Google公布Antigravity Teamwork与Gemini 3.7 Flash协作的研究和工程案例，涉及数学与理论计算机科学问题、RISC-V模拟器以及开源库性能优化。多Agent可以在数小时或数天内探索、批评和迭代，但成果可信度来自Lean形式化、硬件基准和上游代码审查，而不是Agent数量。团队要先设计验证体系，再扩大并发。
按不同思路分组而非重复劳动
主协调器给各Agent不同假设、方法或模块，并定义共享问题和独立输出。所有组都做同一任务会浪费预算。中途只交换经过验证的关键发现，避免错误快速传播。
数学结果用形式化约束
自然语言证明由独立Agent审查，再转入Lean等证明器。形式化通过后仍检查定理陈述是否等价于原问题、使用了哪些公理和依赖。长篇证明提供可读说明与机器文件。
工程结果依赖真实基准
CPU模拟器要与硬件真值比较，性能优化要在多数据规模、平台和冷暖缓存条件下测试。只看单次速度提升可能掩盖正确性、内存或兼容性回退。
开源改进应进入上游
Agent生成的补丁由维护者审查，遵循项目风格、测试和贡献协议。尽早与上游沟通，避免建立无人维护的平行分支。性能结论附可复现实验。
管理并发、失败和责任
限制Agent数、预算、工具和运行时间。记录各组来源、提示、提交和失败路径。主研究者负责问题价值与最终发布，模型之间投票不能代替专家判断。
进一步实施建议
实操可以从三个Agent开始：探索者提出两种路线，验证者寻找反例和测试，整合者只汇总有证据的部分。每个里程碑必须有确定性验收。若协调成本超过单Agent，立即缩小团队。模型升级后回放同一基准，确认提升来自模型而非测试泄漏或环境变化。
落地检查清单
- 不同Agent承担不同假设或模块。
- 数学结论形式化并核对原始陈述。
- 工程性能与正确性同时验证。
- 最终成果由专家和上游维护者负责。
