最搞笑的是，奇绩创坛VC 告诉我，最高可以提供 100 万人民币的算力赞助，即使没被创业营录取，估计也有几万块钱。 冲着算力赞助，我才去申请。结果兜兜转转，花了大量时间，才后知后觉，自己不过是被拉来凑人头、帮别人完成 KPI 的。 正是因为感受到深深的欺骗和伪善，我决定 all in 开源。

太感谢诗音老师@ScarletKc老师分享的 Devin Max的全额优惠券了。 我接下来会在Devin @cognition ,薅秃它的羊毛开发LayerFS。 群友们，如果有什么关于Devin的问题，可以问我，接下来我将深度使用。 也希望大家多多关注诗音老师每日分享的AI咨询和vibe coding实践。

今天和一位朋友探讨现在单agent + 少量的subagent能胜任大部分任务，multiagent时代是否会开启。 我认为一定会到来的： 1. 未来的token一定变得越来越便宜，推理速度越来越快。随着各家旗舰模型能力越来越接近，模型服务商一定是求着消费者使用他们的模型，开启token abundance时代。 2. 当前agent帮我们完成的任务只能叫做sub-optimal，可能做的都还可以，比如说可能架构不够优雅，有潜在的bug，性能做的不够充分都还会有偏差。我们需要扩大搜索范围和多尝试不同的方案才能找到optimal solution。token abundance我们才愿意烧怎么多token 从 suboptimal到optimal 这是几种我认为会主流的烧token模式： a. Parallel universe development：扩大候选方案的覆盖范围。 比如说同一个任务可以开n个parallel worktree，n个并行开发，最后从其中挑一个最好的。 之前读到过一篇Meta Agent论文Sheppard，main agent决定从什么时候fork出来一些分支派多个subagent并行局部相同的子任务，最后main agent挑选一个觉得最好的candidate，然后以此往下循环。 b. 任务执行subagent的role变得丰富 比如说，在一个任务里，subagent 的角色会越来越丰富：researcher 调研已有方案和约束，architect 推敲架构与取舍，reviewer 独立寻找漏洞，另一些 agent 专门负责测试、性能和可维护性。 帮助Agent找到忽略的问题。 C. massive broad search 像 Manus 的 broad search、Kimi agent swarm，还有 Claude code dynamic workflow对于文档阅读 、 总结效果都是非常好的。但是目前的问题只是太贵了。当token变得便宜，agent可以把代码库翻个底朝天，收集到充分的context再进行任务。