五十个智能体的生存实验：协作如何走向保守

一、目标只有一句话，执行却需要一套优先级

这场实验将50个智能体放入同一个生存沙盒，运行三小时。实验只给出一个高层目标：“建一个繁荣的文明”。智能体需要自行决定先采集什么、在哪里定居、如何分工，以及在遭遇损失后是否继续探索。

开局约90秒，出生点附近的树木就几乎被砍光。这个现象说明大量智能体可以快速执行同一类任务，却不能证明它们已经形成了有效分工。采集是容易启动、结果也容易观察的行动；相比之下，选址、运输、建造、储备和夜间防护都需要跨角色配合。如果采集端全速运行，而建造端缺少人手或没有明确的交付地点，局部产出再高，也不一定能缩短定居点的完工时间。

问题出在“繁荣”没有定义行动的先后顺序。一个可执行的任务设计，可以把目标分成三个层次：先满足庇护和补给等生存约束，再完成储备、设施建设等阶段交付，最后在保留安全余量的条件下扩展探索范围。每层都应说明由谁验收、依据什么状态进入下一阶段。这样做不是替智能体决定每一步，而是让它们知道，何时应停止重复采集，转而补齐当前最紧迫的缺口。

二、没有投票，为什么仍然出现了领导者？

实验没有通过投票选出负责人。通讯录中排在首位的一名智能体，因为反复被其他成员找来审批，逐步成为事实上的协调者，并在共享电脑上写下定居计划。

这个过程揭示了一种容易被忽略的系统行为：一个容易找到的联络入口，可能在反复使用中变成默认的决策入口。 成员不知道该向谁询问时，会先找最显眼的联系人；同一个人接到更多请求，就更容易掌握全局信息；当其他成员发现向它询问通常能得到答复，又会进一步强化这条沟通路径。不过，单次观察不足以证明通讯录排序是领导权形成的唯一原因。响应速度、早期行动和其他成员的转介，也可能影响结果。

集中协调在定居初期有实际价值。有人汇总建设需求，团队就更容易发现重复任务、共享物资冲突和前置条件缺失。但如果日常领用、任务认领、异常上报都必须经过同一个节点，协调者处理不过来时，其他成员即使有资源、有能力，也可能只能等待。

更合适的做法是把决策权按影响范围拆开：涉及定居点迁移、储备下限或多个小组争用同一资源的决策，由全局协调者处理；影响局部且容易撤销的操作，由小组在授权范围内自行决定。共享计划应明确记录任务负责人、完成条件、当前阻塞项以及何时需要升级。否则，即使所有人都能看到计划，也还是要回到私信里逐项确认。

三、首夜22次死亡，为什么之后越来越保守？

实验全程记录了34次死亡，其中22次发生在第一晚，约占总数的65%。这里统计的是死亡事件，不是死亡的独立个体数，因此不能据此推断恰好有22个不同的智能体在首夜死亡。游戏允许复活，但装备会掉落，原任务也会中断。对团队而言，一次失败的成本不只是个体重新出现前的等待，还包括物资损失和被打断的协作安排。

到第三晚之后，协调者要求暂停非必要挖掘和远距离侦察，让成员留在照明充分的封闭空间，等待分配范围较小的任务。这一调整直接减少了高风险活动的暴露机会，但原始记录没有给出逐阶段的活动量和死亡率，因此不能仅凭首夜后的死亡次数下降，就认定智能体在相同任务条件下变得更安全。也可能是它们减少了出门次数，自然遇到了更少危险。

关键区别在于：降低风险敞口，不等于提高处理风险的能力。 如果暂停是为了重建装备、补足照明和明确返程路线，它可以帮助团队恢复；如果没有恢复条件，临时管控就可能变成长期停工。设计任务时，可以给暂停策略附上可观测的退出条件，例如必要补给已经备齐、路线已经确认、外出小组能够按约定返回。恢复也不必一步到位：先试行短程、可撤回的任务，再根据完成情况决定是否扩大范围。这样既能检验改进是否有效，也不会把所有探索能力都押在一次全面放开上。

