技术深度解析
该实验的架构看似简单，实则极具启发性。开发者采用了一种多代理编排模式，为五个专门的AI代理分配了软件开发生命周期中的不同角色。这些代理并非经过微调的模型，而是通用大语言模型（很可能是GPT-4或Claude 3.5 Opus）的实例，通过特定的系统提示词进行配置，使其分别扮演“编码员”、“设计师”、“测试员”、“项目经理”或“部署工程师”的角色。
编排层： 关键的创新点不在于代理本身，而在于编排逻辑。开发者构建了一个轻量级的协调脚本——本质上是一个状态机——用于管理顺序交接。项目经理代理首先接收高级产品规格说明，并将其分解为结构化的待办事项列表。然后，它将第一个编码任务传递给编码员代理，后者生成代码文件。这些文件随后被发送给测试员代理，后者运行单元测试和静态分析。如果测试失败，测试员会将错误日志发回给编码员进行修复循环。一旦测试通过，设计师代理会审查UI的一致性和可访问性，并提出CSS或布局修改建议。最后，部署代理将应用程序打包并推送到云托管服务（例如Vercel或Railway）。
成本分解： 29.63美元这个数字是API调用成本的总和。对于一个约2000行代码的典型产品，开发者报告所有代理共进行了约150次API调用，其中编码员代理因代码生成和迭代调试消耗了约60%的令牌。测试员代理是第二昂贵的，约占成本的25%，因为它运行了多个测试套件并生成了详细的失败报告。项目经理和设计师代理相对便宜，各自占总成本的10%以下。
相关开源项目： 该实验与日益增长的代理框架生态系统相契合。最著名的开源仓库是AutoGPT（GitHub：约17万星），它开创了自主任务分解，但缺乏本实验中看到的基于角色的结构化编排。另一个关键仓库是CrewAI（GitHub：约3万星），它明确支持基于角色的代理团队，具有任务委派和顺序流程。LangGraph（来自LangChain，约1万星）提供了一个底层框架，用于构建具有条件分支的有状态多代理工作流。该实验的编排逻辑与CrewAI的“顺序流程”模式非常相似，尽管开发者可能构建了自定义解决方案以实现更严格的成本控制。
性能指标： 开发者分享了延迟和准确性数据。从规格说明到产品部署的端到端总时间为47分钟。编码员代理的首次代码正确率为68%，这意味着32%的生成代码至少需要根据测试员代理的反馈进行一次迭代。每个错误平均经过2.3次修复循环后，最终代码通过了所有测试。设计师代理的建议在85%的情况下被接受，无需进一步修改。
| 代理角色 | 成本（美元） | API调用次数 | 平均延迟（秒） | 首次成功率 |
|---|---|---|---|---|
| 项目经理 | $1.42 | 12 | 8.4 | 92% |
| 编码员 | $17.81 | 78 | 22.1 | 68% |
| 测试员 | $7.45 | 42 | 15.3 | 89% |
| 设计师 | $1.93 | 14 | 11.7 | 85% |
| 部署 | $1.02 | 4 | 6.2 | 100% |
| 总计 | $29.63 | 150 | 平均14.7 | — |
数据启示： 编码员代理是主要的成本和延迟驱动因素，其68%的首次成功率表明迭代调试循环是主要的效率瓶颈。通过更好的提示词或检索增强生成（RAG）来提供代码上下文，从而降低此错误率，将直接削减成本和时间。
关键参与者与案例研究
这一实验并非孤立发生。多家公司和工具已经在将多代理生产范式商业化。
关键参与者：
- Replit： 这款基于浏览器的IDE已集成一个AI代理（Replit Agent），能够根据自然语言提示生成全栈应用程序。它作为单个代理而非团队运作，但其每月25美元的订阅费使其在“零成本生产”领域成为直接竞争对手。
- Cursor： 这款AI原生代码编辑器提供“Composer”模式，可以生成和编辑多个文件。它更以开发者为中心，需要人工监督，但其定价（约每月20美元）与实验中对单个产品的一次性成本相当。
- Vercel的v0： 一款生成式UI工具，可根据文本提示生成React组件。它专注于设计到代码的流水线，这是实验中的五个角色之一。
- GitHub Copilot Workspace： 微软即将推出的功能，旨在让开发者描述一个功能，然后让Copilot生成一个包含代码、测试和文档的拉取请求。