接收消息。这意味着智能体可以共享中间发现、请求帮助，或接收中途修正，而不

把任意网站变成干净 JSON

现成爬虫与 AI 智能体

试用 Apify