FutureSearch：如何统一成千上万个并行 Agent 的工作产出
they_will · reddit · 2026-07-28
作者分享了在优化大规模智能体工作流（单次请求可扩展至数千个 Agent）时的经验，核心挑战在于如何确保所有并行 Agent 输出结果的一致性（如统一的方法论、单位和高质量来源）。
针对预测这一特定场景，作者构建了一套更易控的解决方案（如 FutureSearch），其优势在于：
- 任务同质化高：所有预测任务结构相似，内部基准改进能很好地代表真实情况。
- 共享世界观：所有预测都在理解同一个世界的动态，历史预测结果可被新预测复用。
- 一致性要求局部化：一致性限制主要集中在数据的子集上。
- 后处理执行：作为后处理步骤运行，无需在每次实验时重复运行原始 Agent，大幅节省了高昂的推理成本。
该系统在预测锦标赛中表现优异，目前在 Metaculus 等平台的多个锦标赛中排名第一，并拥有实盘资金市场记录。
「编程与Agent」频道最新
- ROMA 用递归分解做出可复用的 meta-agent 框架 — 0xsachi · 2026-07-28
- Waddle Labs 把 Claude Code 带进机器人，机械臂变便宜了 — Scobleizer · 2026-07-28
- 开发者在讨论 llm-wiki 如何跟代码库保持一致 — mattpocockuk · 2026-07-28
- MCP 服务器开发者在问：真的有人会查安全性吗 — NotIdealBut · 2026-07-28
- 不可信 AI 代码沙箱几乎全守住了，DNS 却成了外泄通道 — Ok_Beyond_6313 · 2026-07-28
- Kimi K3 被接入 Claude Code 工作流当默认模型 — ngxson · 2026-07-28