一个关键词叫出10个会话，45小时省下一笔GPU租金

一个关键词，把一条提示词变成一支队伍。在Claude Code里输入ultracode，Claude会写一个小程序，把多个智能体并行派出去读材料、交叉核对，再把结果收回聊天窗口。再配上一个能启动并运行其他会话的协调者，一个对话就能驱动十个会话宽的项目。

有人拿它做了一次压力测试：把「用LoRA和GRPO微调Qwen3.5-9B、做成个人助理」的计划交给它，要求它扮演反方，尽可能把方案打穿。两小时后，它返回「有条件通过」和十个阻塞项。约45小时里（含夜间暂停），它跑了四个工作流、启动了九个会话，其中一个又启动了第十个，而人只敲了约20轮，多数是「yes」或「resume」。

两个发现直接改写了项目：训练脚本会让每个回答的奖励都是零；未经训练的harness（负责把每轮对话存进记忆、让模型先搜索再回答的代码）得分已经落在预测给训练后模型的区间里。这两条都在花钱租GPU之前拿到。

它到底在做什么

在提示词里写下ultracode，这一轮就变成多智能体编排。Claude写出一份工作流脚本并执行，脚本按任务需要派出子智能体，比如并行读者或怀疑者，结果回到你的聊天里。/effort ultracode让整个会话保持开启，由Claude判断哪些任务值得开工作流；/workflows列出进行中和已完成的运行。

协调者那一半不需要关键词。桌面应用里的会话可以互相找到并发送消息，这些调用由Claude自己发起，全程没敲过一个工具名。那次运行里协调者走得更远：它启动新会话、亲自写每个会话的任务简报，并在每个子会话完成一轮时收到一条短通知。

什么时候值得开

三种情况划算：材料大到单个上下文装不下、但能干净切分，每个读者分一块；某些结论值得派一批只负责唱反调的智能体；漏掉一步就要花真钱，比如租一天GPU。这个项目三条全占——要读的记录、harness代码、备忘录、运行文件和论文，一份满是预测、等着被攻击的计划，以及一笔还没付的训练租金。

工作流规模要跟问题匹配。/config里的「Dynamic workflow size」告诉Claude目标多大，默认medium，即十个智能体以内，Claude也可能超出；超过25个智能体或预计150万token时会出现「Large workflow」警告。第一次评审要读全部材料，用了17个智能体；而「租哪块GPU」这个问题只需要三个，它们把单张H200排在第一，理由是训练跑在单卡上，GRPO的显存决定选型。

一行就能改完的修复，或者答案已知只剩敲键盘，就别开。每个子智能体都消耗自己的上下文，一次工作流的成本远高于一次仔细的对话。该关键词在-p运行中不触发，Alt+W（macOS上是Option+W）可以针对单条提示词关掉它。

怎么给工作流写提示词

告诉它失败长什么样。智能体只会找你让它找的东西，「评审这个方案」什么都没指明。那份简报问的是：什么会让结果作废、被混淆或被削弱；有没有更便宜的路径达到同一目标；2025到2026年的一手文献怎么说。第一个工作流开始七分钟，只读读者就发现未经训练的harness已经在预测区间内，以及一个在结果出来之后被改过的评分器。

给智能体分配角色，并且让其中一些专门唱反调。那次运行里Claude自己选了角色：只能读的读者、读论文全文而非摘要的智能体、被要求默认反驳的验证者。第二个工作流派出十个怀疑者，每个盯一组结论，指令是「你的工作是尽可能反驳它们」。它们确认FT-4根本不存在GRPO奖励代码，零奖励的问题就是这样在花掉任何GPU时间之前被发现的。

脚本由Claude来写。带schema时，每个怀疑者返回一个verdict字段，协调者不用解析散文就能合并答案。最后收一个完整性批评者：一个智能体拿结果对照你的简报，列出没人被要求检查的部分。第二个工作流里，批评者对照简报读完评审，最终报告给出十个阻塞项、27项发现和五个实验。之后一个规划工作流在终稿前加了批评者，修正26条结论、补上18个遗漏项，留下五个只有本人能做的决定。

该停就停，之后接着跑，暂停的工作流会保留每个已完成智能体的成果。规划工作流做到一半时，原话敲下「stop we resume tomorrow」，第二天早上敲「resume」，只有一项检查和终稿重跑，读者和综合部分来自缓存。也可以在/workflows里选中那次运行按p恢复，只要还在同一个会话里。

从一个工作流到一个协调者

当发现多到一个聊天装不下，就把每一片变成自己的会话，配一份新会话能直接执行的简报。好简报要写明先读哪些发现、交付物是什么、哪些文件不许碰、每个依赖归谁。评审结束后敲一行，要求把所有问题拆成独立会话。八分钟里协调者启动了八个会话，每份简报自己写，还贴出一张表，把每个会话映射到它负责的阻塞项。

共享文件同一时间只能有一个写者。八个会话在同一个检出里工作、没有用worktree，所以启动前协调者先跟占用文件最多的会话商定了一份文件归属清单，之后由会话之间自行处理。harness会话请评分器会话「回复released，或者指出还属于你的部分」，拿回文件时附带必须遵守的规则。第三个会话发来五条针对该文件的修改请求时，评分器会话把它们转了过去，「以便一个写者持有该文件」。

让协调者做中转，并要求用固定格式报状态。人的部分缩成简短回答，由协调者逐字带到正确的会话。敲一句「where we are」，它向九个会话发出同样的请求，要求200字以内、分四部分（已完成、缺失、需要我决定、进行中），再合并成一张显示谁卡住谁的清单。它也抓到了停滞：一个会话空转90分钟、承诺的工作没动，一次提醒后11分钟交付。

每个付费资源同一时间只有一个持有者。会话共享vast.ai上租的GPU、VPS和自己的显卡。第一笔租用的RTX 5090跑完实验后，原话告诉协调者「send a message to other session: one of them need the gpu, so we don't waste money」，它把卡提供给七个会话，训练流水线会话在上面跑了两个任务才让租金结束。第二笔租用按队列服务实验，每个任务只在上一次运行的报告写明通过后才开始，因为报告文件在失败后依然存在，找到文件本身证明不了什么。

花钱的决定留在人手里，并且设硬上限。所有API支出走一个OpenRouter密钥，上限50美元，由本人创建和充值，会话可以申请但不能创建。VPS上的夜间队列只在密钥余额仍不低于9美元时才跑最后一个实验。花钱的批准也不在会话之间传递：一个会话拒绝执行由同伴转达的「yes」，协调者告知有两个会话需要在各自聊天里亲手敲下同意。

可以期待什么

首先是站得住的判断。第一个工作流两天后，租用GPU上的一次运行证实了它的未训练harness结论：没有训练的harness「在每一项读取和搜索指标上已经匹配训练后的区间」。训练还能加价值的地方只剩一处，即模型决定往记忆里存什么，而这一点在付任何训练费之前就知道了。

会话也造出了东西。两天里产出一个评分器和奖励模块，其189个新测试用例在至少一处故意破坏下都会失败；一个带密封测试切分的新模拟用户世界；以及一个4位服务的修复。一个会话为了实验可精确重放，自己又启动了一个会话。网络错误同时停掉协调者和两个子会话时，敲下「Riprova」（重试），每个会话先检查已完成的部分再重做。目标始终是那张小卡：租用结束后，最后一次模型适配跑在GTX 1070 Ti上。

一个会话就够的情况：任务装得进单个会话，或者你审结果的速度赶不上十个会话产出的速度——所有会话只有一个人批准。token花费没有测量，给不出成本数字。长跑时协调者自己的上下文会填满，第二天就用尽，之后靠摘要继续。

第一步可以很小：挑一个你正要执行的计划，比如一份设计或预注册，敲下类似这样一句——ultracode: try to refute this plan, one skeptic per claim, refute by default, read-only。