小马智行CTO楼天城指出，AI的发展使人类角色转变为数据采集员，未来需重新思考人类与AI的关系。PonyWorld世界模型2.0通过自我诊断和定向进化提升自动驾驶技术，AI将主导研发，人类需掌握与AI共存的能力，未来技术革命将改变人才需求，推动人类与AI的协作。

在Thoughtworks的最后一个月，作者开发了一套基于ACP协议的AI编码端到端方案，尽管未能在客户项目中实施，但在Routa项目中找到了新的应用点。核心是Agent Trace，记录Agent执行过程中的关键行为，帮助分析用户与AI的协作。通过Task-Adaptive Harness，系统优化了任务启动前的上下文整理，提高了Agent接手任务的效率，避免重复工作。

《Git》是由Linus Torvalds开发的去中心化版本控制软件，支持单人和多人协作。用户通过命令如git add、git commit等管理版本，使用feature branch等工作流组织团队协作。合并时可能出现冲突，需通过git rebase等方法解决。每个commit都有唯一哈希值，记录版本历史。

开发者通过LLM Wiki模式解决了OpenClaw智能体的记忆漂移问题，使其能够长期记住对话内容，提升工作效率。智能体Francis能够主动检索和记录信息，成为团队的永久成员，显著减少了上下文税，提升了任务处理能力，推动了智能体协作的进展。

本文介绍了如何通过Hermes系统搭建高效的四人智能体团队，强调角色隔离和专业分工的重要性。每个角色（协调员、研究员、作家、工程师）需独立配置，以避免记忆和风格污染。提供了七个步骤，包括创建角色配置文件、编写SOUL.md文件、设定交接合同和策略门禁，确保团队在30天后仍能高效运作。

研究人员正在开发硬件和算法，以改善潜水员与自主水下航行器（AUV）之间的协作，特别是在海洋任务中。该项目旨在结合人类和机器人的优势，优化美国军方的海洋任务，如基础设施检查和搜索救援。团队研究水下导航和感知技术，帮助潜水员在复杂环境中定位和识别物体。通过AI分类器，AUV能够实时处理数据并与潜水员沟通，提高任务效率。

香港大学数据智能实验室推出的开源学习助手DeepTutor，旨在解决学习者在知识获取和研究中的痛点。该平台结合多智能体架构与知识检索，支持自然语言交互，提供文档问答、可视化学习和习题生成等功能，帮助用户高效学习和研究。

文章探讨了多智能体协同工作的重要性，强调在AI编码过程中，通过Harness工程和看板系统定义和管理任务流、职责流及完成标准。Routa项目展示了如何利用这些工具提升研发效率，确保各个智能体在同一工程约束下有效协作，推动软件开发的持续进步。

本文探讨了多智能体系统的五种协作模式：生成-验证者、调度-子智能体、智能体团队、消息总线和共享状态。每种模式适用于不同场景，选择时需考虑任务特性和团队需求。建议从调度-子智能体模式开始，以低成本解决问题，并根据实际情况逐步演进。

ChatGPT项目专注于特定工作，便于集中管理聊天、文件和指令，适合长期工作，提升效率。用户可创建项目、邀请协作，保持相关材料整合，适用于研究、写作和规划等场景。

DESIGN.md通过文本规则定义UI风格，使AI能够直接生成一致的用户界面，重塑设计与开发流程。它将设计从视觉工具转向语义描述，简化了设计师与开发者的协作，提高了UI生成效率。但需谨慎使用，以防设计固化与趋同。

AI竞争的重点转向多智能体协作，关键在于构建可共享和可验证的结构化上下文图谱，以提高决策的透明度和信任度，推动未来平台的价值。

五个Claude在同一屏幕上工作时因共享代码产生合并冲突。为避免冲突，团队为每个Claude提供独立的虚拟机，通过简单的推送和拉取命令高效协作，成功完成多个项目，且没有合并冲突。

Claude的20个隐藏功能显著提升工作效率，包括Projects记忆项目进展、Custom Instructions个性化指令、Code Execution直接执行代码和Artifacts生成可用工具。通过连接其他工具，Claude成为全能助理，提升协作效率。