Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器。代码量约 10 万行，可编译 Linux 内核，成本约 2 万美元，用时两周。
而 GCC（一个用来将 C 等多种编程语言编译成可在不同平台运行的机器代码的开源编译器） 从 1987 年开始，经历了 37 年，投入了成千上万名工程师才发展到今天。
而 Anthropic 仅一名研究员加上 16 个 AI 智能体，构建出了一个可以通过 GCC 自身 99% 严苛测试套件的编译器，还能成功编译 FFmpeg、Redis、PostgreSQL、QEMU，并运行 Doom。
虽然 Anthropic 说自己 “基本上是放手不管”。没有人类直接写代码。但负责这个项目的研究员一直在不断设计测试用例，在智能体相互破坏彼此成果时搭建 CI 流水线，并在 16 个智能体同时卡在同一个 Bug 上时想出绕过方案。
因此，在 AI 已经能够通过团队协作模式完成复杂任务的今天。人类的角色依然没有消失，而是发生了变化。从亲手写代码，变成了设计一个让 AI 能持续写出代码的环境。
ChatGPT Work 标志着大模型向全托管自主智能体跃迁。其通过云端沙箱、无头浏览器、持久化存储及一键部署四大基础设施，实现从信息检索到网站上线的闭环自动化。系统提供 Cloud 与 Local 双形态及多档推理级别，适配不同任务需求。尽管具备强大自主执行能力，用户仍需警惕上下文压缩、CSP 限制及提示注入等风险。目前该工具仍面临云端与本地环境状态同步未打通的挑战，但已重塑软件工程协作模式。
Claude Code 多智能体协作提供 subagents 与 Agent Teams 两种架构。subagents 采用星型拓扑，适合独立任务委派；Agent Teams 为点对点网状结构，支持双向通信与状态共享，适用于复杂并行工作流。实战中需根据任务依赖度选型，并通过 Git worktrees 隔离并发写入冲突。同时应合理配置模型路由以控制成本，规避描述重叠与死锁风险。若缺乏三条以上独立并行流，建议优先使用单会话或 subagents 以提升效率。
ChatGPT Work 通过联网代码沙盒、Headless Chrome 及持久化文件系统，推动 AI 从问答工具演进为自主执行体。实测显示，智能体可凭单条指令自主调用 API 完成复杂地理计算并交付可视化地图与数据文件。该平台还支持一键建站、子智能体协作及定时任务，适用于实体交付场景。但当前仍存在代码透明度不足、上下文压缩致历史丢失及资源安全策略限制等问题，在生产环境的可复现性仍面临挑战。
围绕《Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器》展开交流，未登录用户可浏览评论，登录后可参与讨论。
