编码智能体团队是否胜过单个智能体？一项受控实验

作者用 Codex CLI 0.157 和 gpt-5.6-luna 在 shopizer 的六个功能任务上做了 144 次受控运行，单智能体通过 56.8% 的隐藏验收测试，规划-编码-审查团队只通过 25.7% 且成本更高。