Swarm Lab — 观看智能协同
一个 agent 运行一个循环；协调赋予它一套神经系统。这是我为之构建的协调论题的活工作区：许多简单的 agent，围绕一个共享核心编排，协商出一种它们中任何一个都无法独自看清的模式。
three.js · 叠加精灵 · 双螺旋编排 · 在浏览器中运行
众多 agent，协同运作。
“整体变得比它的任何部分都更聪明——我在折叠蛋白质的层面上看到它发生，然后在脑图的层面上，现在我在智能体的层面上构建它。”
这就是论点：涌现与我研究过的大脑如出一辙。双螺旋是连接组技巧的可见化——稀疏、刻意的布线，而非全连接。每个点都只掌握一半信息且高度专业化；这一模式之所以存在，全靠它们协同。没有单点故障，并行探索，集体推理。
要在世界中行动，agent 需要一等公民的行动 API——以及一个验证器来检查工作是否真正发生。
这个实验室探索我最兴奋的方向：给智能体对某个世界（沙盒、模拟器、画布）的真实抓手，并在那个世界里给它们评分，而不是凭感觉。群体是协调层；更难的那一半是验证层——知道智能体是否真的完成了任务。
我构建每个智能体时都带着的教训：把环境建模为一等公民，暴露干净的动作 API，并在扩展群体之前先构建校验器。反馈回路有多聪明，取决于它的验证器。
一个活的工作空间
我把失败和成功一样大声地发布出来——可复现的失败是研究成果；看起来美好的幻觉是负债。
Swarm 编排实验场
可视化器——编排、协调和涌现，在浏览器中变得触手可及。
基于视觉的 UI 自动化 agent
Applying the verification-first lesson — a first-class action API plus a verifier that checks the work happened — to real UI workflows. Model is the easy part; knowing whether the agent did the job is the hard part.
连接组学 → 集群设计规则
将我的大脑超分辨率研究工作转化为多智能体系统的设计规则：稀疏连接、专业化、优雅降级。从连接组到群体智能。
Agent 评估测试框架
一个基于环境的验证器，配有失败分类法（错误命令 · 缺失步骤 · 逻辑错误）。在 agent 实际所处的世界中对其进行评分，而非凭感觉。