文章圖片
文章圖片
文章圖片
夢晨 發自 凹非寺量子位 | 公眾號 QbitAI
AI寫代碼 ， 這次玩大了 。
Cursor創始人宣布一項瘋狂實驗的結果：讓數百個AI智能體連續跑了整整一周 ， 從零開始 ， 硬生生造出了一個可用的Web瀏覽器 。
項目代號FastRender ， 產出超過300萬行代碼 ， 核心是一個用Rust從頭寫的渲染引擎 ， 甚至還自帶一個定制的JavaScript虛擬機 。
Truell稱這款瀏覽器“勉強能用” ， 跟成熟的Chrome內核差得遠 ， 但已經能基本正確地渲染谷歌首頁了 。
并且項目全部源碼已公開在GitHub 。
背后的大腦：GPT-5.2-Codex這次實驗能跑通 ， 靠的是OpenAI在2025年12月剛發布的GPT-5.2-Codex 。
這個模型被OpenAI定義為“最前沿的智能體編碼模型” ， 專門為解決復雜的現實世界軟件工程問題設計 。
它不再是簡單的代碼補全工具 ， 而是能像人類工程師一樣自主規劃任務 ， 獨立完成新功能開發、代碼重構、漏洞排查這類需要持續數小時甚至數天的長周期工作 。
在技術層面 ， GPT-5.2-Codex引入了一項叫“上下文壓縮”（Context Compaction）的技術 ， 讓模型在處理需要理解龐大代碼庫的長程任務時 ， 能夠保持邏輯一致性 。
在SWE-Bench Pro和Terminal-Bench 2.0等權威軟件工程基準測試中 ， 這個模型均拿下了最先進水平的成績 。
OpenAI還稱它是“迄今為止最具網絡安全能力”的模型 ， 此前已有研究人員用它的前代版本發現了React框架中的高危漏洞 。
數百個智能體怎么協作？讓一個AI模型寫代碼不難 ， 難的是讓幾百個AI智能體同時在一個代碼庫里干活還不打架 。
Cursor為此設計了一套多智能體協作架構 ， 但這條路走得并不順 。
最初團隊嘗試了扁平化的協作模式 ， 讓所有智能體地位平等 ， 通過共享文件和鎖機制來協調 。
結果很快暴露出嚴重問題：
為避免修改沖突設置的鎖定機制導致智能體大量時間用于等待 ， 20個智能體的實際吞吐量僅相當于2到3個；
智能體還可能在鎖定時崩潰或忘記釋放鎖 ， 直接把系統搞死；
在沒有明確層級的情況下 ， 智能體們開始摸魚 ， 傾向于挑簡單安全的任務做 ， 回避真正困難的核心問題 ， 導致項目停滯不前 。
【168小時AI狂寫300萬行代碼！Cursor公開數百智能體協作方案】踩完這些坑后 ， Cursor轉向了一種“規劃者-工作者-裁判”的分層架構：
規劃者（Planner）負責宏觀任務 ， 持續探索代碼庫并創建具體任務 ， 還能遞歸地生成針對特定領域的子規劃者來并行規劃 。
工作者（Worker）是純粹的執行者 ， 接收任務后心無旁騖地寫代碼 ， 完成后直接推送 ， 不需要跟其他工作者協調 。
裁判（Judge）則在每個工作周期結束時評估進展 ， 決定是否繼續下一個迭代 ， 這個機制允許系統定期從干凈狀態重新開始 ， 防止任務跑偏 。
這套清晰的層級結構和責任分離 ， 最終讓數百個AI智能體能夠高效地在同一個代碼庫的同一分支上并行工作 ， 代碼沖突極少 。
一些反直覺的發現Cursor在這次實驗中積累了不少經驗 ， 其中有些結論還有點反直覺 。
比如模型選擇 。
團隊發現 ， 對于極長時間的自主任務 ， 通用的GPT-5.2模型在規劃能力上甚至優于專門為編碼訓練的GPT-5.1-Codex 。
而Anthropic的Claude Opus 4.5模型則傾向于“走捷徑”并盡早交還控制權 ， 更適合與人類協作的交互式場景 ， 不太適合持續數周的自主任務 。
另外團隊強調 ， 提示詞的設計比模型本身和執行環境更重要 ， 如何引導智能體正確協作、避免病態行為并長時間保持專注 ， 需要大量試錯 。
這次實驗在業界引發了熱烈討論 。 OpenAI聯合創始人Greg Brockman稱之為“對未來的驚鴻一瞥” 。
Stability AI前CEO Emad Mostaque則估算 ， 構建這個瀏覽器可能消耗了約30億個Token 。 但隨著Token成本持續下降 ， 軟件開發的邊際成本正在趨近于零 。
當然質疑聲也不少 。
有人指出 ， AI模型的訓練數據中本就包含大量開源瀏覽器代碼 ， 這種“從零構建”在多大程度上是真正的創造 ， 還有待商榷 。
也有人擔心 ， 由AI生成的數百萬行代碼 ， 人類工程師要怎么調試和維護這個龐大的黑箱 。
Cursor承認目前的多智能體系統遠非完美 ， 仍存在規劃者無法及時響應、智能體過度運行等問題 。
但這個實驗至少證明了一件事：通過增加智能體數量來擴展自主編碼能力 ， 是可行的 。
團隊正在把實驗中開發的技術逐步整合進商業產品 。 未來軟件開發團隊的結構可能會變成這樣：人類負責架構設計、AI監督和最終驗證 ， 具體的編碼實現則大規模交由AI智能體完成 。
GitHub：https://github.com/wilsonzlin/fastrender
參考鏈接：[1
https://cursor.com/blog/scaling-agents[2
https://x.com/mntruell/status/2011562190286045552
推薦閱讀
- GPT-5.2連肝7天，300萬行代碼造出Chrome級瀏覽器
- 破300萬臺，國產第一！國產旗艦手機大黑馬誕生了？
- 2025年國產高端機大黑馬誕生：3個月賣300萬臺，僅次于iPhone17
- 我在華強北炒內存，囤一盒內存條，最高能賺300萬
- 蘋果三個月賣1300萬，小米三個月賣260萬，華為一個月120萬
- 華為懸賞300萬元攻克AI時代數據存儲技術難題
- 消息稱蘋果Mac三季度在美國出貨超過300萬 但仍不及惠普戴爾和聯想
- 華為鴻蒙裝機量再傳捷報：不到1月新增300萬，已突破3000萬大關！
- vivo S50全系搭載驍龍8系芯：標準版跑分超過300萬
- 我國活躍開源項目已超300萬 開源鴻蒙、開源歐拉畢業