36 个 AI 评审 36:0 一边倒：单会话技能架构胜过 Superpowers
Kai_ThoughtArchitect · reddit · 2026-10-27
一位做了近三年 agent 项目的开发者设计了盲测：36 个来自 8 个模型家族的评审（15 个 Haiku 5.5 + 每家 3 个 Qwen 3.8 Max、Gemini 4 Argon、DeepSeek 4.1、GPT-6.1 Sol、Kimi K3.1 Pro、Grok 4.7、GLM 5.3），对两套 agent 架构打分，问哪个更适合在真实代码库上无人值守跑 48 小时处理工单。结果自己的「Topping Out」架构 36:0 全胜，且文件信息越多评审越确信（21 个高置信度中 16 个）。
- 胜出设计：每个任务从文件开新会话，面向工单队列，带停止规则和花费上限；一个主会话跑 skills，便宜模型干活，独立 reviewer。
- 对比对象 Superpowers 一次只跑一个已批准计划，其 README 自称只能自主运行「几个小时」，且验证更充分。
- 评审也指出弱点：门控只是指令不是硬阻断、单个任务停止会终结整个夜班、Windows only、缺 48 小时实跑证明。作者自己也承认是设计胜出而非实证胜出。
「编程与Agent」频道最新
- OpenAI、谷歌、Anthropic 拟建 FINRA 式 AI 自律机构 — emmanuelvivier · 2026-10-27
- IBM 给每个 AI 代理发可验证身份:最小权限加实时吊销 — emmanuelvivier · 2026-10-27
- 提示词一个词定语言：要『简单』给 Python，要『快』给 Rust — rseroter · 2026-10-27
- NewMax 支持BYOK跑优化版 Claude Code,号池密钥全管理 — yangyi · 2026-10-27
- Vibecoder 用 AI 做出纽约私募基金持有餐厅互动地图 — Polymarket · 2026-10-27
- 让 ChatGPT 主动引用你网站：6 条 AEO 实操清单 — jamesbrooksco · 2026-10-27