AgentWorld來了？|程式自己寫完
你有沒有想過，有一天你只需要說「幫我做一個電商網站」，AI就會自動分工：一個Agent負責前端、一個負責後端、一個負責資料庫，最後還有一個Agent幫你跑測試、修Bug？
這不是科幻電影。阿里巴巴剛剛開源的 Qwen-AgentWorld-35B-A3B，正在把這個場景變成現實。
這個模型在 HuggingFace 上架不到一週，就衝破 498 likes、34,000 次下載。它不是普通的聊天機器人，而是一個「多智能體協作框架」——簡單說，就是一群AI Agent可以像一個開發團隊一樣，互相溝通、分工、完成複雜任務。
今天這篇評測，我花了整整兩天實測 AgentWorld，從安裝、設定、到實際跑一個小型專案，全部記錄下來。你要不要也試試看？
AgentWorld 是什麼？為什麼大家都在討論？
先搞清楚一件事：AgentWorld 不是一個單純的模型，而是一個「框架 + 模型」的組合。
- 模型部分：Qwen-AgentWorld-35B-A3B，這是基於 Qwen3.5-MoE 架構的模型，35B 總參數，但每次推理只啟動 3B 參數（A3B = Activated 3 Billion）。這意味著它可以在消費級顯示卡上運行，不需要A100/H100那種怪物級硬體。
- 框架部分：一個多Agent協作系統，支援你定義多個角色（例如：產品經理Agent、前端工程師Agent、測試Agent），然後它們會自動協作完成任務。
為什麼它會爆紅？因為它解決了當前AI程式開發的兩個痛點：
- 單一Agent能力有限：ChatGPT、Claude Code再強，也只能一條龍做完所有事。但現實開發中，你需要分工、需要Code Review、需要測試。
- 多Agent協作太複雜：之前要用AutoGPT、CrewAI，設定一堆API、寫一堆配置檔，普通人根本搞不定。
AgentWorld 的目標就是：打開就能用，三個步驟完成一個專案。
實測開始：五分鐘跑起來
我用的測試環境是：
- 顯示卡：RTX 4090（24GB VRAM）
- 記憶體：64GB
- 系統：Ubuntu 22.04 + Docker
Step 1：安裝
官方提供了 Docker 一鍵安裝，超簡單：
git clone https://github.com/Qwen/AgentWorld
cd AgentWorld
docker compose up -d大概等 3-5 分鐘，容器就會啟動。然後打開瀏覽器，輸入 http://localhost:3000，就會看到一個乾淨的介面。
Step 2：建立專案
我給它的任務是：「建立一個 Todo List 網頁應用，前端用 React，後端用 FastAPI，資料庫用 SQLite，並且要有登入功能。」
以往用 ChatGPT 或 Claude Code，我必須手動分段下指令：「先產前端」、「再產後端」、「最後串接」。但在 AgentWorld，我只需要一次輸入，它就自動分配任務。
Step 3：觀察Agent協作
這是最精彩的部分。介面上會顯示一個「Agent聊天室」，裡面有四個角色在對話：
- Manager Agent（管理者）：分析需求、拆解任務、分配給其他Agent
- Frontend Agent（前端）：負責 React 程式碼
- Backend Agent（後端）：負責 FastAPI
- Reviewer Agent（審查者）：檢查程式碼品質、提出改進建議
實際對話長這樣：
Manager：任務拆解完成。Frontend，請建立登入頁面元件。Backend，請建立用戶認證API。Reviewer，準備審查。
Frontend：收到。正在建立 Login.jsx，使用 React Hook Form…
Backend：收到。建立 auth.py，使用 JWT token…
Reviewer：Frontend 的 Login.jsx 缺少錯誤處理，建議加入 try-catch 區塊。
整個過程大概 10 分鐘，一個完整的 Todo List 應用就生成了。程式碼可以直接下載，也能在線預覽。
評測結果：優點與缺點
優點
- 門檻極低：Docker 一鍵部署，不需要懂 Kubernetes、不需要設定複雜的 API 金鑰。這點完勝 AutoGPT 和 CrewAI。
- 協作能力驚人：四個Agent之間的對話非常自然，幾乎像真實團隊在開會。Manager Agent 的任務拆解能力尤其強。
- 硬體需求友善：35B 參數但只啟動 3B，RTX 3090/4090 就能順跑。對比之下，Claude Code 需要雲端API，每月還要付費。
- 開源且免費：MIT 授權，可以商用、可以修改。阿里巴巴這次真的佛心。
缺點
- 中文支援待加強：雖然模型是中國開發，但對繁體中文的理解還是有點卡。有些指令用繁體輸入，它會回簡體，而且偶爾會誤解詞意。
- 程式碼品質普通：生成的程式碼能跑，但架構設計不算優雅。Reviewer Agent 只會檢查語法錯誤，不會建議更好的設計模式。
- 缺乏版本控制整合：Agent 每次生成都是全新檔案，沒有 Git 整合。如果你要迭代修改，必須手動管理版本。
- 不支援即時編輯：你不能在 Agent 生成過程中插手修改程式碼。它是一次性生成完，你再手動調整。
對比：AgentWorld vs Claude Code vs AutoGPT
| 項目 | AgentWorld | Claude Code | AutoGPT |
|---|---|---|---|
| 部署方式 | 本地 Docker | 雲端 API | 本地 Python |
| 硬體需求 | RTX 3090+ | 無（雲端） | 無（需API） |
| 多Agent協作 | ✅ 內建 | ❌ 單一 | ✅ 需設定 |
| 開源 | ✅ MIT | ❌ 閉源 | ✅ MIT |
| 中文支援 | 普通 | 差 | 差 |
| 每月費用 | 0元（電費） | $20-200美元 | API費用 |
| 程式碼品質 | 中等 | 優秀 | 中等 |
如果你是預算有限的獨立開發者，AgentWorld 的 CP 值超高。但如果你需要高品質的生產級程式碼，Claude Code 仍然是首選。
誰該用 AgentWorld？
適合的人：
- 剛學程式的新手，想快速建立原型
- 預算有限的獨立開發者、Freelancer
- 想研究多Agent協作機制的AI研究人員
- 需要本地部署、資料不外洩的企業
不適合的人：
- 需要高品質生產級程式碼的專業團隊
- 不懂 Docker、不想碰命令列的純使用者
- 需要即時協作、雙向編輯的開發者
延伸閱讀
我的最終評價
AgentWorld 不是要取代 Claude Code 或 Copilot，它開創了一個全新的開發模式——讓AI團隊幫你寫程式。這對 prototyping、學習、小型專案來說，簡直是神器。
但它還不是一個成熟的產品。程式碼品質、版本控制、即時編輯，這些都是待改進的地方。我期待開源社群能補上這些短板。
一句話總結：如果你想體驗「一句話，AI團隊幫你寫完程式」的未來，AgentWorld 值得一試。但如果你要上線產品，還是乖乖用 Claude Code 吧。
你覺得多Agent協作會是程式開發的未來嗎？留言告訴我你的想法！