Slate

在 AI 编程助手日益普及的今天，软件工程界正面临一个尴尬的“能力悖论”：大模型越来越聪明，但在处理长周期、高复杂度的实际工程任务时，往往因上下文窗口限制和状态管理混乱而“智障化”。

由 Y Combinator 支持的初创公司 Random Labs 正式结束公测，发布 Slate V1。这款被定义为业界首个“群体原生”（Swarm-Native）自主编码智能体，不再试图用单个模型解决所有问题，而是通过创新的“线程编织”（Thread Weaving）架构，调度多个模型并行协作，将 AI 编程从“单兵作战”带入了“军团协同”时代。

核心突破：从“单一大脑”到“群体智慧”

Slate V1 的核心理念并非替代人类开发者，而是成为“下一个 2000 万工程师”的协作伙伴。它通过模拟人类组织的分工协作机制，解决了传统 AI 助手在复杂任务中的瓶颈。

1. 架构创新：Thread Weaving（线程编织）

传统 AI 助手通常采用“有损压缩”来维持长上下文，极易丢失关键信息。Slate 引入了全新的原语：

• 情景记忆（Episodic Memory）：辅助线程完成任务后，不返回冗长的试错日志，而是生成一个压缩的情景摘要（包含成功调用和结论）。
• 共享上下文：这些情景直接与核心编排器共享，形成一种持久的“群体记忆”，确保系统始终掌握项目的全局状态，而非碎片化的对话历史。

2. 运行逻辑：行动空间中的“操作系统”

受 Andrej Karpathy “LLM OS” 概念启发，Slate 将自身构建为一个操作系统：

• 内核（Orchestrator）：一个核心的编排线程，负责战略规划和任务分发。它不直接写代码，而是使用基于 TypeScript 的领域特定语言 (DSL) 来定义执行图。
• 进程（Worker Threads）：多个并行的辅助线程，负责具体的战术执行（如写函数、跑测试、查文档）。
• 动态修剪：利用递归语言模型技术，主动管理上下文窗口，决定哪些信息保留（作为内存），哪些丢弃，从而在有限资源下实现无限扩展。

3. 多模型协同：让合适的模型做合适的事

Slate 支持异构模型集群同时工作，实现成本与性能的最优解：

• 战略层：调用 Claude Sonnet 进行复杂的架构重构规划。
• 执行层：指派 GPT-5.4 进行具体的代码编写。
• 研究层：后台运行 GLM 5 实时检索最新的库文档。
• 优势：用户无需为简单的战术步骤支付高昂的“智能溢价”，同时又能享受顶级模型的深度推理能力。

实测表现：稳定性碾压单体模型

Slate V1 的稳定性是其最大卖点。在严苛的 Terminal Bench 2.0 测试中：

• 任务：make-mips-interpreter（一个极具挑战性的编译器构建任务）。
• 成绩：Slate 早期版本成功率达到 2/3。
• 对比：即使是最新的前沿模型，在非编排的单体框架下，该任务成功率通常低于 20%。

一位纽约金融科技创始人评价道：“Slate 是我用过的最佳调试工具。”这印证了 Random Labs 的愿景：构建能像组织一样扩展、能在变化环境中稳定运行的智能体。

商业模式与生态集成

• 计费模式：采用基于使用量的信用点（Credit）模式。用户可以通过 /usage 和 /billing 命令实时监控消耗，组织级计费开关表明其明确指向专业工程团队。
• 开放集成：Slate 定位为卓越的编排层，而非模型竞争者。
  • 下周将正式支持 OpenAI Codex 和 Anthropic Claude Code 的原生接口。
  • 通过子线程复用最大化缓存，降低群体协作的经济成本。