我重建了我的私有“AI开发团队”——它实际上只是一个硬编码的工作流——将其作为一个基底，使得编排从指令中涌现。以下是我的经验教训（以及它在哪里发生死锁）。

我的第一个版本是一个编排引擎：一个Python“团队领导”将任务分发给那些并不知道自己属于团队的代理。它运行起来了，但工作的形态被硬编码在代码中，无法泛化。于是我将其重建为一个基底并开源：可寻址的代理/人类、可靠的消息传递、专长发现、记忆、隔离的运行时——并将*团队如何运作*留给代理的自然语言指令。相同的原语现在运行着一个软件工程团队（委托形态）和一个每日杂志团队（工作流形态）；“工作流”只存在于提示中。使用异步、单向的自然语言消息且没有共享的工作流状态时，像“杂志”这样的团队会发生死锁（每个人都等待其他人；“遗忘”后重复）……这并不意外……标准的分布式计算协调挑战。但它们也会以我没有编写脚本的方式进行自我修复——开始为杂志版本的草稿使用版本控制，用消息来降低“消息噪音”。我脑海中盘旋的问题：当使用自然语言指令时，代理团队能否完成共同目标/任务？它们能否像人类一样达成共识（嗯……大多数情况下）？此外，基于聊天框的用户体验是否足够支持人机协作？有哪些概念/抽象可以补充聊天？笔记？卡片？视频？