Kimi Agent Swarm 完全指南：中国如何悄然打造了一个 300 智能体并行系统

这是一份关于 Kimi Agent Swarm 的完整 A–Z 拆解——它是什么、能做什么，以及它为什么会改变你对生产力的认知。

但跟你看过的每一篇”Agent Swarm vs Claude Teams”对比帖不同，这篇文章附带可直接复制的 prompt、一张完整对比表，以及一个真实的拆解：什么时候 300 个智能体的确 能击败一支 6 人开发团队——什么时候又不能。

趁还没忘，先收藏。看完之后，你的工作流会是另一番模样。

在聊 Swarm 之前，我们先聊聊它要解决什么问题。

大多数 AI 工具有一个天花板。

你给它一个任务。它完成一个任务。你等着。你检查。你再给它下一个任务。

这种模式对简单工作还行。但遇到任何复杂任务，它就直接崩了。

40 篇论文的文献综述。100 条职位信息的求职匹配。需要 30 个数据源的市场研究报告。一次完整的产品发布——PRD、原型、演示视频、文案、着陆页。

一个智能体、一个线程、一次一个任务——那不叫生产力工具，那只是一台打字速度更快的打字机。

Claude 有 Agent Teams，Kimi 有 Agent Swarm。

它们不是一回事。

1. Claude Agent Teams：4-6 个智能体，点对点通信，为终端内的编程工作流而设计。
2. Kimi Agent Swarm：300 个智能体，聚焦式协调器，为通过 Web 界面进行大规模并行输出而设计。

完整对比放在最后。先来看看这个”工厂”到底在做什么。

Kimi Agent Swarm 是什么？

Kimi Agent Swarm 是一个系统，由 K2.6 协调最多 300 个子智能体（sub-agents） 并行工作，在一个复杂任务上执行最多 4,000 个协调步骤。

你给它一个 prompt。它把工作拆成并行线程。每条线程独立运行。协调器智能体（coordinator）将产出合成为一个交付物。

你拿到的，是成品——而不是一个起点。

它到底是怎么工作的？

当你向 Agent Swarm 提交一个任务时，K2.6 会做三件事：

1. 分解任务——把工作拆成并行子任务，每个子任务分配给一个子智能体。一篇文献综述变成 40 篇论文的并行分析。一次求职变成 100 份 CV 的并行定制。一份市场研究报告变成 30 个来源的并行调查。

2. 并行执行——所有子智能体同时运行。不是顺序执行。不是排队等待。是同时。一个串行需要数小时的任务，几分钟就能完成。

3. 合成输出——协调器智能体收集所有子智能体的产出，将它们组装成一个逻辑连贯的交付物。一份报告。一张表格。一组文件。

Agent Swarm 最擅长什么？

四大类场景，并行执行彻底改变了游戏规则：

1. 深度广度研究——需要覆盖大量来源的任务，人工做需要数天。

2. 大批量文件处理——同时处理数十或数百个文件。

3. 多组分分析——将复杂分析拆解为可并行运行的独立组件。

4. 产出真实交付物的重输出任务——不是摘要，而是实际的文档、报告、数据集、图表。

真实案例——人们已经做出了什么

规模化求职

Prompt： 上传 1 份 CV + 100 条相关职位信息
发生了什么： Agent Swarm 基于上传的 CV，匹配了加州 100 个相关职位，识别了每个岗位的关键要求和语言风格，生成了 100 份个性化定制的 CV——每一份都针对特定职位量身打造。
输出： 一份结构化的机会数据集 + 100 份个性化简历。

一个人需要数周才能完成的工作——一次运行全搞定。

十万字文献综述

Prompt： 40 个 PDF → 10,000 字文献综述 + 引用数据集
发生了什么： 40 个子智能体同时处理 40 篇论文——提取论点、方法、发现和引用。协调器将所有内容合成为一篇结构化的文献综述，附带规范的学术引用和一个提取数据点的数据集。
输出： 一份十万字文档 + 引用数据集。研究级别的水准。

