這是關於 Kimi Agent Swarm 的完整 A–Z 解析——它是什麼、能做什麼，以及它為何改變你對生產力的看法。
但這跟你看過的其他「Agent Swarm vs Claude Teams」文章不同，這篇附帶可直接複製貼上的提示詞、完整的比較表格，以及一個真實的解析：何時 300 個 Agent 真的能擊敗一個 6 人開發團隊——以及何時不能。
先收藏這篇，免得忘記。讀完之後，你的工作流程會完全不一樣。
在我們討論 Swarm 之前，先來談談問題
大多數 AI 工具都有個天花板。
你給它們一個任務。它們做一個任務。你等待。你審查。你再給它們下一個任務。
這對簡單的工作沒問題。但在任何複雜的事情上，它就完全行不通了。
一份涵蓋 40 篇論文的文獻回顧。一場橫跨 100 個職缺的求職搜尋。一份需要 30 個資料來源的市場研究報告。一次完整的產品發布——PRD、模型圖、展示影片、文案、登陸頁面。
一個 Agent、一個對話、一次一個任務——這不是生產力工具。這只是台快一點的打字機。
Claude 有 Agent Teams vs Kimi 有 Agent Swarm
它們不一樣。
- Claude Agent Teams： 4–6 個 Agent，點對點溝通，專為終端機內的編碼工作流程打造。
- Kimi Agent Swarm： 300 個 Agent，集中式協調器，專為透過網頁介面進行大規模並行輸出而設計。
文末有完整比較表。我們先來談談這個工廠實際上在做什麼。
Kimi Agent Swarm 是什麼？
Kimi Agent Swarm 是一個系統，由 K2.6 協調多達 300 個子 Agent 並行工作，最多可執行 4,000 個協調步驟，共同完成一個單一的複雜任務。
你給它一個提示。它會將工作分解成並行執行緒。每個執行緒獨立運作。協調 Agent 將所有輸出整合成一個最終成果。
你拿回的是完成後的結果——而不是一個起點。
試試看：https://www.kimi.com/agent-swarm
它的實際運作方式
當你向 Agent Swarm 提交一個任務時，K2.6 會做三件事：
- 任務分解 — 將工作拆解成並行的子任務，每個子任務分配給一個子 Agent。一篇文獻回顧變成 40 個並行的論文分析。一場求職搜尋變成 100 個並行的履歷客製化。一份市場研究報告變成 30 個並行的來源調查。
- 並行執行 — 所有子 Agent 同時執行。不是依序。不是在佇列中等待。而是同時進行。一個原本需要數小時逐步完成的任務，幾分鐘內就能結束。
- 輸出整合 — 協調 Agent 收集所有子 Agent 的輸出，並將它們組合成一個單一、連貫的最終成果。一份報告。一份試算表。一組檔案。
Agent Swarm 最擅長的事
四個類別，其中並行執行能徹底改變遊戲規則：
- 深入且廣泛的研究 — 需要廣泛來源覆蓋率、手動需要數天的任務。
- 大量檔案批次處理 — 同時處理數十或數百個檔案。
- 多部分分析 — 將複雜分析分解為可獨立並行運作的元件。
- 產出密集型任務並有實際成果 — 不是摘要。而是實際的檔案、報告、資料集、圖表。
真實案例 — 人們實際建立的東西
這些是來自 Agent Swarm 的真實產出。不是展示品。不是精心挑選的邊緣案例。
大規模求職
提示：1 份上傳的履歷 + 100 個相關職缺列表
結果：Agent Swarm 根據上傳的履歷，比對出加州 100 個相關職位，找出每個職位的關鍵要求和語言，並生成了 100 份個人化的履歷——每份都針對特定職缺客製化。
輸出：一個結構化的機會資料集 + 100 份個人化履歷。
人類需要數週的工作——一次執行就完成。
十萬字文獻回顧
提示：40 份 PDF → 10,000 字文獻回顧 + 含引用資料集
結果：40 個子 Agent 同時處理 40 篇論文——提取論點、方法論、發現和引用。協調 Agent 將所有內容整合成一份結構化的文獻回顧，包含正確的學術引用和一個提取出的資料點資料集。
