ลูปการตรวจสอบตัวเอง: 300 เอเจนต์, 4,000 ขั้นตอน, และ 5 แหล่งข้อมูลสดที่ทำงานอัตโนมัติด้วย Kimi K2.6

ฝูงเอเจนต์ส่วนใหญ่ส่งข้อมูลที่ดูน่าเชื่อถือแต่เป็นขยะจริงๆ ตัวนี้กลับมาตรวจสอบงานของตัวเอง ทิ้งสิ่งที่ผิดพลาด และทำงานซ้ำจนกว่าทุกตัวเลขจะย้อนกลับไปยังแหล่งที่มาได้

300 เอเจนต์แบบขนาน
4,000 ขั้นตอนต่อการรัน
5 ฟีดข้อมูลสด
3 รอบตรวจสอบเพื่อให้ไม่มีข้อผิดพลาด

ความลับสกปรกของฝูงเอเจนต์คือ ยิ่งมีเอเจนต์มาก มักจะหมายถึงเรื่องไร้สาระที่ดูมั่นใจมากขึ้น

ชี้เอเจนต์ 300 ตัวไปที่งานวิจัย แล้วพวกมันจะกลับมาพร้อมคำตอบเร็วแน่นอน แต่พวกมันก็จะกลับมาพร้อมตัวเลขที่เก่า ข้อมูลอ้างอิงที่กึ่งแต่งขึ้น และบริษัทสามแห่งที่ไม่มีอยู่จริง ความเร็วไม่เคยเป็นส่วนที่ยาก ความน่าเชื่อถือต่างหาก

ดังนั้นฉันจึงเลิกมองฝูงเอเจนต์ว่าเป็นเส้นชัย และทำให้มันเป็นเพียงขั้นตอนหนึ่งของลูป Opus 4.8 วางแผนงาน และที่สำคัญกว่านั้นคือ ตรวจสอบ งานนั้น Kimi K2.6 ฝูงเอเจนต์ดำเนินการ จากนั้น Opus จะตรวจสอบทุกผลลัพธ์กับแหล่งที่มา ทิ้งทุกอย่างที่ล้มเหลว และส่งงานเหล่านั้นกลับไปรันอีกครั้ง ลูปจะหยุดก็ต่อเมื่อไม่มีอะไรล้มเหลวอีกแล้ว

เพื่อทดสอบมัน ฉันให้ลูปทำงานที่ลงโทษอาการหลอนประสาทหนักกว่าสิ่งใด: วิเคราะห์บริษัท 100 แห่งในตลาดรถยนต์ไฟฟ้า และผลิตรายงานระดับงานวิจัยพร้อมตารางเปรียบเทียบ โดยทุกตัวเลขต้องอ้างอิงแหล่งที่มาสด

ฝูงเอเจนต์ให้ความเร็วแก่คุณ ลูปให้ความเร็วที่คุณเชื่อถือได้จริงๆ ความแตกต่างคือขั้นตอนการตรวจสอบ และมันเปลี่ยนทุกอย่าง

ชิ้นส่วนที่หายไป

ทำไมฝูงเอเจนต์ดิบถึงเชื่อถือไม่ได้

ฝูงเอเจนต์ที่ไม่มีผู้ตรวจสอบมีการตั้งค่าคุณภาพเพียงอย่างเดียว: สิ่งที่เอเจนต์แย่ที่สุดผลิตออกมา ถ้าเอเจนต์ 97 ตัวทำงานได้ถูกต้องตามข้อมูลบริษัท และ 3 ตัวแอบหลอนตัวเลขรายได้ รายงานที่เสร็จของคุณจะระเบิดสามจุด และดูเหมือนกับรายงานที่สมบูรณ์แบบ คุณจะไม่รู้ว่าสามจุดไหนจนกว่ามันจะระเบิดในการประชุม

นี่คือเหตุผลที่ "เพิ่มเอเจนต์อย่างเดียว" ถึงถึงจุดอิ่มตัว ปริมาณของผลลัพธ์และจำนวนข้อผิดพลาดเพิ่มขึ้นในอัตราเดียวกัน มีมือมากขึ้น มีข้อผิดพลาดมากขึ้น ขาดคนตรวจสอบเหมือนเดิม

