Cursor 团队近期在一项构建 SQLite 的智能体集群实验中取得突破性发现，展示了结构化的多智能体协作在复杂软件工程任务中的巨大潜力。新方案采用规划智能体负责任务分解，再由多个工作智能体并行执行，这种协调机制不仅显著提升了开发速度与输出质量，在测试套件中的得分更高，同时完成任务所需的代码行数反而减少。更引人注目的是经济账：利用高成本强模型完成顶层规划后，大部分执行工作可交由成本更低的小模型承担，整体推理开销大幅下降。这一结果正在改写基础模型选型的传统逻辑，预示着今后 AI 工程化落地的成本结构将发生根本性变化，从单纯追求最强模型转向寻求最优混合模型策略。该范式有望重塑自动化编程、软件测试乃至整个 AI 辅助开发的产业格局，推动更多企业以可负担的成本享受前沿智能能力。