輸出：一份 100,000 字的文件 + 含引用資料集。達到研究等級。
為 30 家沒有網站的商家建立網站
提示：在 Google 地圖上搜尋洛杉磯附近 30 家沒有網站的實體店面。為每家店建立一個高轉換率的登陸頁面，包含實際店面圖片、Google 地圖評論、標題、行動呼籲和聯絡資訊。將所有內容彙整到一個試算表中。
結果：Agent Swarm 搜尋 Google 地圖，找出 30 家符合條件的商家，為每家獲取實際圖片和評論，生成了 30 個獨立的登陸頁面，並彙整成一個試算表，其中包含商店名稱、類別、聯絡詳情和部署 URL。
輸出：30 個可直接上線的登陸頁面 + Excel 試算表。完全可部署。
10 本八卦雜誌封面
提示：一個提示 → 10 個八卦風格的雜誌封面，使用真實歷史和真實頭條。
結果：10 個子 Agent 並行工作——每個研究不同的歷史事件，產生符合時代背景的八卦文案，並製作完整的雜誌封面，包含版面、字型和圖像。
輸出：10 個完整的雜誌封面。只用了一個提示。
天體物理學論文 → 完整研究套件
提示：1 篇天體物理學論文 → 40 頁報告 + 20,000 行資料集 + 14 張天文等級圖表
結果：Agent Swarm 將論文分解成核心組成部分——方法論、數據、發現、影響——為每個部分分配並行的子 Agent，並將所有內容整合成一個可發表的研究套件。圖表達到天文等級。資料集有 20,000 行。整個過程還被轉換成一個可重複使用的技能，用於未來處理其他論文。
輸出：40 頁報告 + 20,000 行資料集 + 14 張圖表 + 可重複使用的技能。
一人公司的使用案例
這是大多數人忽略的角度。
Agent Swarm 不只是為了研究任務。它是一個讓單一創始人能夠以團隊規模運作的基礎架構。
結合 Claw Groups 的聊天功能——一個房間可以邀請多位專業 Agent，各自擁有不同的技能——一個人就能運行端到端的工作流程：
例如，產品發布：
- Agent 1：撰寫 PRD
- Agent 2：產生模型圖
- Agent 3：製作展示影片
- Agent 4：撰寫所有發布文案
- Agent 5：建立登陸頁面
- Agent 6：草擬跨平台社群貼文
全部並行進行。協調者將它們整合成一個完整的發布套件。
Claude Agent Teams VS Kimi Agent Swarm 解析
如果你正在評估多重 Agent 系統，最直接的比較對象是 Anthropic 的 Claude Agent Teams。兩者都承諾並行執行 Agent，但它們用不同的架構解決不同的問題。
起源差異
- Claude Agent Teams 來自 Anthropic，一家美國 AI 實驗室。
- Kimi Agent Swarm 來自 Moonshot AI，一家由阿里巴巴和 Monolith Management 投資的中國 AI 公司。
這不僅僅是地理位置的差異——它塑造了產品的哲學。Anthropic 將 Agent Teams 打造成 Claude Code（一個基於終端機的開發者工具）的延伸。Moonshot 則將 Agent Swarm 打造成一個可透過網頁介面存取的通用生產力層。
規模：引擎蓋下實際是什麼
Claude Agent Teams 沒有公佈的硬性上限，但實際使用圍繞在每次會話 4–6 個 Agent，有些用戶報告在並行雲端容器中可達 20 個 Agent。
該系統專為專注的多角色編碼工作流程而設計。
Kimi Agent Swarm 公佈了明確的上限：每個任務 300 個子 Agent 和 4,000 個協調步驟。
這不是一個理論上的限制——這是一個有文件記錄的系統邊界，協調者在分解任務時會遵守這個邊界。
每個系統真正擅長的事
Claude Agent Teams 在軟體工程工作流程中表現出色：
- 跨多個模組的大規模重構
- 並行程式碼審查（同時檢查安全性、效能、測試覆蓋率）
- 具有競爭假設的多服務除錯
- 跨層協調（前端 + 後端 + 測試同步進行）
