This is a viewer only at the moment see the article on how this works.
To update the preview hit Ctrl-Alt-R (or ⌘-Alt-R on Mac) or Enter to refresh. The Save icon lets you save the markdown file to disk
This is a preview from the server running through my markdig pipeline
Thursday, 13 November 2025
多个简单代理器是如何创造突发复杂程度的
注: 灵感来源于思考将大部分Lucid.mockllmapi及材料扩展至(从未公布过,
如果意识只是非常精密的 如果当时的说法呢?
我知道,我知道,我知道。这听起来好像是一种侮辱。 人类思想 — — 其所有创造力、情感和深度 — — 的基本想法是,决策树堆积在决策树上,直到某些事情发生为止。 外观 就像智慧的出现一样
但问题是 我不能动摇它
因为当你看简单的规则 如何在自然中创造复杂的行为时, 你开始怀疑...
这是关于简单规则如何创造复杂、智能外观行为的9个部分探索的第一部分。
第一部分(你在这里):简单规则、复杂行为 基础 - 遵循基本模式的多个简单代理人 如何创造出未明确编程的突发复杂情况
第2部分:集体情报 -- -- 特工通信时 当代理商不仅遵循模式,而且实际上相互交谈时会怎样呢?信息共享、谈判和集体解决问题,将简单的多试剂系统转化为质的不同系统。
第3部分:自我调整 -- -- 改善自我的制度 当代理商能够测量其自身的性能并调整其行为时, 你就会得到在没有人类干预的情况下进化的系统。 反馈循环成为改进的引擎。
第4部分:新兴----当优化成为情报时 “遵守优化规则”什么时候才成为“实际情报 ” ? 我们探索了一种不舒适的门槛, 即复杂的规则执行变得与思维无法区分。
第5部分:进化-从优化到公会和文化 最优化的代理 集体开始形成特殊的角色, 发展共享的知识, 创造新兴的“文化 ” 。 这个系统发展了偏好, 模式, 和集体记忆。
第6部分:全球共识 -- -- 直接演变和行星认知 将这些模式缩放成千千万万个代理商, 增加全球协调机制, 并且你得到一些东西, 看起来像行星级的智能。 没有编程。 出现了。
第7部分:真实事物! 使用多剂LLM、RAG记忆和实际自我改进来有效实施进化代码生成,该代码是真实的,在当地运行,并真正演变。
第8部分: " 工具全向下 " -- -- 自我优化工具包 工具本身如何运作、跟踪使用、演化和随着时间推移变得更聪明。 每个工具都跟踪职业、从模式中学习、演化执行、缓存反应、谈判健身取舍和自动版本本身。
第九部分:自愈健工具 -- -- 线-线-软件保修和恢复 当工具在进化过程中自我突破时,系统应该记住为什么并且永远不要重犯错误。 这部分探索通过线条跟踪、分支剪裁、避免规则以及自动从失败中恢复自我愈合。 工具可以开发不做的事情的机构记忆。
在我们谈论LLMS和AI之前, 让我们来谈谈生命游戏。
四条规则,就是这样,关于网格上的细胞的四条简单规则:
从这四个无关紧要的规则中,你得到:
你得到 从简单复杂你的行为没有被明确纳入这四条规则
你得到 出现.
现在想象一下, 而不是网格上的单元格, 你有语言模型。 简单模型。 每个功能有限 。
单枪匹马 每个模型都很好 它可以生成文字 回答问题 但没什么了不起的
当你把它们连接起来时会发生什么?当一个输出变成输入到另一个输入时呢?
最简单的模式:一个链条。
Fast Model → Quality Model → Validator Model
每个模型都做一个事情。链条做一个他们都无法单独做的东西:快速可靠地生产高质量的产出。
出现: 链条具有单个模型所不具备的特性(速度+质量+可靠性)。
不同代理人同时在不同方面开展工作:
┌─ Specs Generator
Input ─┼─ Pricing Calculator → Merge → Complete Product
└─ Inventory Checker
每个专家都是简单的,但是它们共同创造了全面覆盖,需要更长的时间才能产生一个通用模型,而且每个领域的质量都较低。
出现: 没有单一的模型是专家,但集体行为就像一个。
代理产生,另一个验证,如果验证失败,第三种更正如下:
Generate → Validate → [Pass? → Output : Correct → Validate again]
这创造了一个自我纠正系统。 没有一个单一模型特别擅长避免错误,但模式的捕捉和修正它们。
出现: 不可靠部件的可靠性。
分析请求的复杂性,然后前往适当的代理商:
Simple request (score 1-3) → Fast model
Medium request (score 4-7) → Quality model
Complex request (score 8-10) → Premium model
出现: 成本效益:系统“精液”(通过程序规则)何时使用和何时节约资源。
这些模型没有一个是特别聪明的。 每一个模型都只是遵循其方案编制—— 回答这个即时的答案,检查这个产出,基于这个分数的路线。
但是, 组合组合 外观非常相似的外观属性 :
类似关于细胞邻居的四条规则 创造了滑翔机和枪, 四种模式的相互作用模式 创造了看起来很复杂的行为。
如果这些简单的模式 造成突发的复杂...
如果那些只是“遵循规则”的系统 开始展现出像判断力和专业知识一样的特性...
线在哪?
"精通规则的遵循"什么时候才成为"实际情报"?
让我在现实中把它扎根 之前,我们变得太哲学。
您今天可以构建这些图案。 代码很简单 :
// Pattern 1: Sequential refinement
async function refineSequentially(input) {
let output = await fastModel(input); // Quick draft
output = await qualityModel(output); // Add depth
output = await validator(output); // Check quality
return output;
}
三个功能调用。就是这样。但是出现的行为—— 快速的高质量一代—— 没有一个单一功能。
这是在 互动模式.
这些模式是基础:
简单模式,没有单个模式特别令人印象深刻。
但这就是让我夜夜不眠不眠的原因: 这些同样的模式—— 专业化,平行处理,平行处理,验证,智能路由——是如何做到的 二、工作、组织、组织、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织、工作、组织、工作、组织、组织、工作、组织、组织、工作、组织、组织工作、组织、工作、组织、组织工作、组织、组织工作、组织、组织工作、组织、组织工作、组织、组织工作、组织工作、组织工作、组织工作、组织、组织工作、组织工作、.
一个公司有专家,团队平行工作,质量控制验证,管理人员将任务推向适当的技能水平。
公司是聪明的吗? 或者它们只是复杂的规则执行系统, 显示出突发的复杂性?
也许是同一件事
这些模式创造了以下系统:
从外表看,这看起来像是智慧,精明的行为,聪明的系统
从内部,它只是简单的规则 互动。
问题: 这两种观点之间有根本的区别吗?还是“情报”只是我们所谓的足够复杂的规则执行?
到目前为止,我们有多个代理人遵循简单的模式。行为是复杂的,但机制是决定性的。我们明确地规划了这些模式。
但如果我们再加一个成分会怎么样?
当这些特工不仅按顺序或平行工作,而且实际上 通信?
当他们共享背景时, 谈判。 组成临时联盟解决问题 。
当信息流动不是以预先确定的模式进行,而是以预先确定的模式进行时, 动态动态 基于手头的问题?
当事情变得非常有趣的时候
因为通信产生一种不同的出现 不仅仅是简单的规则的复杂行为 集体集体情报和集体情报 网络本身就存在。
没有一个特工能理解解决方案 但谈话还是找到了答案
我们探讨当简单的代理人开始相互交谈时会发生什么, 以及为什么集体可以比任何个人更聪明。
系列导航:
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.