博客
隆重推出 Replit Missions智能体集群会规划、构建、测试并迭代,朝着你期望的结果推进,同时遵守你设定的预算和边界。

发布于:
2026年11月17日Replit 团队
今天,我们推出 Replit Missions,帮助你的团队承接那些他们一直没时间或没精力处理的复杂工作:赢得更多企业客户、提升产品性能,或替换遗留软件。你定义目标成果,Replit 则协调一组智能体集群,在你设定的预算和边界内进行规划、构建、测试并迭代,朝着目标推进。
在 Replit,我们想探索将应用监控引入内部,以降低成本并获得更多控制权。我们给 Missions 设定了一个目标:构建 DataCat,一个我们可以在自己的基础设施上定制和运行的平台。在两天内、3,000 美元的预算下,一组智能体集群构建了仪表盘、告警和应用追踪功能,然后对照可衡量的性能和可靠性目标对该平台进行了测试。
DataCat 只是 Missions 所能实现的工作的一个例子。Missions 将同样的方法应用于你团队的目标,而无需你构建和维护协调智能体集群所需的复杂基础设施。
从你没有精力承接的复杂工作开始
你可以从一个任务开始,比如“赢得我们的前 10 个付费企业客户”。你不需要预先决定要瞄准哪些行业、接触哪些买家,或先解决哪个客户问题。寻找和评估这些方案正是你委托出去的工作的一部分。
在设置过程中,Missions 会提出问题以定义成功标准。对你业务而言,什么算作企业客户?付费试点是否计入前 10 个,还是成功意味着签署超过最低金额的年度合同?你的回答将决定该任务优先考虑哪些客户账户,以及如何衡量结果。

掌控预算和边界
你的 Missions 协议设定了支出上限以及哪些操作需要你的许可。你们还要就可接受的权衡达成一致,例如提供付费试点或年度合同折扣。
例如,你可以将任务的支出上限设为 1,000 美元,并要求智能体在联系潜在客户、分享提案、更改面向客户的销售材料或做出产品承诺之前获得批准。随着方案演进,这些限制和审批要求始终有效。

让智能体规划、构建并迭代
对于你的企业销售任务,智能体可能会研究目标客户账户、构建定制演示,并准备外联材料供你审批。集群让它们能够并行工作,一个智能体研究买家,另一个开发演示。在获批的外联材料发出后,任务可以回过头来审查哪些账户和消息正在产生合格的对话。
这些回应将指导下一轮工作。智能体可能会聚焦于表现出更强兴趣的行业,围绕反复出现的买家问题改进演示,或修改回应寥寥的消息。