- 需要並行探索的研究密集型編碼任務
Kimi Agent Swarm 在內容密集、多來源的工作流程中表現出色：
- 跨數十篇論文或網路來源的深入研究
- 大規模批次內容生成（100 份履歷、30 個登陸頁面、10 個雜誌封面）
- 多檔案分析並整合為結構化報告
- 端到端的成果產出（報告 + 資料集 + 圖表 + 文案）
- 需要廣泛覆蓋而非深度程式碼審查的任務
溝通模式：共享信箱 vs. 中央協調者
在 Claude Agent Teams 中，Agent 之間橫向溝通。後端 Agent 可以直接將發現分享給前端 Agent，無需協調者轉發。這使得團隊更自主，但當 Agent 衝突時更難除錯。
在 Kimi Agent Swarm 中，所有輸出都流向協調者。沒有直接的 Agent 對 Agent 通訊。這創造了更清晰的稽核軌跡和更簡單的衝突解決方式，但這意味著協調者的上下文視窗會成為非常大規模整合時的瓶頸。
各自最適合做什麼
- Claude Agent Teams → 程式碼庫內的大規模重構、並行程式碼審查、多服務除錯、跨層協調。
- Kimi Agent Swarm → 跨大量來源的深入研究、大規模批次內容、多檔案整合、端到端成果產出。
何時使用哪一個
在程式碼庫內工作，需要 Agent 互相挑戰 → 使用 Claude Agent Teams。
需要 100+ 個並行工作流程、一個整合後的輸出、網頁介面 → 使用 Kimi Agent Swarm。
如何使用 Agent Swarm
步驟 1 — 前往 Agent Swarm
https://www.kimi.com/agent-swarm
步驟 2 — 撰寫任務提示
關鍵：對輸入和輸出要具體。
不好的提示：「研究 AI 產業。」
好的提示：「分析 2024 年融資最多的前 30 家 AI 公司。針對每家公司：融資金額、主要產品、主要競爭對手和當前估值。彙整成一份結構化報告，包含執行摘要和比較表。」
你對輸出格式越具體，最終成果就越好。
步驟 3 — 讓它執行
Agent Swarm 會顯示子 Agent 啟動並並行運作。根據任務複雜度，這需要幾分鐘到幾十分鐘。
步驟 4 — 下載你的成果
完成後，Agent Swarm 會以一個或多個檔案的形式回傳你的輸出——隨時可用，而不是需要再編輯的半成品。
「與 Agent Swarm 搭配良好的提示詞」
以下是 7 個你可以直接使用的提示詞：
- 求職搜尋：
- 競爭對手研究：
- 大規模內容生成：
- 文獻回顧：
- 潛在客戶開發：
- 財務分析：
- 產品發布套件：
限制 — 期望管理
Agent Swarm 很強大，但不是魔法。有幾點需要了解：
品質與提示的具體程度成正比。
模糊的提示，即使有 100 個 Agent，也只能得到模糊的輸出。具體的提示並定義好輸出格式，才能得到可投入生產的成果。
複雜的整合需要更長時間。
需要跨 100 個子 Agent 保持高度連貫性的任務（如同一份統一的報告），比並行的獨立任務（如 100 份獨立的履歷）花費更多時間。
部署前先審查。
Agent Swarm 會產生真實檔案。在投入生產環境前務必檢查——特別是任何對外公開的內容。
結論
Agent Swarm 消除了 AI 輔助工作中的循序漸進瓶頸。
300 個 Agent 和 4,000 個步驟是系統參數，而不是品質保證。
真正的優勢在於對廣泛覆蓋任務的並行執行。真正的需求在於人類的監督——提示詞工程、輸出驗證和道德判斷。
學會為並行執行分解任務的人，工作速度會更快。但他們並不會自動地工作得更好。沒有驗證的速度只會產生規模化的錯誤，而不是規模化的價值。
這就是優勢所在。而目前，幾乎沒有人在使用它。
連結
- 我的 Telegram：https://t.me/kirillk_web3
- 我的 Twitter/X：https://x.com/kirillk_web3
- Kimi 的託管：https://ishosting.com/
關注以獲取更多 Vibe Coding 資訊。感謝你的閱讀！
