自我驗證迴圈：透過 Kimi K2.6 自動化執行 300 個 Agent、4,000 個步驟與 5 個即時數據源

大多數的代理群只會給你看似自信的垃圾。這一個會自我檢查，丟掉失敗的部分，然後重新執行，直到每個數字都能追溯到來源。

• 300 個並行代理
• 4,000 步每次執行
• 5 個即時數據源
• 3 次驗證通過，達到零錯誤

代理群的骯髒祕密是：代理越多，通常意味著有越多的自信廢話。

把 300 個代理指向一個研究任務，它們絕對會快速返回成果。但它們也會帶回過時的數字、憑空捏造的引用，以及三家根本不存在的公司。速度從來都不是難題。信任才是。

所以我停止把群體當作終點線，而是讓它成為循環中的一個階段。Opus 4.8 規劃工作，更重要的是，檢查工作。Kimi K2.6 群體負責執行。接著 Opus 會比對每個輸出與其來源進行驗證，丟掉任何失敗的結果，並將那些任務送回重新執行。這個循環只會在沒有任何失敗時才停止。

為了測試它，我給了這個循環一個最能懲罰幻覺的任務：分析 EV 市場中的 100 家公司，並產出一份研究級報告，附上比較矩陣，每個數字都追蹤到即時來源。

群體給你速度。循環給你你真正可以信賴的速度。差別就在於驗證這個步驟，而這改變了一切。

缺失的環節

為什麼原始群體無法被信任

一個沒有驗證器的群體只有一個品質設定：最差的那個代理所產出的結果。如果 97 個代理完美達成公司的分析，而 3 個默默虛構了一個營收數字，你的最終報告就會包含三個地雷，而且看起來和完美的報告一模一樣。你永遠不會知道是哪三個，直到它在會議中炸開。

這就是為什麼「只要加入更多代理」的做法會遇到瓶頸。產量會擴大輸出，同時也以相同速率擴大錯誤數量。更多人手，更多錯誤，同樣缺乏任何人在檢查。

這個循環透過將驗證提升為一個具備實質影響力的一級階段來解決這個問題。Opus 4.8 會將每個代理的輸出，與它聲稱使用的即時來源進行比對。不匹配的數字會被拒絕。無法解析的引用會被拒絕。被拒絕的任何內容都會回到佇列中重新執行。沒有東西會通過，直到它通過檢查。

循環

四個階段，持續執行直到乾淨

整個系統是一個循環，不是一條直線。每個階段只做自己最擅長的事，循環持續運轉，直到驗證階段沒有任何東西可以拒絕為止。

第四個階段就是整個概念的核心。一般的群體會執行步驟 1 到 3 一次，然後把結果交給你，錯誤也一併包含在內。而這個循環會拒絕在還有任何問題時停下來。

實際執行

看著循環抓住自己的錯誤

這是我給 Opus 4.8 的提示。請注意底部的檢查清單。這個檢查清單就是驗證階段用來拒絕不良工作的依據，所以它是整個提示中最重要的一部分。

1# 角色：規劃工作，然後驗證每個結果。
2
3目標：研究 100 家 EV 市場公司。
4輸出：比較矩陣 + 研究報告，每個
5        數字都追蹤到即時來源。
6
7每家公司的檢查清單（以此驗證）：
8- 營收 + 利潤來自即時數據源
9- 來源網址已附上且可解析
10- 數字與來源在容許範圍內相符
11- 沒有欄位留空
12
13# 群體執行後，檢查每一家公司。
14# 拒絕任何失敗的。送回重新執行。重複。

Opus 規劃了 100 個研究任務，每家公司一個，並把它們交給 Kimi K2.6 群體。第一輪在幾分鐘內就回來了。然後有趣的部分才開始。

在第一輪驗證中，Opus 拒絕了 100 家公司中的 12 家。有些公司的營收數字與它引用的數據源不符。有兩家引用的來源無法解析。有一家把利潤欄位留空了。這些在最終報告中都不會很明顯。但它們全部都是錯的。

那 12 家帶著被拒絕的原因回到了佇列。第二輪：仍有 3 家失敗。第三輪：零失敗。循環自己停了下來，因為再也沒有任何東西需要被拒絕。

一個原始的群體會帶著那 12 個錯誤出貨，然後說完成。這個循環把它們全部抓住了，而我連一行都沒讀。

五個即時數據源正是驗證可以嚴格而非模糊的原因。報告中的每個數字都指向 Binance、Yahoo Finance、世界銀行、國際貨幣基金組織，或即時股票市場。當 Opus 進行驗證時，它不是問模型感覺是否有信心。它是在比對聲稱的數字與實際的數據源。這就是研究級和聽起來自信之間的差異。

更大的圖景

這是另一個 DeepSeek 時刻

退一步看這次執行，因為策略面的圖景才是真正的故事。

當封閉的實驗室推出單代理聊天機器人時，一家估值 200 億美元 的開源中國實驗室推出了讓這類循環成為可能的群體。他們的開源權重模型 Kimi K2.6 目前在 OpenRouter 每週排行榜上排名第一。按使用量計算，它是目前世界上使用率最高的 LLM。

而它最強的領域，正是驗證最關鍵的地方：

• 金融與諮詢。 專業圖表、熱力圖、多年報告分析、麥肯錫等級的輸出是預設水準。
• 學術與研究。 LaTeX 公式渲染、附比較矩陣的文獻回顧、可追溯來源的引用。
• 能壓垮其他工具的規模。 單次處理超過 20 萬字上下文、100 家公司的數據集、100 張投影片的簡報。
• 可追溯性。 每個數據點都連結到可點擊的來源。研究級是預設，不是一個設定。

自己動手執行

循環，從頭到尾

你不需要一個實驗室。你需要的是將兩個部分連接成一個循環，以及一個夠嚴格的檢查清單來進行驗證。

1{
2  "pass": 1,
3  "checked": 100,
4  "passed": 88,
5  "rejected": [
6    { "company":"co_041", "reason":"revenue != source" },
7    { "company":"co_067", "reason":"citation 404" },
8    { "company":"co_092", "reason":"margin empty" }
9  ],
10  "action": "requeue rejected -> swarm"
11}

一張表格的差異

原始群體

❌ 執行一次，把結果交給你

❌ 隱藏錯誤隨報告出貨

❌ 品質等於最差的代理

❌ 你手動審查每一行

❌ 看似自信但無法驗證的數字

自我驗證循環

✔️ 持續執行直到驗證通過

✔️ 失敗自動被抓到並重新執行

✔️ 品質等於檢查清單

✔️ 你無需審查，循環已經做了

✔️ 每個數字都追溯到即時來源

群體給你速度。循環給你你可以信賴的速度。

單一代理的時代正在結束，但代理群時代有一個沒人提到的陷阱：沒有驗證的產量，只是更快地犯錯。在下一個時代勝出的人，不是執行最多代理的人。他們是執行那些能夠自我檢查的代理的人。