返回资讯中心
外部精选
软件工程
#开发者实时流

Agent Forge让多个AI模型互相核查,避免单一模型出错

来源标题:90% of the models can do 90% of the work while best owns the turn

Agent Forge 不依赖单一 AI 模型,而是让来自 4 个 AI 实验室的 10 个 agent 分工并交叉核查,由不同模型验证团队结论。在一个案例中,一个 agent 报告无法读取最新版本,被另一实验室的检查模型用团队自身存储的结果判定为矛盾。Stack Overflow 2025 年调查显示,66% 的开发者将模型出错却言之凿凿列为最主要的 AI 困扰。

Hacker News 最新dimriprash2026/11/10 · 7 天前9 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。

一个AI模型即使在犯错时,语气也同样笃定。你往往事后才发现问题,通常是在你已经采用了它的答案之后。

Agent Forge 不要求你信任某一个模型。它让一支团队来完成任务,再由另一个模型核查团队的发现。

66% 的开发者将其列为最令他们头疼的 AI 问题。Stack Overflow 调查,2025

一个真实的回合,来自 2026 年 10 月 16 日,依据其自身记录回放。

真实回合 · 2026 年 10 月 16 日 · 以 25 倍速回放

提问:依据当日来源,重新核查 Qdrant 的许可证、基准测试和托管成本。

许可证:Apache-2.0 已对照 LICENSE 核实

最新版本:无法读取。 已被推翻 · 由 DeepSeek V4.1 Flash 发现 r6 · GitHub release API · v1.19.2 · 2026-10-05

1000 万文档的容量规划 成立 · 已核查

10 个 agent · 4 家 AI 实验室 · 每一项声明都经过核查

同一个回合,在平台自身的界面上

2026 年 10 月 16 日,我们要求它依据当日来源,重新核查一个开源数据库的许可证、基准测试和托管成本。来自四家 AI 实验室的十个 agent 承担了这项任务。

一名 worker 报告说它无法读取最新版本。来自另一家实验室的 checker 发现,这一说法与团队自身存储的结果相矛盾,最终答案也如实说明了这一点。

看看一个请求如何变成完成的工作 →

同一支团队运行每一个工作区。在每个工作区中,它知道自己身处何处、能触碰什么。

要求做供应商对比、尽职调查备忘或市场核查。Worker 会抓取当前来源,再由另一个模型对照它们找到的内容检验各项声明。

连接 Postgres、MySQL、SQLite 或 MongoDB,或上传电子表格,然后用大白话提问。它会写出查询并展示结果。它想做的任何更改都会等待你的批准。

上传一份投保申请。它会提取字段,核查承运人的联邦安全记录,并基于一个研究库给出回答。每个评级因素都标明其来源,报价始终只是给核保人的建议。

生成图片、编辑图片,或将其转为视频。在聊天中使用 Direct Media Studio,或自行设置各项控制,简单的图片处理依然是一项快速任务。

规划一项更改,把它写出来,在任何文件移动之前先阅读将会发生什么。连接 GitHub、Notion 或 Linear,工作就会进入你自己的工具,但需经你批准。

索取完成的文件:Word、PowerPoint、Excel、PDF 或网页。它会落在你的工作区,随时可下载。

并非每个请求都需要每一个步骤。一个简单的问题走短路径。

这是什么样的工作、有多难、需要什么。

相关的聊天、文件和过往结果按含义而非关键词被召回。

困难的新工作交给一个由最多三个顶级模型组成的议事会。简单的请求,以及它以前解决过的工作,则跳过这一步。

每个部分都交给最适合做它的模型。Agent 可以再生成更多 agent。

当一个回合使用了工具或 agent,另一个模型会对照存储的证据检验结果。未通过的内容会被修正,或被标记为未核实。

结果会被评分,而这份记录会决定谁获得下一个类似任务。

Agent 可以自由读取。任何会更改你的文件、数据或已连接应用的操作,都要等待你的同意。

大多数工具依据模型自称能做什么来选择模型。Agent Forge 则权衡每个模型在这里实际做过什么。

完成的工作会被评分,每个模型凭其交付的成果赢得信任。公开排行榜让一个新模型获得起步机会。它在这里的记录则决定其余一切。

了解 Agent Forge 背后的评估工作:任务、评分标准和模型测试。

账户目前需申请。告诉我们你想构建什么,我们会在真实系统上向你展示与你最相关的部分。

通常在几天内回复。任何问题都可以问,包括那些目前还不起作用的部分。

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 →