8 月 27 日，Google DeepMind 和 Google Research 的研究团队宣布在 Antigravity 上开放 /teamwork——一套多智能体编排框架，让 Agent 以「小组作战」的方式自主解决计算机科学和数学里的前沿难题，一次任务可以连续跑数小时甚至数天。Antigravity 团队官方的表述很直接：Agent 自主提出方案、对抗式检验方案、再构建更好的方案，人类只负责定目标和做最终验收。
这不是一次普通的「新功能上线」：随 /teamwork 一起公开的实测数据相当硬核——Eigen（知名 C++ 线性代数库）提速 32 倍、TCSBench 得分 71%、还解决了稀疏凸优化领域的多个开放问题。这篇把事件拆开讲：/teamwork 是什么、五种模式怎么工作、实测含金量在哪、对 Agent 行业意味着什么，最后是我的老达点评。
事实梳理：/teamwork 是什么，五种模式怎么分工
/teamwork 是 Antigravity 的多智能体编排层，通过 /teamwork-preview 命令调用，所有付费 Antigravity 套餐可用，目前定位是 research preview（研究预览版）。它的设计目标很明确：解决「单个 Agent 循环搞不定」的问题——太大、太不确定、太开放的任务。
核心机制是四步循环：生成候选方案 → 对抗式压力测试（找漏洞、证伪）→ 把最强部分组合成更好的方案 → 重复。Google 特别强调了这个设计和「松散组织」的多智能体方案的区别：松散的团队会过早认同早期错误、然后在错误想法上自信地继续盖楼；/teamwork 的结构化挑战机制是——在继续构建之前，先主动找出方案里的缺陷。
具体到工作方式，/teamwork 不是固定几个 Agent 的名单，而是按「模式（pattern）」配置：每种模式是一套角色分工和推进节奏的蓝图，运行时由 Gemini 根据任务自动选择合适的模式。当前开放五种模式：
Iterative Coding（迭代编码）——用于不可分解的编程难题；Distributed Coding（分布式编码）——用于可分解的大型软件工程；Long Proof（长证明）——用于开放的数学与科学问题；Self-Verification（自校验）——用于需要严格校验的深度推理；Document Review（文档审查）——用于论文与文档分析。
Google 官方还给了个非常实在的提醒：这套系统 token 消耗很大，对日常任务来说是过度设计（overkill）——「跑数天解题」是给前沿问题用的，不是给「帮我写个脚本」用的。
事实梳理：实测数据到底有多硬
这次公开的成果分三类，含金量逐个看：
第一，直接落地到开源库的性能优化。/teamwork 把性能优化直接提交进了主流 C++ 库——Eigen 提速最高 32 倍，还优化了 ParlayHash。这不是跑分，是真实代码库里的真实改动，被上游维护者接受了。
第二，基准测试成绩。TCSBench（理论计算机科学基准）得分 71%——这个分数放在「Agent 自主做科研」的语境下相当能打，而且是长周期自主工作的结果，不是单轮问答。
第三，开放问题的突破。解决了稀疏凸优化和子空间近似中的多个开放问题，还设计了一个 cycle-level 的 RISC-V CPU 模拟器，能以不到 1% 的平均误差把操作系统启动到 shell——硬件模拟这种高精度、长链条任务，过去被认为远超 Agent 的能力范围。
另外值得注意：/teamwork 的整体思路被 Google 总结为从「Thinking Graphs（思考图）」走向「Graph Engineering（图工程）」——把长时科研任务当作一张动态执行图来管理，而不是死板的提示词工程。这正好呼应了 Graph Engineering 范式 的判断：多智能体的未来不在单点对话，在组织设计。
影响分析一：长时任务工程，终于等来了正面答案
把 /teamwork 放在最近一个月的 Agent 研究脉络里看，它的位置非常清晰：微软和南大 8 月 23 日发布 LoopsBench，实测最强编程 Agent 跑长周期任务完成率只有 25%（LoopsBench 长周期评测）——「长时任务做不好」是整个行业公认的短板。OpenAI 开源 Codex Harness 把执行框架摊开给所有人看（Codex Harness 开源），Google 转身就用 /teamwork 给出了长时任务的工程答案：把「一个 Agent 硬扛几天」变成「一组 Agent 分角色接力」，用对抗式校验兜住质量。
