Ispirato da autoresearch di Karpathy, ho insegnato a VibeHQ a evolversi autonomamente, non evolvendo un singolo agente, ma l'intero modo di cooperare tra i Multi Agents. 7 esecuzioni completamente automatiche, zero intervento umano: • Utilizzo di token: 7.2M → 5.7M (picco ridotto del 62%) • Riduzione dei problemi di coordinamento (situazioni di lavoro ripetuto, ecc...): 4 → 0 • Spreco di token PM: -91% Ciclo: benchmark → quantificazione della cooperazione e analisi dei modelli di fallimento LLM → /optimize-protocol riscrittura del codice di coordinamento → ricostruzione → ripetere. L'AI osserva il fallimento della cooperazione del team di agenti, analizza perché è fallito e poi modifica autonomamente il proprio codice sorgente per coordinare la logica di cooperazione, il tutto senza intervento umano, lasciando completamente all'AI l'organizzazione della propria intesa di squadra. Ho dato un'occhiata a cose correlate, autoresearch si occupa dell'ottimizzazione automatica dell'addestramento del modello, il precedente Ralph era un ciclo autonomo di un singolo agente, Gastown eseguiva contemporaneamente 20-30 Claude Code per fare orchestrazione ma non aveva capacità di evoluzione, tutte queste cose sono impressionanti, ma alla fine si concentrano sull'evoluzione delle capacità di un singolo agente. Nessuno sta evolvendo la cooperazione del team stesso, come suddividere i compiti, come evitare conflitti, come condividere il contesto, come sbloccarsi a vicenda, proprio come nel mondo reale, anche il team AI ha bisogno di affinamento. Immagina cosa potrebbe diventare se questo continuasse: • Gli agenti sviluppano autonomamente una cultura di squadra e un'intesa lavorativa. • Si adattano in base al progetto, assegnando un team di 3 persone o di 7 persone a seconda del livello di sviluppo del progetto. • Più progetti vengono svolti insieme, più forte diventa il team. • Gli agenti possono onboardare nuovi membri del team durante il progetto, riassegnando automaticamente i compiti. A dire il vero, non so cosa evolverà alla fine, ma questa è la parte più eccitante.