OneManCompany 论文：把 Agent 变成「人才市场」，基准提升 15.5%

如果你最近搭过多智能体系统，大概率也画过一张固定的组织架构图：一个负责提需求，一个写代码，一个做测试，按固定流程往下走。

但这套玩法有个致命伤：只要任务稍微跳出当初设计的框框，整个流水线就会卡死。最近公开的一篇新论文提出了一个叫 OneManCompany（OMC）的框架，思路很干脆：别再死板地画组织图了，把 Agent 当成劳动力市场来管。

在这个系统里，除了作为老板的人类开发者，其余所有员工全由 AI 担任，甚至包括管理层。

把 Agent 打包成能雇佣的「数字人才」

OneManCompany 抛弃了预先绑定的静态管线，转而把能力模块化。它将不同的技能与工具打包成可移植的 Agent 身份，论文称之为「Talents」（人才）。

系统内置了一个「人才市场」。每当有新活儿进来，系统就会去市场里动态招募最匹配的 Agent，按需组建临时突击队。

连内部管理流程也被自动化了。框架里设有 COO 智能体负责拆解任务与统筹分工，还有 HR 智能体专门负责人才的评估、培训，甚至表现不行时执行解雇。

在底层执行上，它采用了一种叫做 Explore-Execute-Review（探索-执行-审查）的树搜索机制。由系统自上而下逐层分解目标，执行后再层层汇总结果，以此应对极其复杂的开放式工作流。

在案例展示中，它甚至展现出无需人类干预、自主完成并发布一款游戏的端到端能力。

基准测试提了 15.5 个百分点

这种人才市场架构不仅概念听起来热闹，实测数据也挺硬核。

在评估复杂多智能体协同能力的 PRDBench 基准测试中，OneManCompany 拿下了 84.67% 的成功率。

这个成绩比此前业内最强的 SOTA 纪录整整高出了 15.5 个百分点。论文的案例研究还表明，这套机制在多个不同领域之间迁移时，依然保持了相当稳健的泛化表现。

dair.ai 在社交平台上评价，只要你在做无法提前预知任务分布的开放式系统，把 Agent 视为可招募的劳动力、而不是一张固定流程图，就能自然获得自组织与持续优化的特性。

为什么重要

我们认为，OneManCompany 最聪明的地方在于把「软件架构设计」转换成了「组织行为学」。过去多 Agent 系统往往死在脆弱的拓扑结构上，开发者总想预判所有分支，结果现实稍有偏差就满盘皆输。把它重构为动态劳动力市场后，系统面对未知任务时就不再是崩溃，而是去招募或者配置新的人手。

对于个人开发者和微型创业团队来说，这种形态非常诱人。一个人哪怕不懂美术或复杂的底层运维，只要系统能自动雇佣对应技能的数字员工、由 AI 高管推进交付，一人公司的产能上限就会被彻底拉开。

不过，目前它更多还停留在学术论文与受控基准阶段。全自动 HR 培训与解雇机制听起来美好，但在真实生产环境里，动态招募带来的调用延迟、Token 消耗，以及多层树搜索的错误放大效应，依然是悬在头上的隐患。但这无疑给开放式 Agent 的设计指出了一条更符合直觉的活路。