ลูปแก้ไขปัญหานี้ด้วยการทำให้การตรวจสอบเป็นขั้นตอนสำคัญที่มีผลจริง Opus 4.8 อ่านผลลัพธ์ของเอเจนต์ทุกตัวเทียบกับแหล่งที่มาสดที่เอเจนต์อ้างว่าใช้ ตัวเลขที่ไม่ตรงกันจะถูกปฏิเสธ ข้อมูลอ้างอิงที่ไม่สามารถเข้าถึงได้จะถูกปฏิเสธ ทุกอย่างที่ถูกปฏิเสธจะกลับเข้าคิวและรันอีกครั้ง ไม่มีอะไรส่งออกจนกว่าจะผ่านการตรวจสอบ

ลูป

สี่ขั้นตอน ทำงานจนกว่าจะสะอาด

ทั้งระบบเป็นวงจร ไม่ใช่เส้นตรง แต่ละครึ่งทำเฉพาะสิ่งที่ถนัดที่สุด และวงจรหมุนต่อไปจนกว่าขั้นตอนตรวจสอบจะไม่มีอะไรเหลือให้ปฏิเสธ

ขั้นตอนที่สี่คือแนวคิดทั้งหมด ฝูงเอเจนต์ปกติจะรันขั้นตอนที่ 1 ถึง 3 ครั้งเดียวแล้วส่งผลลัพธ์พร้อมข้อผิดพลาดทั้งหมด ลูปไม่ยอมหยุดตราบใดที่ยังมีอะไรผิดพลาดอยู่

การรัน

ดูการจับข้อผิดพลาดของมันเอง

นี่คือพรอมต์ที่ฉันให้ Opus 4.8 สังเกตรายการตรวจสอบที่ด้านล่าง รายการตรวจสอบนั้นคือสิ่งที่ขั้นตอนตรวจสอบใช้เพื่อปฏิเสธงานที่ไม่ดีในภายหลัง ดังนั้นมันจึงเป็นส่วนสำคัญที่สุดของพรอมต์ทั้งหมด

python

1# บทบาท: วางแผนงาน จากนั้นตรวจสอบทุกผลลัพธ์
2
3เป้าหมาย: ค้นคว้าบริษัทในตลาด EV 100 แห่ง
4ผลลัพธ์: ตารางเปรียบเทียบ + รายงานวิจัย โดยทุก
5        ตัวเลขต้องอ้างอิงแหล่งที่มาสด
6
7รายการตรวจสอบต่อบริษัท (ตรวจสอบเทียบกับสิ่งนี้):
8- รายได้ + อัตรากำไรดึงจากฟีดสด
9- แนบ URL แหล่งที่มาและสามารถเข้าถึงได้
10- ตัวเลขตรงกับแหล่งที่มาภายในค่าความคลาดเคลื่อน
11- ไม่มีช่องใดเว้นว่าง
12
13# หลังจากฝูงเอเจนต์รัน ให้ตรวจสอบทุกบริษัท
14# ปฏิเสธสิ่งที่ล้มเหลว ส่งกลับไป ทำซ้ำ

Opus วางแผนงานวิจัย 100 งาน บริษัทละหนึ่งงาน และส่งให้ฝูง Kimi K2.6 รอบแรกกลับมาในไม่กี่นาที จากนั้นส่วนที่น่าสนใจก็เริ่มขึ้น

ในการตรวจสอบรอบแรก Opus ปฏิเสธ 12 จาก 100 บริษัท บางบริษัทมีตัวเลขรายได้ไม่ตรงกับฟีดที่อ้างถึง สองแห่งอ้างอิงแหล่งที่มาที่ไม่สามารถเข้าถึงได้ หนึ่งแห่งเว้นช่องอัตรากำไรว่างไว้ ไม่มีข้อผิดพลาดเหล่านี้ที่มองเห็นได้ในรายงานสุดท้าย แต่ทั้งหมดนั้นผิด

12 บริษัทนั้นกลับเข้าคิวพร้อมเหตุผลที่ถูกปฏิเสธ รอบที่สอง: 3 ยังคงล้มเหลว รอบที่สาม: ศูนย์ ลูปหยุดเอง เพราะไม่มีอะไรเหลือให้ปฏิเสธ

ฝูงเอเจนต์ดิบจะส่งข้อผิดพลาด 12 จุดนั้นออกไปแล้วบอกว่าเสร็จ ลูปจับทุกข้อผิดพลาดได้โดยที่ฉันไม่ต้องอ่านแม้แต่แถวเดียว

ฟีดสดห้าฟีดทำให้การตรวจสอบสามารถเข้มงวดแทนที่จะคลุมเครือ ทุกตัวเลขในรายงานชี้ไปที่ Binance, Yahoo Finance, World Bank, IMF หรือตลาดหุ้นสด เมื่อ Opus ตรวจสอบ มันไม่ใช่แค่ถามโมเดลว่ามั่นใจหรือไม่ แต่มันตรวจสอบตัวเลขที่อ้างว่ากับฟีดจริง นั่นคือความแตกต่างระหว่างระดับงานวิจัยกับความมั่นใจที่ฟังดูดี

