Replit 发布 Missions:给智能体集群下目标、定预算,让它自己规划、搭建、测试
2026 年 11 月 17 日,Replit 发布 Missions:用户定目标、设预算和审批规则,一群智能体并行规划、搭建、测试、迭代,直到独立 AI 裁判确认目标达成。自证案例是两天、三千美元造出监控平台 DataCat,Replit 当天把它开源了。

一句话:目标和预算交给人,规划、搭建、测试交给一群智能体
2026 年 11 月 17 日,Replit 发布了 Replit Missions:用户定一个目标、设一个预算和几条边界,然后由一群智能体去规划、搭建、测试、迭代,直到目标达成。Replit 的说法是,这套东西是给那些“团队一直没时间、没人手去做”的复杂工作准备的:赢下第一批企业客户、提升产品性能、替换老旧软件。入口就在 Replit 侧边栏:点“New”,选“Mission”,写下你最有野心的目标。
和 Replit Agent 最大的区别不在“能写代码”,而在“能接目标”。以前你对智能体说的是“帮我改这段代码”“给我加一个登录页”;现在你说的是“赢下前 10 个付费企业客户”。你不需要提前决定先攻哪个行业、先找哪些买家、先解决哪个客户问题——去找、去评估这些路径,本身就是你交出去的工作的一部分。设置过程中,Missions 会反问你,帮你把成功标准定下来:对你的生意来说,什么才算一个企业客户?付费试点算不算进前 10 个,还是必须签了达到最低金额的年度合同才算?你的答案会决定任务优先攻哪些客户、用什么标准衡量结果。
控制权留在人手里的部分有三样:预算、边界和验收。你的任务协议里写明花钱上限、哪些行动需要你批准,以及你能接受的权衡——比如可不可以给客户提供付费试点、年度合同能不能打折。举个例子,你可以把任务开支封顶在 1000 美元,要求智能体在联系潜在客户、分享方案、改动对外销售材料、做出产品承诺之前都必须先经过你批准。这些限制和审批要求在任务推进、方法调整的过程中一直有效,不会因为智能体换了打法就失效。
执行层面是一群智能体并行干活,而不是一个智能体从头干到尾。以企业销售任务为例,有的智能体研究目标客户,有的开发定制演示,有的准备外联内容等你批准;外联发出之后,任务会回头看哪些客户、哪些话术真正带来了有效对话,再决定下一轮往哪里使劲:兴趣更强的行业多投一点、围绕客户反复问的问题改演示、回应率低的话术重写一遍。你可以合上笔记本让云端智能体继续工作,按你的偏好收进展更新——出了 blocker 立刻通知、每天汇总一次,或者每周汇总一次;需要你拿主意的时候,它会主动找你。
验收环节有一个独立 AI 裁判:它按你们事先约好的成功标准检查结果,智能体再根据它的反馈改进。任务只有在标准达成时才算完成;如果预算先花完了,工作就停下来,结果悬在那里。想看得细一点的时候,你随时能看到已完成的工作、正在进行的任务和下一步,以及哪些事项在等你批准。这套设计里最关键的一句是“预算花完就停”:它把智能体从“无限试错”变成了“有限预算内的试错”,而预算和验收标准,都是人事先定的。
为什么是一群智能体,而不是一个更强的智能体?Replit 的答案是并行探索。做性能优化这类问题时,多个智能体可以同时试不同的实现、共享发现、互相在对方的基础上改进,再一起验证正确性、找出更快的方案。Replit 用 13 个有代表性的 NumPy 基准任务做了测试:在 Auto(Max)模式下,单个智能体最高加速 4 倍,16 个智能体组成的集群达到 17 倍,32 个智能体达到 19 倍;Auto(Power)模式下同样是递增的 pattern:2 倍、7 倍、9 倍。Replit 的结论是,集群走得更远,是因为同时探索了更多解法。
自证题:两天、三千美元,造出一个监控平台
