Meta 首席人工智能官表示,人工智能代理群的表现超过了 100 名工程师
核心要点
- Alexandr Wang 在 Y Combinator 的 Startup School 2026 上详细介绍了 Meta 的代理循环方法,揭示了结果背后令人惊讶的简单基础设施 据该公司首席人工智能官 Alexandr Wang 称,Meta 构建的一群人工智能代理在特定任务上的表现优于由 100

Alexandr Wang 在 Y Combinator 的 Startup School 2026 上详细介绍了 Meta 的代理循环方法,揭示了结果背后令人惊讶的简单基础设施
据该公司首席人工智能官 Alexandr Wang 称,Meta 构建的一群人工智能代理在特定任务上的表现优于由 100 名人类工程师组成的团队。这一消息是在 YC 2026 年创业学校与 Y Combinator 总裁 Garry Tan 交谈时透露的,王在会上阐述了 Meta 关于自主人工智能系统的理念以及使它们发挥作用的平淡管道。
Markdown 文件和 cron 作业:反炒作堆栈
Wang 对 Meta 代理基础设施的描述读起来不太像科幻小说剧本,而更像是 2018 年的有效 DevOps 设置。代理使用存储在 Markdown 文件中的持久内存。它们是通过 cron 作业进行调度的,这是自 20 世纪 70 年代以来一直在 Unix 系统上运行的基本任务调度实用程序。
格洛丽亚 你的投资组合向你展示了你所拥有的东西。凯莱财经向您展示接下来值得关注的内容。发现想法 →
该理念刻意简单且模块化。 Meta 的方法不是构建一些试图做所有事情的单一人工智能大脑,而是将任务分解为离散的循环,在这些循环中,智能体可以评估自己的输出、纠正路线并进行迭代。使该系统胜过 100 名工程师的并不是原始智能。它结合了稳健的评估方法、连续运行的能力和反馈架构,使代理能够在无需人工干预的情况下进行改进。王强调,正确的评估体系是关键变量,而不是基础模型的复杂程度。
从 Scale AI 到 Meta 的 AI 首席
Wang 创立了 Scale AI,一家数据标签和人工智能基础设施公司。 Meta 以 143 亿美元收购了 Scale AI,Wang 于 2025 年 6 月加入,担任首席人工智能官。Wang 带来了 Scale AI 的评估优先思维,整个商业模式围绕着让 AI 系统可测量和负责任。
YC 活动的编程在很大程度上倾向于代理循环和自我改进系统的主题,Y Combinator 开发了 QM 多代理工具等内部解决方案,并推广面向闭环系统的编程。
Muse:Meta 面向消费者的代理游戏
Meta 一直在开发 Muse(内部称为 Hatch),这是一种个人人工智能代理,旨在处理跨多个应用程序的任务,包括电子邮件管理、日程安排和支付,所有这些都由一个代理协调,该代理维护跨不同工具的上下文。 Muse 计划于 2026 年 9 月公开发布。
王的框架很谨慎:他指出,在“正确的评估系统”下,特工在“特定任务”上的表现优于工程师。在定义明确、可衡量且具有明确成功标准的任务上,经济学开始显得一边倒。
