OneManCompany 論文：把 Agent 變成「人才市場」，基準提升 15.5%

如果你最近搭過多智慧體系統，大機率也畫過一張固定的組織架構圖：一個負責提需求，一個寫程式碼，一個做測試，按固定流程往下走。

但這套玩法有個致命傷：只要任務稍微跳出當初設計的框框，整個流水線就會卡死。最近公開的一篇新論文提出了一個叫 OneManCompany（OMC）的框架，思路很乾脆：別再死板地畫組織圖了，把 Agent 當成勞動力市場來管。

在這個系統裡，除了作為老闆的人類開發者，其餘所有員工全由 AI 擔任，甚至包括管理層。

把 Agent 打包成能僱傭的「數字人才」

OneManCompany 拋棄了預先繫結的靜態管線，轉而把能力模組化。它將不同的技能與工具打包成可移植的 Agent 身份，論文稱之為「Talents」（人才）。

系統內建了一個「人才市場」。每當有新活兒進來，系統就會去市場裡動態招募最匹配的 Agent，按需組建臨時突擊隊。

連內部管理流程也被自動化了。框架裡設有 COO 智慧體負責拆解任務與統籌分工，還有 HR 智慧體專門負責人才的評估、培訓，甚至表現不行時執行解僱。

在底層執行上，它採用了一種叫做 Explore-Execute-Review（探索-執行-審查）的樹搜尋機制。由系統自上而下逐層分解目標，執行後再層層彙總結果，以此應對極其複雜的開放式工作流。

在案例展示中，它甚至展現出無需人類干預、自主完成併發布一款遊戲的端到端能力。

基準測試提了 15.5 個百分點

這種人才市場架構不僅概念聽起來熱鬧，實測資料也挺硬核。

在評估複雜多智慧體協同能力的 PRDBench 基準測試中，OneManCompany 拿下了 84.67% 的成功率。

這個成績比此前業內最強的 SOTA 紀錄整整高出了 15.5 個百分點。論文的案例研究還表明，這套機制在多個不同領域之間遷移時，依然保持了相當穩健的泛化表現。

dair.ai 在社交平臺上評價，只要你在做無法提前預知任務分佈的開放式系統，把 Agent 視為可招募的勞動力、而不是一張固定流程圖，就能自然獲得自組織與持續最佳化的特性。

為什麼重要

我們認為，OneManCompany 最聰明的地方在於把「軟體架構設計」轉換成了「組織行為學」。過去多 Agent 系統往往死在脆弱的拓撲結構上，開發者總想預判所有分支，結果現實稍有偏差就滿盤皆輸。把它重構為動態勞動力市場後，系統面對未知任務時就不再是崩潰，而是去招募或者配置新的人手。

對於個人開發者和微型創業團隊來說，這種形態非常誘人。一個人哪怕不懂美術或複雜的底層運維，只要系統能自動僱傭對應技能的數字員工、由 AI 高管推進交付，一人公司的產能上限就會被徹底拉開。

不過，目前它更多還停留在學術論文與受控基準階段。全自動 HR 培訓與解僱機制聽起來美好，但在真實生產環境裡，動態招募帶來的呼叫延遲、Token 消耗，以及多層樹搜尋的錯誤放大效應，依然是懸在頭上的隱患。但這無疑給開放式 Agent 的設計指出了一條更符合直覺的活路。