两千个智能体两周重写自己：Prime Agent 如何用蜂群把 TypeScript 搬进 Rust

一支两千人的队伍，没有人是真人

2026 年 8 月才正式发布的编码智能体 Prime Agent，用两个月攒下了三十多万次下载、处理超过 8 万亿 token。10 月 9 日，它的开发方 Prime Intellect 公布了一件更抓眼球的事：这个工具被它自己重写了。从 TypeScript 到 Rust，两周完成，动手的是两千多个自主智能体。

这不是宣传语里的"AI 帮你写代码"。整个移植过程里，人类团队主要做了一件事：把验收标准搭好，让智能体可以自己衡量自己有没有做对。剩下的编排、写码、审查、验证，都交给了机器。

成本与规模：两千亿 token 的一次搬运

按照官方博客的说法，这场重写调度了 2000 多个智能体，跨 10000 多个 Prime 沙箱并行作业，从 Prime Inference 的 GLM-5.3 端点消耗了超过 2000 亿 token。其中真正写 Rust 的阶段由 1981 个智能体完成，用掉约 1929.9 亿 token；随后三天的性能爬坡阶段又投入 228 个智能体，用掉约 357 亿 token。

这批数字本身就是一种信号。国产开源模型 GLM-5.3 成为一个生产级智能体蜂群的主力推理引擎，这件事和"某个模型跑分又高了一分"不是一回事。它说明在长时间、大批量、需要稳定工具调用的工程场景里，开放权重模型的性价比已经能被真实项目接受。

编排：根智能体不写业务代码

最值得抄的不是"用了两千个智能体"，而是它们的分工方式。整场重写由一个根智能体指挥，但它自己一行产品代码都不写。它只做三件事：把任务拆成有拓扑顺序的图、跟踪每个任务的进度、合并已完成的工作。

每个任务要依次穿过四种角色：

• 规划者（planner）：写出规格说明、功能设计和"标准答案"，标准答案直接取自 TypeScript 版本的既有行为。
• 实现者（implementer）：在一个独立的 worktree 里写 Rust 代码，让不同功能可以并行推进。
• 评审者（reviewer）：换一个模型、换一套上下文，对抗式地找这份改动的毛病。
• 验证者（verifier）：在一个全新的沙箱里编译代码、跑一致性测试。

只要评审或验证任一环节不通过，任务就会带着结论被打回实现者。两个环节都过了，改动才允许合并。Prime Intellect 特意把"生成"和"评估"拆开，理由很直白：让写代码的那个智能体去评判自己的产出，它天然偏向自己。

真正的护栏：四类一致性校验

光有流程不够，还要有客观的对错标准。团队搭了四类 parity 检查，覆盖同一个功能的不同侧面：

• TUI 差分测试：把 TypeScript 和 Rust 两个二进制放在同一套脚本化模型下跑，逐帧比对终端画面，覆盖启动、菜单、工具调用、会话恢复、子智能体和崩溃恢复。
• Harness 一致性：比对两边产生的会话记录，以及各自发给模型服务商的请求。
• 协议一致性：把守护进程协议的每一种消息类型都对着 TypeScript 实现校验一遍。
• 功能审计：脚本测不到的地方，由智能体逐个组件核对，标记为"一致""部分一致"或"缺失"。

有了这些客观尺子，智能体就能自己判断进度、在合并前拦住回归，人类审查的必要性随之下降。团队也很坦诚：真正漏网的 bug，是那些没有任何测试覆盖到的，最后靠内部天天用才暴露出来。

结果：14 倍冷启动，八成内存

官方给出的对比数据里，冷启动到可输入延迟从 TypeScript 版的 737.8 毫秒降到 55.8 毫秒，提速 14.18 倍；热启动提速 13.34 倍；整个进程树的内存占用从 607.4 MB 降到 106 MB，大约省下八成；安装体积也从 172.1 MB 缩到 59.6 MB。首次可见输出落在 23.6 毫秒。爬坡阶段一共记录 144 项实验，合并了 69 项有效改动。需要提醒的是，这份横向对比用的是官方自己的运行时套件，官方也说明缺少统一基准，数字要谨慎解读。

结构上的改变可能比速度更持久。代码被拆成九个 crate，依赖关系单向、由 Cargo 强制；最大的源文件从约 15000 行缩到约 2500 行，再没有文件超过 5000 行。每个会话跑在自己的工作进程里，一个崩了不影响其余。Windows 支持因为平台抽象变干净而顺带落地，模型目录改成运行时拉取，新模型上线不再依赖发版。

为什么是 Rust

团队列出的 TypeScript 痛点很具体：类型是可选的、运行时消失；错误以未检查异常的形式传播；渲染、解析大会话这类吃 CPU 的活儿和键盘输入抢同一个事件循环；每个进程都要养一套 JavaScript 运行时和垃圾回收。对一个长期驻留、每个会话一个工作进程的守护进程来说，没有 GC 的原生代码就是内存和启动时间提升的主要来源。

而当代码主要由智能体来写时，"编译期保证"的价值被放大了。穷尽的枚举、所有权与生命周期、再加上 Clippy 的严格 lint，能在代码跑起来之前就排掉一整类 bug。换句话说，编译器在替人类审查员承担一部分判断。

这件事对不同的人意味着什么

如果你在带工程团队，可以复用的不是"两千个智能体"这个数字，而是那套方法：先把验收标准做成客观、可自动执行的检查，再把生成和评估分给不同的模型与上下文，最后让智能体在护栏内自我推进。Primer Intellect 已经在把这套四角色模式产品化成可复用工作流，理由是"定义好的蜂群工厂"比每个项目临时拼一个更靠得住。

如果你只是普通用户，它解释了一件事：像 Prime Agent 这类工具的更新速度，接下来会越来越不像传统软件。当产品能重写自己，版本号的含义就变了。这也提醒我们，看到"重构提速 14 倍"这类结论时，先翻到脚注看看是谁测的、和谁比的。智能体能写出可用的代码，但它同样能写出自信的自我表扬。