一场没有人类干预的开荒实验

谷歌DeepMind团队日前在arXiv发表论文，披露了一项引人注目的实验：四个由Gemini 4 Argon驱动的AI智能体，被投入一个随机生成的《我的世界》生存模式世界，不给攻略、不给预设分工、不给人类编写的游戏专用工具，只有一个目标——击败最终首领末影龙。

结果是，这支”四人小队”耗时27小时14分钟，从空手砍树开始，一路挖矿、炼铁、搭传送门、寻找要塞，最终摧毁全部末影水晶并击杀末影龙。整个过程中，它们没有接受任何人类干预。

实验细节比结果更有戏剧性：四个智能体全程累计死亡605次，其中69次死于末影龙之手，67次溺水身亡；在遭遇末影龙之前，它们已经击杀了351只其他怪物；通关前最后一名队员仅剩2.5点生命值（满值为20点），堪称极限绝杀。

自己写代码，自己复盘

这四个智能体的行动方式很特别：它们不直接操作鼠标键盘，而是通过开源的Mineflayer库读取角色的位置、生命值、背包与环境信息，然后自己编写短小的JavaScript程序来驱动角色行动，跑完一段代码后读取结果、检查报错，再写下一段。

统计显示，从开局到通关，四个智能体一共编写并运行了2783个程序，合计约6.33万行代码，其中约五分之一的程序因报错需要返工。它们还通过自然语言聊天交换了229条消息，这就是它们唯一的”语音频道”。

开局仅约十分钟，四个智能体就主动商量起了分工：一个负责寻找食物、床和打火石；一个负责下矿挖钻石；一个负责炼铁和制作工具；还有一个着手搭建下界传送门。不到两小时，铁器与钻石凑齐，传送门点亮。

实验中段的两个片段最能体现协同的价值。一次，一名智能体带着12份烈焰粉被岩浆烧死，掉落的物品又被火球炸散，眼看关键材料灰飞烟灭，几名队员立刻聚在一起复盘事故原因、写下应对办法，并提醒队友不要再踩同一个坑。另一次，一名携带打龙关键材料的队员在距离队友八米处溺水身亡，其余成员立刻发消息报出死亡坐标，催促最近的队友赶去捡回材料。

游戏进行到约21小时，一名智能体发现柱子顶端的十颗水晶在为末影龙持续回血，并找到用泥土堆叠抵达水晶的办法。随后4小时40分钟里，四人合力摧毁全部水晶，39分钟后完成绝杀。成本方面，截至通关，智能体共处理约13.5亿输入Token，按优惠价格计算约520美元。

多智能体协同，本质是一场通信工程

剥开游戏的外壳，这项实验展示的是通用智能体的持续自学习与协作能力。而支撑协作的技术骨架，恰恰是开发者最值得研究的部分：实时消息通道、共享记忆、快速的任务交接与失败重试。每一个环节，都对网络链路的延迟与稳定性提出要求。

道理不难理解。多智能体系统的每一次分工、每一轮复盘、每一次”报出坐标、就近救援”，都依赖消息的及时送达。消息晚到一拍，队员可能已经带着关键材料走进下一个危险区；状态同步卡顿，两个智能体可能重复执行同一个动作，白白浪费上下文与算力。论文作者之一也表示，DeepMind计划把同样的设置推广到编程、科学和机器人任务，这些场景对实时协同的要求只会有增无减。

小火箭加速器：给实时协同一条低延迟链路

如果你也在搭建多智能体工作流，或者在做需要实时通信的AI应用，网络层的延迟就是协同效率的隐形天花板。小火箭加速器主打游戏级加速与低延迟，其针对实时交互场景优化的链路，同样适用于AI智能体的高频消息通信。

在多智能体开发的实际场景中，小火箭加速器的价值体现在几处：智能体与模型API之间的流式调用，低延迟意味着每一轮工具调用与推理衔接更紧凑；多个智能体共享外部记忆与任务队列时，稳定的链路让状态同步不丢拍；调用海外代码托管与模型服务时，优化路由减少跨境段的高延迟与丢包。对开发者而言，这就好比给自己的”四人小队”配了一条不掉线的语音频道。

把实验经验搬进自己项目的部署清单

• 为每个智能体设计独立的会话与记忆空间，参考实验中的共享空间记忆数据库思路；
• 消息通道与工具调用通道分离，避免单一通道拥塞拖垮全部协作；
• 为失败任务设置自动重试与人工接管入口，实验中五分之一的代码返工说明重试机制必不可少；
• 给关键节点写”事故复盘”流程，把踩坑记录沉淀进共享记忆；
• 底层网络统一走小火箭加速器的低延迟链路，把链路抖动从变量变成常量。

延迟与协同：一组值得记住的科普

多智能体系统的通信质量，可以用三个指标来理解。第一个是往返延迟，即一条消息从发出到收到回应的时间，实验中四名队员”发坐标、就近救援”的接力，每一段都是一次往返；第二个是抖动，即延迟的波动幅度，稳定的平均延迟配上剧烈抖动，比略高但平稳的延迟更伤实时协作；第三个是丢包率，丢掉一条关键消息可能让整个分工链断裂。对实时系统而言，低而稳的延迟加上接近零的丢包，才是理想通道。

再看一组实验数据的对照：四个智能体在27小时里仅交换了229条消息，平均每七分钟才一条——这是因为每条消息都附带完整的状态与意图，一次同步能支撑一段时间的独立行动。这给多智能体系统设计提了个醒：与其追求高频通信，不如让每条消息承载足够的上下文，同时在链路层保证关键消息的可靠送达。

常见问题

多智能体离我很远吗？并不远。你在终端里跑的编程智能体、后台的自动化脚本、调用多个工具的AI助手，本质都是智能体协同的雏形，通信质量的规律是相通的。

低延迟对编程智能体帮助大吗？明显。一轮工具调用通常包含多次API往返，延迟每降低一档，单位时间能完成的调用轮次就多一截，长任务的累计差距非常可观。

开通加速需要改项目代码吗？不需要，网络层方案对应用透明，安装客户端开启即生效。

写在最后

从单枪匹马的Claude不到四小时击杀末影龙，到双模型组合8分43秒速通，再到如今四个通用智能体完全自主开荒27小时通关，AI智能体的协作形态正在快速演进。对开发者来说，读懂这场实验里”229条消息如何撑起一场通关”，比通关本身更有价值——毕竟下一场”开荒”，可能就发生在你的项目里。