Replit 拿自己当了第一个例子。团队想把应用监控收回来自己做,省成本、多掌控,于是给 Missions 下了目标:造一个叫 DataCat 的应用监控平台,能在自己的基础设施上跑、能自己定制。结果是:两天时间、三千美元预算内,一群智能体造出了带仪表盘、告警和应用追踪的可用平台,还按可衡量的性能和可靠性目标做了测试。平台之外,任务还造了 DataCat 自己的监控 agent——从每台服务器收集监控数据——以及它的追踪库;DataCat 可以脱离原来的平台 agent 和库独立运行。
这组自证的数字值得逐条看。为了验证 DataCat 能不能帮人定位故障,团队故意往数据库里埋了一个 bug:DataCat 在 38 秒内发出告警,跑赢了 60 秒的目标,并且把故障追踪到了具体的数据库查询和它的日志上。接着是三小时的负载测试:任务造了几个示例应用,DataCat 存了 2600 万条应用活动记录和 440 万条日志,零数据丢失,搜索和告警全程正常;36 项数据正确性检查和 15 项告警可靠性检查,51 项全部通过。
和原平台的对照更有意思。在匹配的 Node.js 测试里,被监控的应用在 DataCat 下多处理了 39% 的请求,监控相关的处理器开销还少了 51%;DataCat 的 agent 用的内存更少、日志能更快被搜到。API 兼容性上,DataCat 的两种存储引擎各通过了 56 项里的 51 项,而用 Claude Code 的 /goal 功能、拿同样初始提示词造的对照版本通过了 45 项。应用追踪摄入速度上,DataCat 用 Postgres 每秒 49000 条,是对照版本的 9800 条的 5 倍;指标摄入每秒 405100 个点,对照版本是 224600 个点,接近两倍;agent 在负载下的内存是 82 到 108 MB,对照的原平台 agent 是 319 MB;日志从产生到能被搜到的中位时间是 0.5 秒,对照是 4.2 秒。
这些数字要配着 Replit 自己写的 caveat 一起读,原文里写得很清楚:受控测试不能证明它在原平台托管服务上、或在 Replit 生产系统里的表现;Node.js 对比用的是匹配的工作负载和监控工作;构建对比是每种配置只跑一次、在相同的云机器上、只评双方共有的产品领域;API 兼容性是另一套独立的测试集;agent 对比是同一工作负载重复跑、一次只跑一个 agent、都发到同一台 Radar 服务器。Replit 把这些限制写进公告,值得肯定——但这也意味着,DataCat 的成绩单目前只有 Replit 自己这一家证人,还没有独立第三方的复核。
和 Claude Code 的那场对照尤其值得多看一眼。Replit 的说法是:DataCat 接受了原平台 agent 的全部数据类型(日志、指标、主机数据和追踪),而 Claude Code 造的版本只接受了日志;DataCat 通过了更多 API 兼容性检查、追踪和指标摄入更快;Claude Code 的版本覆盖了更多产品领域、日志摄入更快。存储引擎上,DataCat 有两种(Postgres 和 ClickHouse),对照版本只有一种(SQLite)。这场对照的样本量很小——每种配置只跑一次——而且是 Replit 自己选的赛场、自己当的裁判。它的参考价值在于展示了两种路径的取舍,而不是给 Claude Code 判了死刑:集群并行探索在“把一个东西做深做快”上有优势,但这不等于单智能体在所有任务上都输了。
DataCat 本身还有一个超出发布会之外的意义:Replit 今天把它开源了,仓库是 github.com/replit/datacat,Apache 2.0 协议,可以自己部署。按仓库里的说明,DataCat 把指标、日志、分布式追踪、仪表盘、基础设施和告警放在一处,跑在你自己的基础设施上,数据存在 PostgreSQL(遥测数据可选 ClickHouse),接受 OpenTelemetry 和 Datadog 兼容的 agent 流量,不需要托管账号和外部服务。仓库建于 2026 年 11 月 17 日,发布当天只有 6 次提交、4 个 star——这是个刚出生的开源项目,不是成熟产品。想用它的人要按它自己的 README 来:Docker Compose 一键起、本地账号登录、单次邀请链接加人,这些都写在仓库里。
