一句话看懂：Cursor 工程团队让一群 AI 智能体仅凭 835 页 SQLite 技术手册，在无源码、无测试、不联网的条件下用 Rust 从零实现数据库引擎，并一次性通过全部预留测试；关键发现是智能体的编排策略比模型本身更重要——采用规划与执行分离的方案，成本从 10,565 美元降至 1,339 美元，差距近 8 倍。
事件核心：发生了什么
Cursor 公布了一项 swarm 实验：多个 AI 智能体协作，依据 SQLite 官方 835 页手册，用 Rust 编写了一个可工作的数据库引擎。智能体集群未接触任何源码、测试套件或二进制文件，也无法访问互联网。最终成果通过了 sqllogictest（SQLite 项目中的一致性测试工具）的全部预留测试集。实验中最有价值的对比是成本：使用 GPT-5.5 同时承担规划与执行，总花费 10,565 美元；而改用 Opus 4.8 负责规划、Composer 2.5 负责执行，实现相近质量仅花费 1,339 美元。其中，规划器消耗约三分之二的成本但仅产生少量 token，执行器处理绝大多数 token 但仅占三分之一成本。
为什么重要
这一实验颠覆了“选择更强的模型就能解决一切”的惯性认知。智能体的协作架构——尤其是规划与执行的上下文隔离——直接决定了成本与产出质量。旧蜂群采用扁平结构，在两小时内产生 68,000 次提交和 70,000 次合并冲突，被迫中止；新蜂群采用根规划器递归委派、中立第三方解决冲突、共享设计文档等机制，冲突降至不足 1,000 次，代码量也大幅精简（Fable 5 组合中从 64,305 行降到 9,908 行）。它说明，在大型工程任务中，真正需要前沿智能的环节很少（如任务拆解与设计决策），一旦规划收敛为明确指令，廉价模型即可高效执行。这种“编排优于选型”的原则，将深刻影响 AI 工程化的成本结构和工具设计。
对用户/开发者/创作者的影响
对开发者而言，核心工作正从“亲自实现代码”转向“准确描述目标、约束和验收标准”。Cursor 的 swarm 实验将工作单元从代码块提升到规格说明——给智能体一份手册，就能得到可工作的系统。这意味着未来工程师的核心技能可能变为：拆解问题、写清晰规范、设计有效的评估器。对使用 AI 工具的个人或团队，这一发现提示：不要盲目追求最新最贵模型，优化编排流程（如分离规划与执行、控制上下文长度）往往能大幅降低成本并提高稳定性。Cursor 也基于此方向发布了新版 Agents 界面，支持同一视图下并行运行多个智能体。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，该 swarm 架构是否会被集成到 Cursor 的正式产品中，成为其差异化功能；第二，835 页结构完整的 SQLite 手册是理想输入，面对真实世界中充满模糊和未记录的代码库，这套编排方案能否保持效能；第三，编排策略的优化经验（如专用版本控制、智能体冲突解决）可能催生新的开发工具链，降低多智能体协作的落地门槛。
来源：InfoQ CN
