十六個 Claude 代理建構了一個 C 編譯器，由測試框架與 GCC 神諭引導

2026 年 2 月，Anthropic 研究員 Nicholas Carlini 描述了他讓 16 個 Claude Opus 4.6 實例在共享程式碼庫上自由運作，從零開始建構一個 C 編譯器。據 Ars Technica 報導，在兩週內、近 2,000 次 Claude Code 工作階段中，花費約 20,000 美元的 API 費用，他們產出了一個 10 萬行的 Rust 編譯器，能在 x86、ARM 與 RISC-V 上建構可開機的 Linux 6.9 核心。

每個實例都在自己的 Docker 容器中執行，透過寫入鎖定檔來認領任務，並將工作推送到上游，沒有協調代理。Carlini 發現冗長的測試輸出會汙染上下文視窗，因此他讓測試執行器只印出摘要行。快速模式只抽樣 1-10% 的測試，因為 Claude 沒有時間感。

當全部 16 個代理都卡在同一個核心錯誤上時，他以 GCC 作為神諭，用 GCC 編譯大多數核心檔案，只有部分用新編譯器編譯，讓代理們處理不同的錯誤。

把心力投入環境：安靜的測試輸出、抽樣測試，以及 GCC 神諭，讓每個代理修正不同的錯誤。

冗長的輸出讓代理們失去頭緒，因此輸出保持簡短。

抽樣測試讓代理們不至於花上數小時卻毫無進展。

一個參照編譯器把單一共享錯誤變成許多各自獨立的任務。

明確的規格、測試套件與參照編譯器，讓這項任務格外適合代理。

使用自主代理時，測試框架、驗證器與上下文衛生對結果的決定程度，不亞於模型本身。

該編譯器通過了 99% 的 GCC 嚴苛測試套件，並編譯了 PostgreSQL、SQLite、Redis、FFmpeg 與 QEMU 等專案，以及 Doom。Ars Technica 列出了一些注意事項：它在 16 位元 x86 開機時會呼叫 GCC，組譯器與連結器有錯誤，產生的程式碼效率低於未最佳化的 GCC，且在約 10 萬行時開始退化。報導也指出，這 20,000 美元不含訓練與人力支架，並對「乾淨室」這個標籤提出質疑。