另一组数字:十万块本金,一年变成四百八十二万
除了 DataCat,Replit 还给了第二个例子:E-Commerce Bench。这是个模拟基准:智能体拿 10 万日元起步、经营网店模拟一年,自己选供应商、躲骗局、定价格。一次运行里,Missions 把 10 万日元做到了 482 万日元,大约是起步资金的 48 倍,是公开排行榜上最好成绩的三倍多。Replit 把它当作“自驱公司”的又一个证据:人定方向、做关键决定、承担责任,智能体负责执行和协调。
这个数字的冲击力很强,但读法要小心。一次运行、模拟环境、排行榜最好成绩的三倍——这些限定词一个都不能丢。模拟里的供应商、骗局和定价规则,都是基准设计者定的;48 倍是在这个沙盒里跑出来的,不是真实市场里的回报。把它当作“智能体集群能处理长周期、多步骤、有反馈的复杂任务”的信号是合理的;把它当作“给智能体十万块就能赚四百八十二万”的承诺,就是误读。Replit 原文里说的是“一次运行”(in a single run),这个限定词很重要。
把两个例子放在一起,Missions 的产品逻辑就清楚了:它不是“更会写代码的 Agent”,而是“会管项目的 Agent”。以前的 Agent 接的是任务——写一段代码、改一个 bug;Missions 接的是目标——赢客户、做平台、跑一年网店。任务和目标的区别在于:任务有明确的完成标准,目标需要你自己去定义什么是完成。Missions 把“定义完成”这件事做进了产品:设置时反问你、协议里写预算和边界、验收时有独立裁判按标准检查。没有这三件套,“接目标”就只是一句口号。
Missions 和 Agent、和别的“多智能体”有什么不一样
要理解 Missions,得先把它和 Replit 自己的 Agent、以及市面上别的“多智能体”产品分开。Replit Agent 接的是任务:你描述一个改动,它在云端沙盒里改代码、跑起来给你预览、开一个草稿 PR 等你评审。任务有明确的边界——改什么、改到什么程度、什么时候算完,都是你事先说好的。Missions 接的是目标:目标本身没有现成的完成标准,标准是你和它一起定出来的;路径也没有现成的,路径是它自己去找、去试、去换的。Agent 是“执行者”,Missions 是“执行者加项目经理”——它要负责拆解、并行、验收和复盘,而不只是把代码写出来。
和 OpenAI 的 Dots、Anthropic 的 Duet 这类“常驻智能体”比,Missions 的区别在于它是从编码智能体长出来的、而不是从通用助手长出来的。Dots 和 Duet 是通用智能体顺带处理代码;Missions 协调的是 Replit 自己的 Agent 集群,干的是建应用、做优化、跑基准这类工程活。Cognition 同一天发布的 Devin Bots 也是“管一群 Devin 的持久智能体”,思路很接近——但 Devin Bots 管的是 Devin 实例,Missions 管的是 Replit Agent,各自长在自己的生态里。对用户来说,这意味着选哪家不是选概念,而是选你已经在用的那套工具链:你的代码、你的项目、你的部署在哪里,Missions 就长在哪里。
还有一个区别藏在验收机制里。很多多智能体产品讲的是“并行”和“速度”,Missions 讲的是“预算”和“验收”——预算花完就停、裁判按标准检查、标准是你事先定的。这三条加在一起,其实是在回答一个所有 Agent 产品都绕不开的问题:智能体自己干活的时候,谁来保证它没跑偏、没乱花钱?Missions 的答案是:预算卡住钱,裁判卡住质量,你卡住标准。三个卡口缺一个,整套设计就立不住。如果你的团队以前被 Agent 的账单吓到过,或者被它“自信地做错了事”坑过,这三条就是你最该盯着看的部分。
