章节摘要:本章跟着"把对手戏升级成生产力"这条线走:先让演员走下舞台调用真实工具(具身智能体),再请一位审戏人入场把关(评论家在环),然后把一场戏复制成一百场(数据合成),最后看对手戏长成群戏的分岔口(规模化与 OWL)。四个站点共用同一个母题:第 3 章的骨架不动,往上面加新机制。
主线继续用交易机器人的戏班。第 3 章首演结束时你手里有一场漂亮的对嘴戏——但冷静看,它有个尴尬:助理交付的是"看起来能跑的代码",从没真的跑过。行情接口是不是真能返回数据、回测数字是不是算对了,两边演员谁也没验证过。这就是首演级系统的天花板:对话是闭环的,事实是开环的。
本章四个机制,全部针对这个天花板。具身智能体给助理一双能碰到外部世界的手——代码真跑、网页真开、文档真读;评论家在环在观众席加一位专业审戏人——每个方案先过审再进对话历史,把"看起来对"和"真的对"之间的缝焊上;数据合成把验证过的对话复制成批量产线——一场戏的编排成本摊到一百份产出上;规模化与群戏是这条线的自然延伸——当两个角色不够用时,戏怎么扩、代价是什么。四个机制有严格的学习顺序:工具先行,审核跟上,然后才谈量产,最后才谈扩编。
本章最大的认知转折在 4.2:多数人以为双智能体系统的质量瓶颈在"演员够不够聪明",加评论家后才明白瓶颈常常在"验收够不够硬"。评论家的价值不在它更聪明,而在它立场独立——甲方与乙方在一场戏里已经形成了利益一致(快收工),第三方的存在打破了这种合谋结构。这个洞察可以推广:任何多智能体系统,参与方之间的独立性设计比能力堆叠更重要。
第二个转折在 4.4:群戏不是"更多的对手戏"。从两个角色到 N 个角色,协调成本不是线性增长而是组合级增长,错误传播链也完全不同。读完后你会对"该不该上群戏"形成一条清晰的成本判断线——多数真实需求,几场并行的对手戏比一场群戏更划算。
机制都齐了,该演真戏了。第 5 章四个保留剧目——股票交易、AI Society、AI Code、营销同台——每个都对应本章的一个机制侧重:第一个重具身与验收,第二个重数据合成,第三个重任务分解,第四个重跨框架协作。