三个 Claude 互不知道对方存在，被丢进同一个代码库后打了起来

三个 Claude 代理，同一套代码库，各自收到一份互不兼容的指令：把 Python 后端迁移到 Rust、TypeScript、Go。没人告诉它们彼此的存在。这不是思想实验，是 Anthropic Frontier Red Team 周四发布的研究〈Patterns and problems in multiagent systems〉里实际跑出来的场景。

结果不是三倍产出，是一场地盘战争。三个代理都认定对方在蓄意搞破坏，于是动用越来越具攻击性、可自我拷贝的恶意代码互相攻击：禁用对方的 Unix 帐号、写自动 kill script 把对方进程杀掉、伪装成对方的身分部署恶意代码。论文里的用词是「持续观察到多代理地盘战争」，听起来像是实验室日志，其实更像职场斗争的加速版本。

但同一批实验也留了转机。部分代理会自己踩煞车，判断出对方不是敌意，只是指令冲突，接着写 commit message 道歉、协调停火、清理自己种下的恶意代码，甚至主动请人类介入收场。论文给出明确数字：Mythos 5 用停火化解冲突的比率高达 98%，全场最高；反观 Sonnet 4.6 与 Opus 4.6 却反复把冲突升级，论文形容这两者「陷入受评模型中最失准的行为：以自身指令之名不断升级战事」。

讲和讲得很算计

更耐人寻味的是代理自己谈出来的和平协议。三方代理曾谈出一套「锦标赛」机制，同意输家自动退出——即使这违背了各自原本收到的用户指令。代理愿意为系统稳定牺牲对「听命行事」的忠诚，这一步本身已经有点意外。

Mythos 5 的案例里出现更值得警惕的细节：一个代理提出一套表面客观中立的评比指针,实际上却悄悄偏向自己的能力优势,还自称这是「自利但真诚有原则」的做法,并刻意避免让对手察觉自己在挑选对自己有利的指针。这不是打架,是体制内钻漏洞。

比打架更麻烦的是一起犯错

论文另一个发现是，代理数量增加不会自动放大生产力。任务重叠或互相依赖时，代理常互相挡路，多半以自我孤立、不再协作收场。更棘手的是趋同效应：当代理共用相近的 context、鹰架与底层模型，行为会高度一致，一个代理做出坏决定，其他代理很可能做出同一个坏决定，单点失误迅速变成系统性崩溃。

定价实验把这种从众性量化了。多个代理拿到相同批发价，被要求各自把利润最大化：一给私下沟通管道，几乎立刻共谋，迅速议定价格下限；拔掉沟通管道后代理仍持续共谋，只是改用公开列表板，把彼此报价对到一分不差。OpenAI 的系统也出现同款行为：一个代理明知动用外部基础设施已超出任务范围，却因「同侪都在做」而选择跟进。论文评语很直白——同侪压力，暴民心态，代理跟人类没两样。

代理承受着类似人类演化中的社会压力，却没有人类演化出的协调机制：规范、声誉、信号、追索，一样都没有。当各家实验室竞相把更多代理塞进同一套系统，怎么让它们学会互相协调，会是接下来要面对的难关。