图示展示了智能体集群正在改进 Replit Slides
为什么智能体集群让 Missions 更强大

图表展示了使用 Auto (Max) 和 Auto (Power) 时,NumPy 基准测试随智能体数量增加的加速比。
智能体集群赋予 Missions 同时探索多种解决方案、共享洞见并基于彼此发现继续构建的能力。对于性能优化这类问题,智能体会并行测试不同的实现,利用共享的发现来改进各自的方法,并在寻找更快解决方案的过程中协同验证正确性。
我们使用 NumPy在 13 项具有代表性的基准任务上对此进行了测试。智能体探索了替代实现,优化了内存访问模式,并自动验证了正确性。使用 Auto (Max) 时,单个智能体实现了最高 4 倍的加速。16 个智能体的集群达到了 17 倍,32 个智能体的集群达到了 19 倍。Auto (Power) 显示出相同的模式:分别为 2 倍、7 倍和 9 倍。
引人注目的结果是集群取得了多大的进展。并行探索更多方法帮助 Missions 找到了显著更快的实现,展示了智能体集群在复杂优化工作中的潜力。
查看进展并了解结果如何被检查
在规划期间,你选择想要了解的内容,包括阻碍、进度更新和一般状态,以及频率:立即、每日摘要或每周。你可以合上笔记本电脑,让云端智能体继续工作。Missions 会根据你的偏好发送更新,并在需要你输入时联系你。
一个独立的 AI 评判员会根据你们商定的成功标准检查结果,智能体则利用其反馈来改进工作。当这些标准得到满足时,任务即被标记为完成。如果预算先耗尽,工作将停止,结果仍未解决。
无论何时你想更仔细地查看,都可以看到已完成的工作、活跃的任务和后续步骤,包括任何等待你批准的事项。
构建 DataCat:我们用 Missions 打造的自有应用监控平台
我们使用 Missions 构建了 DataCat,一个我们可以自行运行和定制的应用监控平台。在 2 天内、3,000 美元的预算下,Missions 根据我们团队在任务合同中设定的目标,构建了一个可运行的平台,包含仪表盘、告警和应用追踪功能,然后对照可衡量的性能和可靠性目标对其进行了测试。
Missions 还构建了 DataCat 自己的智能体,它从每台服务器收集监控数据,以及它的追踪库。DataCat 可以独立于原平台的智能体和库运行。
为了测试 DataCat 是否能帮助诊断故障,我们故意引入了一个数据库缺陷。DataCat 在 38 秒内发出了告警,超过了我们 60 秒的目标,并将故障追踪到确切的数据库查询及其日志。
该任务还为一次三小时负载测试构建了示例应用。DataCat 存储了 2600 万条应用活动记录和 440 万条日志条目,没有丢失任何数据,同时搜索和告警持续运行。全部 36 项数据正确性检查和 15 项告警可靠性检查均通过。
该任务将其监控代码与原始平台的追踪库和代理进行了比较。在匹配的 Node.js 测试中,该应用处理了更多请求,且与监控相关的处理器开销更少。DataCat 的代理还使用了更少的内存,并使日志更快可搜索。
随后,我们将 DataCat 与使用 /goal 在 Claude Code 中基于相同初始提示构建的监控平台进行了比较。DataCat 接受了原始平台代理的所有数据类型(日志、指标、主机数据和追踪),而 Claude Code 构建仅接受日志。DataCat 通过了更多 API 兼容性检查,并更快地接收追踪和指标。Claude Code 构建覆盖了更多产品领域,并更快地接收日志。下表总结了结果。
| 我们测试的内容 | DataCat 的结果 |
|---|---|
| 构建时间和预算 | 2 天,在 3,000 美元上限预算内 |
| 检测故意引入的数据库缺陷 | 38 秒,目标为 60 秒 |
| 处理持续活动 | 3 小时内 2600 万条活动记录 + 440 万条日志条目,零数据丢失 |
| 数据准确性和告警可靠性 | 51 项检查全部通过 |
| Node.js 测试中的监控效率 | 处理的请求多 39%,与监控相关的处理器开销少 51% |
| API 兼容性(独立测试套件) | 每个 DataCat 存储引擎通过 56 项检查中的 51 项,而 Claude Code 构建为 56 项中的 45 项 |
| 应用追踪接收 | DataCat(Postgres)每秒 49,000 条追踪,而 Claude Code 构建为 9,800 条:快 5 倍 |
| 指标接收 | DataCat(Postgres)每秒 405,100 个指标点,而 Claude Code 构建为 224,600 个:快近 2 倍 |
| 负载下的代理内存 | DataCat 的代理为 82–108 MB,而原始平台的代理为 319 MB(240 秒平均值) |
| 日志可搜索所需时间 | DataCat 的代理为 0.5 秒,而原始平台的代理为 4.2 秒(中位数) |
| 存储引擎 | 2 个(Postgres 和 ClickHouse),而 Claude Code 构建为 1 个(SQLite) |
注:这些受控测试不能确立针对原始平台托管服务或 Replit 生产系统的性能。Node.js 比较使用了匹配的工作负载和监控工作。
构建比较在相同的云机器上对每种设置各运行一次,仅对共享产品领域评分,并使用原始平台的代理版本 7.56.2 发送数据。API 兼容性是独立于数据正确性和告警可靠性的测试套件。
代理比较使用相同工作负载的重复运行,一次一个代理,两者都发送到同一 Radar 服务器。参考为原始平台的代理版本 7.56.2。
DataCat 为我们提供了一个可运行的基础,我们可以检查、定制并在自己的基础设施上运行。
我们正在开源一个可自托管的 DataCat 版本,以供更广泛使用。

DataCat 预览,这是我们用 Missions 构建的自有应用监控平台
让你的雄心投入工作
Missions 能承担的目标范围持续令我们印象深刻。在 E-Commerce Bench上,一个代理以 100,000 日元起步,运营在线商店一个模拟年,选择供应商、避免诈骗并设定价格。在一次运行中,Missions 将其增长到 482 万日元,约为起始资金的 48 倍,这是最先进的结果,超过公共排行榜最佳成绩的三倍多。
我们相信 Missions 是迈向 Self-Driving Company的切实一步:人们设定方向、做出重大决策并保持问责,而代理承担执行和协调。
这改变了小团队可以考虑承担的事情。你一直推迟的产品发布。需要一整组资深工程师的重构。你想在内部构建但没有带宽的现成软件。
我们很高兴将 Missions 带给世界,并期待看到你将用它承担什么。
点击侧边栏中的“New”,选择“Mission”,并描述你最有雄心的目标。
了解更多: replit.com/missions 或与我们的 销售团队 联系,了解如何将 Missions 引入你的组织。
更多
AI 热点
2026 年 11 月 12 日
2026 年 10 月 28 日
2026 年 10 月 27 日