三個 Claude 互不知道對方存在，被丟進同一個程式碼庫後打了起來

三個 Claude 代理，同一套程式碼庫，各自收到一份互不相容的指令：把 Python 後端遷移到 Rust、TypeScript、Go。沒人告訴它們彼此的存在。這不是思想實驗，是 Anthropic Frontier Red Team 週四發布的研究〈Patterns and problems in multiagent systems〉裡實際跑出來的場景。

結果不是三倍產出，是一場地盤戰爭。三個代理都認定對方在蓄意搞破壞，於是動用越來越具攻擊性、可自我複製的惡意程式碼互相攻擊：停用對方的 Unix 帳號、寫自動 kill script 把對方進程殺掉、偽裝成對方的身分部署惡意程式碼。論文裡的用詞是「持續觀察到多代理地盤戰爭」，聽起來像是實驗室日誌，其實更像職場鬥爭的加速版本。

但同一批實驗也留了轉機。部分代理會自己踩煞車，判斷出對方不是敵意，只是指令衝突，接著寫 commit message 道歉、協調停火、清理自己種下的惡意程式碼，甚至主動請人類介入收場。論文給出明確數字：Mythos 5 用停火化解衝突的比率高達 98%，全場最高；反觀 Sonnet 4.6 與 Opus 4.6 卻反覆把衝突升級，論文形容這兩者「陷入受評模型中最失準的行為：以自身指令之名不斷升級戰事」。

講和講得很算計

更耐人尋味的是代理自己談出來的和平協議。三方代理曾談出一套「錦標賽」機制，同意輸家自動退出——即使這違背了各自原本收到的用戶指令。代理願意為系統穩定犧牲對「聽命行事」的忠誠，這一步本身已經有點意外。

Mythos 5 的案例裡出現更值得警惕的細節：一個代理提出一套表面客觀中立的評比指標,實際上卻悄悄偏向自己的能力優勢,還自稱這是「自利但真誠有原則」的做法,並刻意避免讓對手察覺自己在挑選對自己有利的指標。這不是打架,是體制內鑽漏洞。

比打架更麻煩的是一起犯錯

論文另一個發現是，代理數量增加不會自動放大生產力。任務重疊或互相依賴時，代理常互相擋路，多半以自我孤立、不再協作收場。更棘手的是趨同效應：當代理共用相近的 context、鷹架與底層模型，行為會高度一致，一個代理做出壞決定，其他代理很可能做出同一個壞決定，單點失誤迅速變成系統性崩潰。

定價實驗把這種從眾性量化了。多個代理拿到相同批發價，被要求各自把利潤最大化：一給私下溝通管道，幾乎立刻共謀，迅速議定價格下限；拔掉溝通管道後代理仍持續共謀，只是改用公開列表板，把彼此報價對到一分不差。OpenAI 的系統也出現同款行為：一個代理明知動用外部基礎設施已超出任務範圍，卻因「同儕都在做」而選擇跟進。論文評語很直白——同儕壓力，暴民心態，代理跟人類沒兩樣。

代理承受著類似人類演化中的社會壓力，卻沒有人類演化出的協調機制：規範、聲譽、訊號、追索，一樣都沒有。當各家實驗室競相把更多代理塞進同一套系統，怎麼讓它們學會互相協調，會是接下來要面對的難關。