四、一只烤鸡暴露了资源交接的三个状态

实验中，一名成员负责维护食物台账。饥饿的成员先私信申请，获准后到指定箱子取食，吃完再报告生命值。另一次临时交付中，协调者把一只烤鸡丢给一名饥饿成员，却被旁边的另一名成员捡起并吃掉。随后，团队为此写了一份五步交接规程。原始材料没有提供这五步的具体条文，但这次失败本身已经足以说明问题。

在协作系统里，“获准领取”“资源已投放”和“预定接收者已收到”是三个不同的状态。审批成功并不能阻止第三方拿走物品；把物品放出来也不等于交付完成。如果系统只记了第一步或第二步，调度者可能以为需求已经解决，实际接收者却仍然缺少补给。另一方面，吃完以后报告生命值属于结果反馈，也不能代替领取确认：两者回答的是不同的问题。

工程上，交接流程的复杂度应与资源稀缺程度匹配。对常用、可补充的物资，可以采用固定存放位置和自主领取规则，并记录库存变化；对紧缺或已经预留的物资，则需要明确接收者、交付位置和确认状态。若未收到确认，先检查现有库存和交付记录，再决定是否补发，以免重复占用资源。由此可见，这起事件需要解决的是共享状态与实际交付不一致，而不是让所有领用都走更多审批。

五、三小时约5900条消息，哪些才算有效协作？

实验期间产生了约5900条消息。这个数字可以描述通信负载，但不能单独衡量协作质量。高消息量可能来自必要的状态同步，也可能来自反复追问、审批排队和任务转述。如果成员只能通过逐个询问来确认谁在建造、还有多少食物、哪项任务已完成，那么增加消息量只是让原有的信息瓶颈更忙。

一种更容易管理的设计，是让共享记录保存当前事实，让消息处理变化和例外。任务是否有人认领、库存是否已经预留、交付是否收到确认，应能直接查询；只有阻塞、争用、紧急变更或需要决策的事项，才主动通知相关成员。例如，施工成员不必轮流询问材料什么时候到，只需查看交付状态；材料无法按计划到达时，再由负责方说明原因和预计影响。

评估通信开销时，可以把消息与具体任务或资源事件关联起来，关注每项有效交付需要多少次往返、审批等待占任务总耗时的比例，以及有多少请求最终没有推动状态变化。结合这些指标，才能判断某条流程是在避免错误，还是在把本可直接完成的工作变成排队。

六、如何验证一种协调机制是否更好？

同一批实验的另一类对抗场景中，有一支队伍在连续失利期间没有更换领导者。这个观察可以用来提出问题：团队在什么条件下会复盘失败、调整任务分配或移交协调职责？但它不能证明固定领导必然导致失利。任务类型、团队能力和运行条件都可能影响结果，不能把单次结果归因于某一种组织结构。

如果要复现实验并改进设计，首先应明确要区分的两种结果：团队是真的更擅长完成危险任务，还是只是减少了危险任务的数量？然后固定可控条件，分别调整通讯录排序、日常审批范围或暂停后的恢复条件，并在不同初始状态下重复运行。每次优先改变一个因素，才便于判断观察到的变化来自哪里。

评估至少应同时记录以下四类指标：

• 生存与恢复：记录死亡事件、装备损失以及失败后恢复任务所需的时间。比较风险时，还要结合外出次数或危险区域内的活动时长，避免把减少行动误判为行动能力提升。
• 建设与扩展：记录庇护设施、储备目标和探索任务的实际完成情况。如果死亡减少但关键设施没有建成、探索长期停滞，就不能只凭安全指标判断整体表现更好。
• 协调与交付：记录任务从发布到认领的等待时间、资源交接失败次数，以及请求是否集中在少数成员身上。由此判断瓶颈究竟出在沟通、权限，还是执行能力。
• 策略适应：记录团队在何种条件下暂停、复盘、恢复或重新分工。观察的重点不只是它有没有改规则，还包括新规则是否解决了原来的问题，以及引入了多少额外成本。

这场实验最值得关注的，不是智能体会不会自发形成领导者或写出规程，而是这些安排能否持续服务于原始目标。成熟的多智能体系统需要让安全规则有恢复条件、让授权对应实际交付、让协调权可以随任务调整。判断标准也应回到可观测结果：在相近的风险暴露和资源条件下，团队能否以更少的等待和返工，完成更多有价值的工作。