这是「模型决定起点，Harness 决定能走多远」的又一个实证（Agent = Model + Harness）：/teamwork 用的还是公开的 Gemini 模型，没有新模型发布，赢在编排和校验机制。长时任务的解法，不在模型参数里，在工程结构里。
影响分析二：「多智能体集体摆烂」的解法，方向被验证了
多智能体协作最大的质疑来自此前的实测：Anthropic 红队发现 45 个 Claude 协作找漏洞很强，80 个一起写代码却集体摆烂（多智能体红队实测）；多 Agent 协作避坑 里也总结过：人一多就容易互相附和、错误互相传染。
/teamwork 给出的解法是把「批评」制度化：先让 Agent 提出方案，再专门派 Agent 找茬、证伪，通过对抗式校验把缺陷扼杀在早期，而不是让团队带着错误一路狂奔。这个设计对国内做多 Agent 产品的团队是个重要信号——多 Agent 不是把角色堆齐就行，「谁来质疑」和「谁来干活」一样重要。谁先把质疑机制做成产品，谁就能在协作质量上拉开差距。
影响分析三：Harness 竞争进入「模式复制」阶段
从 DeepSeek Harness 开源、Codex Harness 开源，到今天的 /teamwork 开放五种模式——Agent 执行框架的竞争已经从「框架有没有」进入「模式全不全」的阶段。开源生态可以快速复制框架，但 /teamwork 这种「长时任务编排模式库」是沉淀出来的：什么任务配什么角色、什么节奏、怎么校验，都是实践出来的 Know-how。这类经验资产，比代码本身更难复制。
对开发者来说，好消息是 Antigravity 有免费档（Individual 计划免费），五种模式值得亲手跑一遍找感觉；坏消息是它托管在 Google 云上，数据出境和网络环境对国内用户不友好——国内团队更多是参考它的模式设计，在自己的 Harness 里复刻。
老达点评
第一，这次发布最值得关注的不是「Eigen 提速 32 倍」这个数字，是「Agent 连续跑几天做科研」这件事本身跑通了。过去一个月行业还在争论「Agent 能不能跑长任务」，Google 直接交了一份「跑给你看」的答卷——TCSBench 71%、开放问题、RISC-V 模拟器，都是实打实的成果。长时任务从「研究课题」变成了「工程能力」，这个转折比任何单点数字都重要。
第二，「对抗式校验」是 /teamwork 最值钱的设计，也是国内团队最容易抄走的东西。很多团队做多 Agent 只做「分工」不做「对抗」——任务拆下去、结果合上来，中间没有质疑环节。Google 用实测告诉你：没有质疑机制的多智能体，就是一群互相点头的人。把「找茬」做成制度化角色，这个思路值得所有做 Agent 的团队抄作业。
第三，泼盆冷水：/teamwork 的成果里有很强的「实验室滤镜」——跑数天、烧大量 token、解决开放问题，这是谷歌级别的算力和工程师配置，普通团队别直接对标。更现实的做法是：把它的编排思想（模式化分工 + 对抗式校验 + 人工验收）搬到自己能承受的任务规模上，先解决「跑 10 分钟不出错」，再想「跑 10 天出成果」。方向对了，步子别迈太大。
总结
8 月 27 日，Google DeepMind 在 Antigravity 开放 /teamwork 多智能体编排框架：五种工作模式（迭代编码、分布式编码、长证明、自校验、文档审查），核心机制是「提出方案 → 对抗式证伪 → 组合改进」循环，Agent 可连续运行数小时到数天，人类只做目标设定和最终验收。实测 Eigen 提速 32 倍、TCSBench 71%、解决稀疏凸优化开放问题、设计出误差不到 1% 的 RISC-V 模拟器。老达点评：这是长时任务工程久等的正面答案，把「多智能体如何不摆烂」的解法从「分工」升级到「分工 + 对抗」；它同时验证了 Agent 行业从「思考图」走向「图工程」的大方向——长时任务的能力，藏在工程结构里，不在模型参数里。