为 30 家没有网站的企业建站

Prompt： 搜索 Google Maps，找到洛杉矶附近 30 家没有网站但拥有实体店面的店铺。为每家店铺创建一个高转化率的着陆页，使用真实的店铺图片、Google Maps 评价、标题、CTAs 和联系方式。将所有内容汇总到一张表格中。
发生了什么： Agent Swarm 搜索了 Google Maps，识别出 30 家符合条件的店铺，为每家获取了真实图片和评价，生成了 30 个独立着陆页，并汇总了一张包含店铺名称、品类、联系方式及部署链接的表格。
输出： 30 个上线着陆页 + Excel 表格。可以直接部署。

10 张小报风格杂志封面

Prompt： 一个 prompt → 10 张小报风格杂志封面，使用真实历史和真实标题。
发生了什么： 10 个子智能体并行工作——每个研究一个不同的历史事件，生成符合时代风格的小报文案，并制作完整的杂志封面，包含版式、字体和图像。
输出： 10 张完整的杂志封面。一个 prompt。

天体物理学论文 → 完整研究方案

Prompt： 1 篇天体物理学论文 → 40 页报告 + 20,000 行数据集 + 14 张天文学级图表
发生了什么： Agent Swarm 将论文分解为核心组件——方法论、数据、发现、影响——为每个组件分配并行子智能体，将所有内容合成为一份可以直接发表的研究方案。图表达到了天文学专业水准。数据集有 20,000 行。整个过程还被转化成一个可复用的 Skill，用于处理未来的论文。
输出： 40 页报告 + 20,000 行数据集 + 14 张图表 + 可复用 Skill。

一人公司场景

这是大多数人会忽略的角度。

Agent Swarm 不仅仅是做研究任务的工具。它是一个让独立创始人能以团队规模运作的基础设施。

结合 Claw Groups 的聊天功能——你可以将多个专业智能体邀请到同一个房间里，每个都带着自己的技能——一个人就能跑通端到端工作流：

举个例子，产品发布：

• 智能体 1：撰写 PRD
• 智能体 2：生成原型
• 智能体 3：制作演示视频
• 智能体 4：撰写全部发布文案
• 智能体 5：搭建着陆页
• 智能体 6：起草跨平台社交媒体帖子

全部并行运行。协调器合成为一个完整的产品发布方案。

Claude Agent Teams VS Kimi Agent Swarm 深度解析

如果你在评估多智能体系统，最直观的对比对象是 Anthropic 的 Claude Agent Teams。两者都承诺并行智能体执行，但它们用不同的架构解决不同的问题。

起源分界线

1. Claude Agent Teams 来自 Anthropic，一家美国 AI 实验室。
2. Kimi Agent Swarm 来自 Moonshot AI（月之暗面），一家由中国公司打造、获阿里巴巴和 Monolith Management 投资的 AI 公司。

这不仅仅是地理位置的问题——它塑造了产品哲学。Anthropic 将 Agent Teams 构建为 Claude Code 的扩展，一个基于终端的开发者工具。Moonshot 则将 Agent Swarm 构建为通用生产力层，通过 Web 界面即可访问。

规模：幕后真相

Claude Agent Teams 没有公布硬性上限，但实际使用中大约每个会话 4-6 个智能体，也有用户报告在并行云容器中使用多达 20 个智能体。

该系统专为聚焦的、多角色的编程工作流而设计。

Kimi Agent Swarm 公布了明确的上限：每个任务 300 个子智能体和 4,000 个协调步骤。

这不是理论极限——而是文档化的系统边界，协调器在分解任务时会严格遵守。

每个系统真正擅长什么

Claude Agent Teams 在软件工程工作流中表现出色：

• 跨多个模块的大规模重构
• 并行代码审查（安全、性能、测试覆盖率同时进行）
• 多服务调试与竞争性假设验证
• 跨层协调（前端 + 后端 + 测试同步推进）
• 需要并行探索的研究型编程任务

Kimi Agent Swarm 在内容密集、多来源的工作流中表现卓越：

• 跨数十篇论文或网页来源的深度研究
• 规模化批量内容生成（100 份 CV、30 个着陆页、10 张杂志封面）
• 多文件分析并合成为结构化报告
• 端到端交付物生产（报告 + 数据集 + 图表 + 文案）
• 需要广度覆盖而非深度代码检查的任务

通信模型：共享邮箱 vs. 中央协调器

在 Claude Agent Teams 中，智能体之间横向通信。一个后端智能体可以直接将发现分享给前端智能体，无需编排器中转消息。这让团队更具自主性，但当智能体之间发生冲突时也更难调试。