ภาพรวมที่ใหญ่ขึ้น

นี่คืออีกหนึ่งจังหวะ DeepSeek

ถอยห่างจากการรัน เพราะภาพเชิงกลยุทธ์คือเรื่องจริง

ในขณะที่แล็บปิดส่งแชทบอทแบบเอเจนต์เดียว แล็บจีนโอเพนซอร์สที่มีมูลค่า $20B ส่งฝูงเอเจนต์ที่ทำให้ลูปแบบนี้เป็นไปได้ โมเดลโอเพนเวท Kimi K2.6 ปัจจุบันอยู่อันดับ 1 บนลีดเดอร์บอร์ดรายสัปดาห์ของ OpenRouter ตามการใช้งาน มันคือ LLM ที่ถูกใช้มากที่สุดในโลกตอนนี้

และมันแข็งแกร่งที่สุดตรงที่การตรวจสอบมีความสำคัญมากที่สุด:

การเงินและการให้คำปรึกษา แผนภูมิแบบมืออาชีพ ฮีตแมป การวิเคราะห์รายงานหลายปี ผลลัพธ์ระดับ McKinsey โดยค่าเริ่มต้น
วิชาการและงานวิจัย การเรนเดอร์สูตร LaTeX การทบทวนวรรณกรรมพร้อมตารางเปรียบเทียบ ข้อมูลอ้างอิงที่ย้อนไปยังแหล่งที่มา
ขนาดที่ทำลายเครื่องมืออื่น เนื้อหามากกว่า 200,000 คำในครั้งเดียว ชุดข้อมูล 100 บริษัท สไลด์ 100 แผ่น
การตรวจสอบย้อนกลับ ทุกจุดข้อมูลเชื่อมโยงไปยังแหล่งที่มาที่คลิกได้ ระดับงานวิจัยเป็นค่าเริ่มต้น ไม่ใช่การตั้งค่า

รันด้วยตัวเอง

ลูป ตั้งแต่ต้นจนจบ

คุณไม่จำเป็นต้องมีแล็บ คุณต้องการสองครึ่งที่ต่อกันเป็นวงจร และรายการตรวจสอบที่เข้มงวดพอที่จะตรวจสอบ

python

1{
2  "pass": 1,
3  "checked": 100,
4  "passed": 88,
5  "rejected": [
6    { "company":"co_041", "reason":"รายได้ไม่ตรงกับแหล่งที่มา" },
7    { "company":"co_067", "reason":"ข้อมูลอ้างอิง 404" },
8    { "company":"co_092", "reason":"อัตรากำไรว่างเปล่า" }
9  ],
10  "action": "ส่งคืนที่ถูกปฏิเสธ -> ฝูงเอเจนต์"
11}

ความแตกต่างในภาพเดียว

ฝูงเอเจนต์ดิบ

❌ รันครั้งเดียว ส่งผลลัพธ์ให้คุณ

❌ ข้อผิดพลาดซ่อนเร้นส่งไปพร้อมรายงาน

❌ คุณภาพเท่ากับเอเจนต์ที่แย่ที่สุด

❌ คุณตรวจสอบทุกแถวด้วยตนเอง

❌ ตัวเลขที่มั่นใจแต่ไม่สามารถตรวจสอบได้

ลูปที่ตรวจสอบตนเอง

✔️ รันจนกว่าการตรวจสอบจะสะอาด

✔️ การล้มเหลวถูกจับและรันใหม่โดยอัตโนมัติ

✔️ คุณภาพเท่ากับรายการตรวจสอบ

✔️ คุณไม่ต้องตรวจสอบอะไรเลย ลูปทำแล้ว

✔️ ทุกตัวเลขย้อนกลับไปยังแหล่งที่มาสด

ฝูงเอเจนต์ให้ความเร็วแก่คุณ ลูปให้ความเร็วที่คุณเชื่อถือได้
ยุคเอเจนต์เดี่ยวกำลังปิดตัวลง แต่ยุคฝูงเอเจนต์มีข้อแม้ที่ไม่มีใครพูดถึง: ปริมาณที่ไม่มีการตรวจสอบเป็นแค่ข้อผิดพลาดที่เร็วขึ้น คนที่ชนะในยุคหน้าไม่ใช่คนที่รันเอเจนต์มากที่สุด แต่คือคนที่รันเอเจนต์ที่ตรวจสอบงานของตัวเอง