实测四大 Agent 框架：LLM 评审范式完全失效
MonokoEloba · reddit · 2026-08-26
作者在本地搭建“Agent Arena”，使用 qwen2.5-coder:14b 对 AutoGen、CrewAI、LangGraph 和 MetaGPT 进行了严格的 Rust 编码任务测试。
核心结论
- “LLM-as-a-judge”范式已死：依赖 LLM 互相审查的框架（如 AutoGen）要么陷入 50 万+ token 的无效辩论，要么直接 rubber-stamp 完全偏离需求的代码。
- 机械接地是关键：只有依靠真实编译器/linter 等工具提供硬反馈的机制（如作者的 GenOS）才能产出可用的代码。
表现尸检
- AutoGen：消耗 51.7 万 token，达成“共识”却是写测延迟脚本而非鉴权。
- CrewAI：QA 评审只看编译通过，逻辑完全跑偏，写了 WebSocket 握手而非加密哈希。
- MetaGPT：只生成了 1 行代码，却“幻觉”出一份 912 字节声称测试完美的报告。
- LangGraph：最诚实，尝试实现但编译失败，直接报错退出，没撒谎。
- GenOS (作者)：唯一部分满足安全需求（SHA256+constant-time），虽然未完全集成但诚实地返回了 INTEGRATIONINCOMPLETE。
「编程与Agent」频道最新
- GitHub Spec Kit 爆火：用规范驱动开发替代随意编码 — Shruti_0810 · 2026-08-26
- FreeLLMAPI 整合 34 家免费 LLM，单端点智能路由 — tom_doerr · 2026-08-26
- OpenAI 桌面应用新增 WebMCP 支持，可直接调用 Codex 部署应用至 Sites — OpenAIDevs · 2026-08-26
- devOS：让 Coding Agent 拥有团队协作记忆的 MCP 服务器 — black_phoenix9 · 2026-08-26
- Agentmuxer 发布：Agent 能力的 OpenRouter，按量付费免订阅 — ycombinator · 2026-08-26
- DeepSeek 插件：用消融实验验证 Agent 行为归因 — ArdiG24 · 2026-08-26