返回资讯中心
外部精选
软件工程
#开发者实时流

Replit 推出 Missions,用智能体集群按目标和预算完成复杂任务

来源标题:Introducing Replit Missions

Replit 发布 Replit Missions,用户设定目标、预算和边界后,由一组智能体协同完成规划、构建、测试与迭代。Replit 用它内部搭建应用监控平台 DataCat,两天内、3000 美元预算下完成仪表盘、告警和应用追踪,并按性能与可靠性指标测试。Missions 无需用户自行搭建协调智能体集群的基础设施。

Hacker News 最新gmays2026/11/18 · 今天21 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

今天我们推出 Replit Missions,帮助你的团队承接那些一直没时间或没精力去做的复杂工作:赢得更多企业客户、提升产品性能,或替换遗留软件。你定义目标成果,Replit 则会协调一群 agent 在你设定的预算和边界内进行规划、构建、测试,并不断迭代,朝着目标推进。

在 Replit,我们想探索将应用监控引入内部,以降低成本并获得更多控制权。我们给 Missions 设定了一个目标:构建 DataCat,一个我们可以在自己的基础设施上定制和运行平台。在两天内、3,000 美元的预算下,一群 agent 构建了仪表盘、告警和应用追踪,然后根据可衡量的性能和可靠性目标对平台进行了测试。

DataCat 只是 Missions 所能实现的工作的一个例子。Missions 将同样的方法带到你团队的目标中,而无需你构建和维护协调 agent 集群所需的复杂基础设施。

你可以从一个任务开始,比如“赢得我们的前 10 个付费企业客户”。你不需要预先决定要瞄准哪些行业、接触哪些买家,或先解决哪个客户问题。寻找和评估这些方法是你委派出去的工作的一部分。

在设置过程中,Missions 会提问以定义成功。对你业务而言,什么算作企业客户?付费试点是否计入前 10 个,还是成功意味着签下超过最低金额的年度合同?你的回答将决定任务优先考虑哪些客户,以及如何衡量结果。

掌控预算和边界

你的 Missions 协议设定了支出上限以及哪些操作需要你的许可。你们还就要接受的权衡达成一致,例如提供付费试点或年度合同折扣。

例如,你可以将任务支出上限设为 1,000 美元,并要求 agent 在联系潜在客户、分享提案、更改面向客户的销售材料或做出产品承诺之前必须获得批准。随着方法演进,这些限制和审批要求始终有效。

让 agent 规划、构建和迭代

对于你的企业销售任务,agent 可能会研究目标客户、构建定制演示,并准备外联内容供你批准。集群让它们并行工作,一个 agent 研究买家,另一个开发演示。在批准的外联发送后,任务可以返回审查哪些客户和消息正在产生合格的对话。

这些回应将指导下一轮工作。agent 可能会聚焦于表现出更强兴趣的行业,围绕反复出现的买家问题改进演示,或修改回应寥寥的消息。

图示展示了 agent 集群正在改进 Replit Slides 图表展示了使用 Auto (Max) 和 Auto (Power) 时,NumPy 基准测试加速比随 agent 数量的变化。 Agent 集群赋予 Missions 同时探索多种解决方案、分享见解并在彼此发现的基础上继续构建的能力。对于性能优化这类问题,agent 并行测试不同的实现,利用共享的发现来改进各自的方法,并在寻找更快解决方案的过程中共同验证正确性。

我们在 13 个具有代表性的 NumPy 基准任务上对此进行了测试。Agent 探索了替代实现,优化了内存访问模式,并自动验证了正确性。使用 Auto (Max) 时,单个 agent 实现了高达 4 倍的加速。一个 16-agent 集群达到了 17 倍,一个 32-agent 集群达到了 19 倍。Auto (Power) 显示出相同的模式:分别为 2 倍、7 倍和 9 倍。

令人瞩目的结果是集群取得了多大的进展。并行探索更多方法帮助 Missions 找到了显著更快的实现,展示了 agent 集群在复杂优化工作上的潜力。

在规划期间,你选择你想了解的内容,包括阻碍、进度更新和一般状态,以及频率:立即、每日摘要或每周。你可以合上笔记本电脑,让云端 agent 工作。Missions 根据你的偏好发送更新,并在需要你输入时联系你。

一个独立的 AI 评判员根据你商定的成功标准检查结果,agent 利用其反馈来改进工作。当这些标准满足时,任务被标记为完成。如果预算先耗尽,工作停止,结果仍未解决。

无论何时你想更仔细地查看,你都可以看到已完成的工作、活跃任务和下一步行动,包括任何等待你批准的事项。

我们使用 Missions 构建了 DataCat,一个我们可以自行运行和定制的应用监控平台。在 2 天内、3,000 美元的预算下,Missions 根据我们在 Mission Contract 中设定的目标,构建了一个可工作的平台,包含仪表盘、告警和应用追踪,然后根据可衡量的性能和可靠性目标对其进行了测试。

Missions 还构建了 DataCat 自己的 agent,它从每台服务器收集监控数据,以及其追踪库。DataCat 可以独立于原始平台的 agent 和库运行。

为了测试 DataCat 是否能帮助诊断故障,我们故意引入了一个数据库 bug。DataCat 在 38 秒内发出了告警,超过了我们 60 秒的目标,并将故障追踪到确切的数据库查询及其日志。

该任务还构建了用于三小时负载测试的示例应用程序。DataCat 存储了 2600 万条应用活动记录和 440 万条日志条目,没有数据丢失,同时搜索和告警持续运行。所有 36 项数据正确性检查和 15 项告警可靠性检查均通过。

该任务将其监控代码与原始平台的追踪库和 agent 进行了比较。在匹配的 Node.js 测试中,应用程序处理了更多请求,且与监控相关的处理器开销更少。DataCat 的 agent 还使用了更少的内存,并使日志更快可搜索。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →