Replit 11 月 17 日發表 Missions。使用者不必再一步步對 AI Agent 下指令,只要描述想要的成果,再設定預算與權限,Replit 就會調度一組 Agent 去規劃、開發、測試,一輪輪朝目標推進。同時開源的還有一個以 Missions 打造的應用程式監控平台 DataCat。
這是 Replit 本月第二個 Agent 動作。上週它剛讓 Replit Agent 能替使用者採購、投放 Google 廣告,這次則把單一 Agent 換成了一整組。
一項任務如何執行
Replit 部落格舉的例子是「拿下前 10 位付費企業客戶」。設定階段,Missions 會先追問成功標準怎麼算,例如付費試辦算不算數。
接著設定預算與審批。範例中的上限是 1000 美元,在聯繫潛在客戶、寄出提案、修改銷售素材、對產品做出承諾之前,都必須先經過人工批准。批准後,幾個 Agent 平行作業:一個研究買家,一個製作展示 demo;外聯寄出後,系統會看哪些訊息換來了有效對話,再調整下一輪。
進度回報可選擇即時、每日彙整或每週一次,Agent 在雲端執行,電腦闔上也不受影響。任務結束時,由一個獨立的 AI 評審依事先約定的標準驗收。部落格也寫明了另一種結局:預算先花完,工作就停下,成果仍懸而未決。
DataCat 與對照組
DataCat 是 Replit 用 Missions 替自己打造的監控平台,具備儀表板、告警與鏈路追蹤,耗時 2 天、預算 3000 美元。開源的是可自行託管的版本,程式碼放在 GitHub 的 replit/datacat,部落格沒有提到授權條款。
Replit 在受控測試中給出一組數字:
- 人為注入一個資料庫 bug,DataCat 在 38 秒內發出告警,目標是 60 秒;
- 3 小時壓力測試,寫入 2600 萬筆活動紀錄與 440 萬筆日誌,零遺失,51 項資料正確性與告警檢查全數通過;
- 與用 Claude Code 搭建的對照版本相比,鏈路追蹤吞吐量為每秒 4.9 萬筆對 9800 筆,指標寫入為每秒 40.5 萬筆對 22.5 萬筆,日誌檢索中位數為 0.5 秒對 4.2 秒。
這組對比有幾處說不清楚。Claude Code 那一版用了多少預算、多少時間、什麼提示詞,部落格沒有交代;Replit 自己也寫明,這些測試不能說明 DataCat 比它所取代的商用代管服務更好,也不代表在 Replit 正式環境中的表現。
Agent 越多就越快嗎
Replit 另外放了一組擴展測試,用 13 個 NumPy 任務,觀察 Agent 數量與提速的關係。Max 方案下,1 個 Agent 最多提速 4 倍,16 個是 17 倍,32 個是 19 倍;Power 方案下三個數字是 2 倍、7 倍和 9 倍。
從 16 個加到 32 個,Agent 數量翻倍,提速只多了約 2 倍,平行處理的收益在這一段已明顯趨緩。
與 Cursor、Devin 這類同樣主打背景 Agent 的產品相比,Missions 的不同在於把預算上限、審批節點、AI 驗收都放進了任務定義,目標也從「寫程式」擴大到獲客這類業務成果。Missions 如何收費、各方案能同時開多少個平行 Agent,部落格都沒有寫,只請企業用戶洽詢業務。
參考來源:Replit 官方部落格、CocoLoop、DataCat GitHub 儲存庫;效能數字均為 Replit 受控測試口徑,對照版本的建置條件未公開。