章节主旨
把前几章手动编排的 stochastic multi-agent consensus 从「厨师/饮食」玩具例子搬到一个真实 app —— Anthropic 算法艺术 skill 里自带的 synaptic-drift.html,并改用 Agent Teams 功能来跑同一套多 agent 协作,借此对比手动编排与开箱即用两条路径。
核心论点
- Anthropic skill 目录里有现成的算法艺术 skill,调 stroke weight、damping 等参数就能生成独特视觉设计,可当壁纸。(→ 详解1)
- Agent Teams 是手动多 agent 编排的 streamlined 版——开箱即用地完成同样的事,代价是更多 token。(→ 详解2)
- 要在 prompt 里明确「读透整个 skill 再据此 spawn agent teams」,而非直接简单跑 skill,否则协作层次不够。(→ 详解3)
知识点详解
1. 算法艺术 skill 与 synaptic-drift 示例 1:09:37
Anthropic 的 skill 目录里带了一个 algorithmic art 基础 Claude Skill,synaptic-drift.html 就是它产出的一个示例作品。
它暴露了 stroke weight(笔画粗细)、damping(阻尼)等可调参数,改一改就能得到很不一样的独特设计,存下来就是一张壁纸。这一章拿它当被优化的真实对象,而不是继续用抽象的玩具例子。
2. Agent Teams:开箱即用的多 agent 协作 1:10:18
前几章的 多 Agent 共识 是靠手动开多个 Claude 实例、自己编排讨论来实现的。Agent Teams 则是同一目标的 streamlined 版本:框架内置了「spawn 一队 agent、让它们分工讨论」的能力,不用自己手搓编排。
代价是 token —— 开箱即用意味着更多的上下文与调用开销。所以它换来的是省心,而非省钱。
这类高阶能力目前只在 terminal 里可用,Nick 也认为 agent teams 在终端里管理得更好,于是全程在终端(可选 ghostty)里操作。
3. prompt 设计:读透 skill 再编排 consensus workflow 1:11:05
关键指令是:让 Claude 把 synaptic-drift.html 优化成一个完整应用,但不要天真地自己闷头做,而要用 Agent Teams 把 stochastic multi-agent consensus 这个 skill 应用起来。
特别强调「别只跑 skill 里现成那套,那样太简单了 —— 要通读整个 skill,再据此 spawn agent teams」。这样 Claude 会先读 skill 定义、再读 HTML 文件、再读 agent teams 工具链,然后创建一个 consensus workflow 团队、一次性 spawn 10 个 analyst agent。
要点是:把「共识方法」当作被编排的素材,让 agent teams 做执行层,而不是让单个 agent 直接吞掉整个任务。
术语
- algorithmic art skill(算法艺术 skill,Anthropic 官方 skill 目录里生成参数化视觉设计的技能)
- Agent Teams(智能体团队,框架内置的开箱多 agent 编排功能)
- stochastic multi-agent consensus(随机多智能体共识,开多个 agent 互相讨论逼近更优解的方法)
- synaptic-drift.html(算法艺术 skill 产出的示例网页,本章被优化的对象)
自检问题
- Agent Teams 相比手动开多个实例做多 agent 共识,好处和代价各是什么? 答案:好处是开箱即用、不用自己手搓编排(streamlined);代价是消耗更多 token。见详解2 1:10:18
- Nick 在 prompt 里为什么强调「不要只跑 skill 现成那套」? 答案:直接跑 skill 太简单、协作层次不够;他要 Claude 通读整个 skill,再据此 spawn agent teams,把共识方法当作被编排的素材。见详解3 1:11:05
- 这一章为什么从玩具例子换成 synaptic-drift.html? 答案:为了在一个真实 app 上演示同一套多 agent 方法,并顺势对比手动编排与 Agent Teams 两条路径。见章节主旨