他的博士生涯始于论文Mindstorm，该工作系统描绘了智能体社会的整体图景及其潜在经济形态。此后，他又以共同第一作者身份主导完成了MetaGPT，使其迅速成为近年来智能体编程领域最具代表性、也最具影响力的现象级工作之一；与此同时，他也是OpenHands（原OpenDevin）的早期核心贡献者。
围绕Agent系统方法论，他进一步发展出GPTSwarm，将多智能体建模为可优化的图（graph），为Agent的系统化构造与演化开辟了新路径；他提出的Agent-as-a-Judge，则切中了长时程任务自动评估这一关键瓶颈，为持续迭代优化提供了核心机制。
这位师从Jürgen Schmidhuber的KAUST博士生，早在2021年就将博士研究锚定为多模态Agent。回看他的路径，核心是一件事：更早判断方向，并把判断落成研究。
Agent的未来究竟是怎样的图景？长时程任务中智能体该如何实现自我评估？被调侃为”老顽童”的导师又给他带来了怎样的科研启迪？在这篇深度专访中，他将围绕Agent技术演进的关键路径展开分享，深入讨论智能体社会、智能体经济、自动化评估与递归自我改进（RSI，Recursive Self-Improvement）以及神经计算机（NC，Neural Computer）。
01 于浪潮未至时落子：研究课题和个人选择
2021年末将博士课题锁定为多模态智能体（Multimodal Agents）；并始终认为CodingAgent是最易落地、最具商业价值的方向。
02 Recursive Self-Improvement：Agent进化的核心引擎
未来一年的突破就集中在这个方向。
诸葛鸣晨：三年前，我已经在MetaGPT附录中写下这些方向。回头看，它们正在逐步进入行业讨论的中心。2026年的突破，就集中在recursive self-improvement。
Agent-as-a-Judge的核心价值，是为长时程任务提供持续反馈信号。这种反馈不一定需要100%精准，只要它有意义、能提供方向性，就足以支撑整个迭代闭环继续优化。
03 Agent开源三部曲
MetaGPT当时解决的是什么问题呢？以前大模型的上下文窗口很短，代码如果稍微包含一两个文件就超出了这个上下文长度。MetaGPT的做法是把不同的职责划分开，论文里称为SOP：CEO下达命令，然后有系统架构师、产品经理、engineer等角色，每一个agent的输入输出格式都很清晰规范，同时设计了共享的对话窗口。这样就解决了两大问题：一是由上下文长度不足导致的inconsistency（不一致性），二是hallucination（幻觉）。
GPTSwarm的核心想法很直接，就是用图来统一建模single agent和multi-agent system。在这个框架里，节点代表工具、函数或能力，边代表它们之间的连接关系与信息流动方式。
04 师从”现代AI之父”Jürgen Schmidhuber
在组里氛围很自由，没有固定的weekly meeting。具体指导方面，他会非常详细地看我的论文，甚至会因为某句话、某个词表述不清楚而给出很强烈的批评意见。
他提出智能体的奖励直接等同于”Cash”——就像人类需要薪酬来维持生活，agent社会也可能由经济因素驱动。一些agent可能非常”富足”，有自己的”baby”（数字分身）；一些agent可能会”破产”。
05 Agent的下一个十年
目前这一两年，最终我想做的是一个”过往项目的集大成者”，把过去几个项目的思路整合起来：多智能体协作、sandbox执行、图优化、自动评估等等，设计一个真正可长期运行的长程Agent，优先落地在automatic engineering场景。同时会找机会推出Completely Neural Computers（完备神经计算机）。
诸葛鸣晨：Agent已经基本覆盖了编程和各类工程师场景，能帮大家实实在在地提速。Agent会从编程扩展到所有日常场景。最后想说的是：人类的适应力和创造性，始终会比Agent更强。AI不会淘汰人，但会用AI的人，会淘汰不会用AI的人。
*部分图片由AI生成
来源：虎嗅网
