介绍 你不需要去远处寻找，已经有很多人声称他们在利用人工智能来完成几十个人的工作。我对任何讨论没有证据的改善的说法持怀疑态度。我决定利用这种怀疑精神来引导我的工作。这与X上的整个‘循环’讨论有些重叠，但这只是巧合。在过去的几周里，我准备了一个与Kaparthay的‘自动研究’主题相关的项目。我想选择一个问题，这个问题既不是传统的机器学习或数值优化问题，但仍然有一些客观的成功衡量标准。我选择这种问题，是因为我参与的许多项目或产品都是以这种方式构建的。你有一个想要改变（增加或减少）的指标，并且理想情况下有一些方法来衡量它。你可能还有一些约束，例如，我们不能让这个功能的页面加载时间超过500毫秒。我还没有处理过这样的一个问题，其中从未知到成功的路径是一个清晰的，类似于机器学习的梯度优化。更常见的情况是你完成一些工作，在“现实世界”中进行测试，查看它的表现，然后做出下一步的决定，并不是所有的变化都会导致积极的结果，容易走得很深而导致局部最优的结果。我想要一个实验，以便让我对如何在基本不受监督的情况下，将AI代理与更大块的工作任务进行分配有一些直观的理解。已经有其他机制来尝试实现这一目标，例如Ralph Loops和现在在Claude Code中的/goal命令。这种设置的不同之处在于我会选择一个可以量化的数字作为成功的主要衡量标准，并用一些通过或不通过的约束来界定问题。不想让事情过于复杂，我选择了文件压缩这个问题。我选择它是因为目标和约束都很简单。如果最终文件大小更小，压缩算法就更好。我给这个问题增加了两个约束，其中一个是未压缩的文件需要完全匹配，另一个是压缩或解压缩过程都不能超过300秒。我故意没有优化速度，而是想限制时间，确保该过程可以在大多数情况下不受监督地运行，因为我知道超时可以捕捉到无限循环。文件压缩的另一个好处是，有许多现有的工具我可以用来进行最终基准测试。鉴于这是一个小型的概念验证，我并不指望创造出一个全新的顶级算法。尽管如此，知道这个家制版本与现有工具的表现对比如何，有助于提供一个数据点，以帮助我们了解我们可能有多大程度地远离库和现成的解决方案。如果一个代理可以快速、可靠地解决一个以前由外部依赖性解决的问题，那么必定会有一个点，在这个点上，内部解决方案的价值超过了像供应链攻击这样的风险。这不是一个单一实验能够回答的，但它会有助于确定是否值得进一步研究。方法论 问题设置 首先，提醒一下，此处的目标是看看这种方法是否可行，而不是对任何特定模型进行基准评估。其次，在我们进入正题之前，本项目的所有代码可以在这里找到：https://github.com/smitec/agent-compression 在这个工作中，我使用了Sonnet 4.6上默认设置的Claude Code。我确信不同的模型会有不同的处理方式，这个可以留待另日探讨。在任何代理参与之前，我为这个项目设置了一个基本的框架。我选择了Rust，因为一些隐含的约束，比如“不修改函数签名”，可以通过类型系统轻松执行。我准备了一个压缩和解压缩函数的存根，两个函数都只是复制字节。这个“有效”，但对任何数据都没有提供压缩。然后，我为压缩-解压缩的往返测试设置了一些基本的单元测试。这些测试并不详尽，但验证了压缩和解压缩函数确实实现了它们的目标，即无损往返。之后，我编写了一个基准脚本。这个脚本从公共领域获取了一些视频、音频和文本文件样本，并创建了一些填充随机数据的不同大小的文件。这些文件中的许多格式已经有一定的压缩，因此我增加了一步，将它们转换为压缩较少的格式。这为文件级基准测试以及整体压缩基准提供了良好的依据。拥有这个样本集意味着存在高熵和低熵文件格式的混合。一个好的压缩算法会压缩低熵格式，而对高熵格式几乎不改变。你可以期待由于格式特定字节，文件大小会有一些轻微变化，但总体上你不希望文件大小以有意义的方式增加。样本中最大的文件是...