Replit 官方博客 11 月 17 日发布 Replit Missions,11 月 19 日官方 X 账号再次推介。用户定义目标、花费上限和需要人工批准的操作,Replit 调度一组 Agent 并行规划、构建、测试和迭代,由独立的 AI 裁判按约定的成功标准检查结果,达标才算完成,预算用完就停。Replit 用它在 2 天、$3,000 预算内做出了自用的应用监控平台 DataCat;官方 NumPy 测试中 32 个 Agent 的集群最高提速 19 倍。
核心要点速览
- ✓用法:设定目标、花费上限和需人工批准的操作(如联系客户、发布、追加预算),Agent 集群并行执行
- ✓验收:独立 AI 裁判按约定成功标准检查结果,达标才算完成;预算先用完则停止,结果标记为未解决
- ✓案例:2 天、$3,000 预算做出监控平台 DataCat,故意注入的数据库 Bug 38 秒报警,51 项数据与告警检查全部通过
- ✓官方 NumPy 13 项任务:Auto (Max) 单 Agent 最高 4 倍提速,16 个 Agent 17 倍,32 个 Agent 19 倍
- ✓官方对比:同一提示词下 DataCat 的 trace 摄入 49,000 条/秒,约为 Claude Code /goal 版本的 5 倍;具体定价官方博客未公布

关键决策指标一览
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
单个编程 Agent 已经能连续工作几个小时,但“拿下前 10 个企业客户”“替换一套旧系统”这类目标,需要多条线并行试错,还要有人管预算和风险。Replit 说,自己团队就一直没精力做这类事。
架构亮点与底层机制
Missions 先通过提问把“成功”定义清楚,再写进一份 Mission 协议:花费上限、哪些操作必须人工批准、可接受的取舍。之后 Replit 调度一组云端 Agent 并行研究、构建和测试,共享发现,并按你选的频率汇报进度。独立 AI 裁判按验收标准检查结果,Agent 根据反馈继续改,达标才算完成,预算用完就停。
权威 Benchmark 与实测跑分对比
以下均为 Replit 自测:13 项 NumPy 优化任务中,Auto (Max) 单 Agent 最高 4 倍提速,16 个 Agent 17 倍,32 个 Agent 19 倍。DataCat 2 天、$3,000 内建成,注入的数据库 Bug 38 秒报警;同一提示词下,trace 摄入速度约为 Claude Code /goal 版本的 5 倍,但后者覆盖的产品面更多。
开发者实战落地与开箱指南
在 replit.com/missions 新建任务,先写清可量化的验收标准和预算上限,把联系客户、发布上线、追加预算都设为需要批准。官方博客没有公布具体价格,按你账户里显示的为准。
即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察