半年前爆火的小龙虾去哪了？拆解代码发现只是Claude Code子集

半年前爆火的多智能体框架「小龙虾」似乎从公众视野中淡出了。但据B站UP主的分析，它并没有消失，而是以另一种方式融入了我们日常使用的开发工具中。拆开代码看，小龙虾最本质的能力，其实相当于Claude Code里的一个子集。

小龙虾的核心能力：拆解与执行

小龙虾最核心的功能可以归结为两点。第一，它能把一个复杂问题拆解成若干简单问题的组合，然后为每个简单问题分配一个智能体去解决。这种拆解策略能大幅提升解决复杂问题的准确度和能力——UP主将此称为小龙虾的「脑」。他提到，在没有大模型的年代，自己的团队做自然语言处理时遇到复杂问题也会人工拆解，再组合多个小模型来提升解决率，思路如出一辙。

第二，小龙虾能操控设备上的各种接口，完成上网搜索、删除文件、写作等具体操作——这是它的「手和腿」。UP主指出，这两个最重要的能力今天已经融入许多开发工具，无论是自研的TRIP，还是腾讯的BOKBODY、CodeBODY，里面都有类似的功能。换句话说，小龙虾并未退场，只是被吸收进了更大的工具生态。

多智能体框架（Multi-Agent Framework）是一类用于组织、调度多个智能体（Agent）协同完成任务的软件基础设施。它通常负责三件事：任务分解与分配、智能体间的通信与协作、以及对执行结果的汇总与校验。与单体智能体相比，多智能体框架通过“分而治之”降低单个模型的处理复杂度，从而在复杂任务上获得更高的成功率。业界常见的实现思路包括层级式（一个主智能体拆解任务并分派给子智能体）和对等式（多个智能体平等协商）。文章中小龙虾“把复杂问题拆成简单问题组合，再分给不同智能体”的做法，正是层级式多智能体框架的典型形态。

Claude Code 是 Anthropic 推出的面向开发者的命令行编程智能体工具，它能够读取代码库、编辑文件、执行终端命令并调用外部工具，本质上是一个具备“工具调用”能力的编程代理。文章说小龙虾的能力“相当于 Claude Code 的一个子集”，指的是 Claude Code 同样内置了任务拆解、文件操作、搜索、代码生成与执行等能力，并且在工程化程度上更为完整。可以把 Claude Code 理解为把“拆解 + 操控接口”这两项能力封装进了一个成熟的开发工具中，因此独立的多智能体框架在功能上会显得像是它的一个子集。

从质疑到全员AI开发：一个团队的转变

UP主分享了自己团队的真实经历。去年9月面试一位研发负责人时，他问对方是否用AI写代码，对方回答不用，理由是「AI写代码本身太差，经常驴唇不对马嘴，会生成很多垃圾代码」。这是去年9、10月份团队对AI编程的普遍认知。

到了今年1月，情况完全反转——他已经要求全员用AI开发。团队使用AI编程后，生产效率提高了3到4倍。UP主特意澄清：有人宣称提升150倍、100倍，他认为其中有商业成分；3到4倍是开发者自己能感知到的真实区间。

这种转变背后的关键认知是：AI完成的任务质量是否可控，仍然需要人来判断。UP主打了个比方——管一个10人团队时，每天最繁重的工作是Review和Check成员成果；今天用AI开发，最大的问题同样是决策和判断AI是否保质保量完成了任务，还是产出了大量垃圾甚至错误处理。可以增加更多AI来做Review、Check甚至Triple Check，但最终判断仍需人类把关。

AI 编程的效率提升倍数需要区分口径才能理解。3 到 4 倍的提升通常指在需求明确、代码库熟悉、有测试与 Review 兜底的前提下，编码与调试环节的净耗时缩短；而“100 倍”“150 倍”这类说法往往只统计了代码生成这一瞬间的速度，忽略了需求澄清、结果验证、返工修复所占的时间。UP 主强调“开发者自己能感知到的真实区间”，实际上是在提醒：AI 编程的收益取决于任务类型与验证成本，越是被人类 Review 卡住的环节，整体倍数越会向真实值回归。

AI定义的边界永远在向前移动

UP主提出了一个有意思的观察：AI发展史上存在一个悖论——当某件事大家都解决不了时，谁能解决它，谁就发明了新的人工智能；而当问题已被人类解决，大家就觉得「这已经不算AI了」。所以AI的定义边界永远在向前推进。

据他回忆，25年时小公司展示的能力——长期记忆、复制人格、自动化上网搜索——大家都觉得很AI；但今年或再过一两年，随便一个智能体或数字分身都能做到这些，就不那么「AI」了。他用电网做类比：工业设计中的轴承、电力，普通人不需要跟发电厂打交道，国家电网直接把电接入家庭。小龙虾今天也是这样的状态——它每天在服务你，只是你感知不到它而已。

UP主还提到，在整个24年和25年做AI应用开发的过程中，已经能清晰看到很多传统软件开发和SaaS应用将在一年之内被AI新工具替代。当然传统工具仍有优势，也有很多人转向跟随新AI工具提供类似服务。

权限与安全：老问题的新解法

小龙虾爆火时也有反对声音：给它权限，它就会控制我的电脑。UP主认为，这类问题现在依然存在，但解决方式取决于法规和管理方式。人类使用工具从来都是一套社会体系——新工具带来新生产力和新价值，也会带来新问题。他举例说，汽车变快后就出现了各种安全法规，商业航空也是逐步完善起来的。今天讨论多智能体，同样需要在一两年内通过内部规则或外部法规来解决。

你可能没注意到，UP主强调这不仅仅是AI开发者的事，而是整个使用生态——开发者、用户、监管共同参与的过程。小龙虾代表的是一种多智能体的使用方式，它已经融入工作与工具之中。它没有消失，只是成为了工具和工作的一部分，每天在服务你，只是你感知不到它而已。

智能体的权限模型（Permission Model）是决定一个智能体能“做什么”的边界机制，常见做法包括最小权限原则（只授予完成任务所必需的能力）、按操作类型分级授权（读文件、写文件、执行命令、联网分别授权）、以及高危操作的人工确认环节。多智能体场景下问题更复杂：子智能体可能继承或放大主智能体的权限，任务拆解后权限边界变得难以追踪。因此除了法规，工程上通常还需要沙箱隔离、操作审计日志和可回滚机制，作为“内部规则”的具体落地手段。