这套设计也有它的边界。Missions 擅长的是“目标清楚、但路径不清楚”的工作:赢客户、提性能、替掉老系统——你知道要什么,不知道具体怎么做。反过来,如果目标本身就是模糊的——“让我们的产品更好一点”“想想还能做什么”——Missions 帮不上忙,因为它需要你先回答“什么算好”。设置时那几个反问,就是在逼你把模糊的目标翻译成可检查的标准。翻译不出来,任务就没法开始。这不是产品的缺陷,而是一个诚实的设计:它不假装自己能替你做决定,只承诺在你决定之后,替你把执行跑完。
预算和审批:控制权具体长什么样
把“预算和边界”这句话展开,控制权其实是由几样具体的东西组成的。第一是花钱上限:你可以在任务协议里写死一个数字,比如 1000 美元,智能体花到这个数就停,不管目标达成没有。第二是审批清单:哪些行动必须先经过你——联系潜在客户、分享方案、改动对外销售材料、做出产品承诺,Replit 举的正是这四类,都是“一旦做了就很难收回”的动作。第三是可接受的权衡:付费试点行不行、年度合同能不能打折,这些是你事先点头的,智能体才能在谈判里用;你没点头的,它不能自作主张。
这三样东西组合起来,实际效果是“智能体在笼子里干活”:笼子的大小是你定的,笼子的栏杆是审批清单,笼子里的自由是它可以自己选路径、换打法、并行尝试。笼子太小,智能体施展不开,目标完不成;笼子太大,预算和风险都失控。第一次用 Missions 的人,最容易犯的错误是笼子定得太宽——目标写得很大、预算给得很足、审批只留了最少的几项,然后发现智能体在一个错误的方向上花掉了大半预算。更稳妥的做法是反过来:第一次先定一个小目标、小预算、多审批,跑通一次,看看它在你的任务上是什么成色,再逐步放大笼子。
进度汇报也是控制权的一部分。Missions 让你在规划时选:想听到什么(blocker、进展、一般状态)、多久听一次(立刻、每天汇总、每周汇总)。这个选择本身就是一种管理:选“立刻”,你会被频繁打断,但能早发现跑偏;选“每周”,你省了时间,但要到周末才知道它走错了路。对大多数团队来说,“每天汇总加 blocker 立刻通知”是个合理的起点——既不至于被消息淹没,又不至于让错误跑上一整周。等你摸清了它的行事风格,再按你的节奏调。
我们的判断:先拿小目标试,别一上来就押上大预算
对 vibe coding 的人来说,Missions 最值得关注的不是 DataCat 和 48 倍,而是它改变了“什么算一个任务”。以前你把一个大目标拆成十几个小任务、一个一个喂给 Agent;现在你可以把大目标整个交出去,让集群自己拆、自己并行、自己验收。这对小团队尤其有吸引力:那个一直被推迟的产品发布、那个要十个资深工程师干一个季度的重构、那个想自己做但没人手替代的现成软件,现在都有了一个“试一试”的入口。Replit 原文列的正是这三类:被推迟的发布、耗人力的重构、想自研的现成软件。
但试之前,有三件事要先想清楚。第一,预算就是护栏,不是建议。Missions 的设计是预算花完就停、结果悬着——这比无限烧钱好,但也意味着你要在开始前就想好:这个目标值多少钱?1000 美元的封顶和 3000 美元的封顶,决定的是智能体能试多少种解法。第二,验收标准是你写的,不是它猜的。设置时那几个反问——什么算企业客户、付费试点算不算——答得越具体,裁判的检查就越有意义;答得含糊,验收就会变成走过场。第三,所有成绩单目前都来自 Replit 自己:一次运行的对照、自己选的赛场、自己当的裁判。等独立用户跑出自己的 DataCat、自己的 48 倍之前,先拿小目标、小预算试一轮,看看它在你自己的任务上是什么成色。
还有一个更实际的提醒:Missions 现在的入口是 Replit 自己的产品,目标、预算、边界、裁判都在它的体系里跑。如果你想把它用在团队的核心工作流上,先问清楚数据和代码的归属、任务记录能不能导出、以及预算花完之后,未完成的工作以什么形式交还给你。Replit 的公告没有回答这些问题——它回答的是“能做什么”,没回答“做完之后东西归谁、怎么交接”。对小团队来说,这两个问题和 17 倍加速一样重要。先在小目标上跑通一次,拿到自己的数字,再决定要不要把大目标交出去。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。