![]()
174个AI代理同时运行,零API成本,全部本地部署。这个数字本身已经够疯——更疯的是,它们被设计成互相攻击。
开发者Kalki-M搞了个叫BlackSwanX的对抗智能引擎。别的多代理系统教AI协作,他偏让它们打架。200个"公民代理"吵成一团,情绪崩溃,互相拆台, meanwhile一个"黑天鹅刺客"专门猎杀共识。整个系统跑在Ollama上,不花一分钱调用费,纯纯的本地算力狂欢。
从合作到对抗:一场反共识实验
传统预测工具的问题是,它们都在问"大多数人怎么想"。BlackSwanX问的是相反的问题:人群错在哪里?
系统里塞了各种奇怪角色。吠陀占星师(Vedic Astrologer)用星盘算趋势,恐慌抛售者(Panic Seller)专门在高点吓你跑路,混沌数学家(Chaos Mathematician)从噪声里找规律,Z世代文化解码器(Gen Z Culture Decoder)追踪 meme 风向,街头精明 hustler 会直接怼你:"PPT挺好看,银行账户呢?"
这些代理不投票求平均。它们互相质疑、攻击、情绪传染,直到某个观点被"杀死"或幸存。
开发者原话:「我们不寻求共识。我们寻找最宽的裂缝——大众相信的与专家恐惧的之间的认知失调。那个裂缝里藏着超额收益(alpha)。」
对比现有方案,差距明显。BettaFish 要7个API密钥,MiroFish 要2个密钥加 Zep Cloud 账户,部署动辄30分钟还要配PostgreSQL。BlackSwanX 克隆下来2分钟跑通,ollama pull 两个模型,bash start.sh 完事。
公民代理数量更是碾压:BettaFish 没有,MiroFish 每轮约100个,BlackSwanX 直接拉到200个,用自研的 Shadow Swarm 框架模拟群体恐慌。
本地运行的隐藏野心
零API成本不只是省钱。它意味着你可以无限次运行,不用担心账单爆炸,不用被速率限制卡脖子。
开发者选了两个轻量模型:llama3.2:3b 和 phi4:14b。3B参数跑快速响应,14B参数处理复杂推理,分工明确。全部本地意味着数据不出机器,对金融预测这种敏感场景是硬性需求。
架构上,Shadow Swarm 比 MiroFish 用的 OASIS 框架更激进。OASIS 让代理社交互动,Shadow Swarm 让它们互相捕食。每个公民代理有情绪状态,会被邻居的恐慌感染,也会在压力下改变立场。
黑天鹅刺客是系统的核心创新。它不参与讨论,只观察。当检测到"共识形成"——也就是观点收敛、分歧消失——它就发起攻击,强制引入反方证据或极端场景,把讨论重新撕开。
这套机制直接针对一个认知偏差:群体极化。 人类和AI都一样,聊久了会互相强化,最后变成回声室。刺客的存在让系统永远处于"准崩溃"状态,逼出那些平时被压制的边缘观点。
"解决零个真实问题"的诚实
开发者在文档里写了一句罕见的诚实:「这优雅地解决了零个真实世界问题。」
它不预测股价,不给你交易信号,不保证回报。它只做一件事:找到人群的错误。至于那个错误什么时候变成现实,会不会变成现实,系统不负责。
这种定位让它更像一种思维工具,而非决策工具。你可以用它测试自己的信念有多脆弱,看看在什么条件下会动摇。对交易员来说,这可能是比预测更有价值的信息。
GitHub 仓库提供了完整代码和2分钟快速启动指南。demo 案例是"NVIDIA会在AI泡沫破裂时崩盘吗"——典型的黑天鹅问题,共识认为不会,但专家私下担忧。系统跑出来的不是答案,而是一堆互相矛盾、情绪饱满的论证,以及这些论证的漏洞。
174个代理的规模不是炫技。开发者测试过,低于150个时群体行为不够丰富,超过200个后边际收益递减,计算延迟开始拖累体验。174是本地硬件(具体配置未披露)和交互密度之间的平衡点。
目前项目处于早期阶段,贡献指南已经开放。核心待办包括:更多领域专家模板、可视化情绪传染网络、以及让刺客的攻击策略从随机进化到学习。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.