在 Kimi Agent Swarm 中，所有输出都流向协调器。没有直接的智能体对智能体通信。这创造了更清晰的审计轨迹和更简单的冲突解决机制，但也意味着协调器的上下文窗口会成为超大规模合成的瓶颈。

各自擅长的领域

Claude Agent Teams → 大规模重构、并行代码审查、多服务调试、代码库内的跨层协调。

Kimi Agent Swarm → 跨数十个来源的深度研究、规模化批量内容、多文件合成、端到端交付物生产。

什么时候用哪个

在代码库内，需要智能体之间相互挑战 → Claude Agent Teams。
需要 100+ 并行工作流、一个合成输出、Web 界面 → Kimi Agent Swarm。

如何使用 Agent Swarm

第 1 步——进入 Agent Swarm

打开 Kimi 官网，进入 Agent Swarm 功能页面即可开始使用。

第 2 步——撰写任务 prompt

关键：对输入和输出要具体。下图展示了 prompt 输入界面的样子，简洁直观：

• 糟糕的 prompt： “研究 AI 行业。”
• 好的 prompt： “分析 2024 年融资额前 30 的 AI 公司。对每家公司列出：融资金额、核心产品、主要竞争对手、当前估值。汇总为一份结构化报告，包含执行摘要和对比表格。”

你对输出格式越具体，交付物就越靠谱。

第 3 步——让它跑起来

Agent Swarm 会向你展示子智能体被激活并并行运行的过程。根据任务复杂度，这需要几分钟到几十分钟。整个过程可视化呈现，你可以在界面上看到每个子智能体的实时进度。

第 4 步——下载你的交付物

完成后，Agent Swarm 会将你的输出以文件或文件集的形式返回——拿来就用，而不是拿来再改。

与 Agent Swarm 配合良好的 Prompt

这里有 7 个你可以直接使用的 prompt：

1. 求职：

Here are 50 job descriptions [paste or upload]. 
For each one, write a tailored CV for a [your background] candidate. 
Output: 50 individual CV files in a zip.

2. 竞争研究：

Research the top 20 competitors in [your industry].
For each: product overview, pricing, key differentiators, 
recent news, and estimated market share.
Output: structured report + comparison spreadsheet.

3. 规模化内容：

Write 30 LinkedIn posts about [topic].
Each post should be unique, under 300 words, 
with a different angle or hook.
Output: numbered list ready to schedule.

4. 文献综述：

[Upload 20+ PDFs]
Produce a literature review covering: key themes, 
methodology patterns, conflicting findings, and research gaps.
Output: structured academic document with citations.

5. 潜在客户开发：

Find 50 [type of business] in [city] that have no website.
For each: business name, address, phone, category, 
and estimated monthly foot traffic.
Output: Excel spreadsheet.

6. 财务分析：

Analyze the last 5 annual reports for [company].
Extract: revenue trends, margin changes, key risks, 
management commentary on growth, and capital allocation.
Output: 20-page analysis report + financial charts.

7. 产品发布方案：

I'm launching [product description].
Create: PRD, landing page copy, 10 social posts, 
press release, and FAQ document.
Output: individual files for each deliverable.

局限性——你需要知道什么

Agent Swarm 很强劲，但不是魔法。有几件事需要了解：

• 输出质量与 prompt 的具体程度成正比。
  模糊的 prompt 即使在 100 个智能体上跑，也只能得到模糊的输出。具体的 prompt 配合明确的输出格式，才能得到可直接交付的成果。

• 复杂合成任务耗时更长。
  需要在 100 个子智能体之间保持紧密连贯性的任务（列如一份统一报告），比并行的独立任务（列如 100 份独立 CV）要花更多时间。

• 部署之前先审核。
  Agent Swarm 产生的是真实文件。在投入生产环境之前——尤其是任何面向公众的内容——请先检查。

结语

Agent Swarm 消除了 AI 辅助工作中的串行瓶颈。

300 个智能体和 4,000 个步骤是系统参数，不是质量保证。

真正的优势在于广度覆盖型任务的并行执行。真正的必要条件是人类监督——prompt 工程、输出验证和伦理判断。

学会将任务分解为并行执行的人，工作会更快。但不会自动做得更好。没有验证的速度，放大的是错误，不是价值。

这就是优势所在。而目前，几乎还没人在用。