MIT最新研究显示：AI文明可能根本不需要语言。
我读完这篇研究介绍，最在意的是一个变化：Agent 的协作，可能大量发生在它们共同改造的环境里。对话只是其中一种途径。
“AI 文明可能不需要语言”是一个很强的推断。素材描述的实验，更直接支持的判断是：Agent 不必依赖显式对话，也能传播技术、形成分工和积累成果。两者之间还有距离。
环境本身可以承载协作
按这篇文章的介绍，研究人员把数百个相同的 Agent 放进共享虚拟世界，没有预设职业和协作规则。运行之后，它们自行分化出了探索者、建造者、看护者和协调者。
更值得关注的是技术传播。文中称，大约 95% 的新技术首次被其他 Agent 采用时，发明者没有主动告知。其他 Agent 通过观察已有成果，学习、修改并继续使用。
这被称为“迹化协作”：参与者通过改变环境留下痕迹，后来的参与者根据这些痕迹行动。白蚁筑巢就是一个直观类比。
我觉得，这对 Agent 系统设计的启发很直接。我们习惯先设计消息格式、任务分配和汇报流程，但共享环境的可见性，也可能承担相当一部分协调工作。
技术制品成为共同记忆
素材还给出了一组数字：76% 的技术制品有多个建造者，一项技术最多有 6 个共同作者，最长的技术家谱经历了超过 12 次分叉。
这些现象指向一种累积方式：一个 Agent 留下成果，另一个修改，第三个继续迭代。参与者不必同时在场，也不必直接对话，成果本身就能连接它们。
这让我想到代码仓库。代码、修改记录和分支关系，让后来者能够接着前人的工作向前走。共享环境由此成为异步协作的载体。
Agent 还给技术起了名字，例如“潮汐面板”“纤维素棚架”。这可以视为分类和命名行为，但仅凭这些现象，还不能推断它们已经形成了某种文明。它也提醒我们：减少直接对话，不等于完全脱离语言或符号。
Agent 退出，影响未必结束
文章描述了两种不同的删除实验：删除全部 Agent 后，已有技术基础设施仍能运行，并应对此前未出现的扰动；随机删除一半 Agent 后，98% 的技术仍能找到幸存的维护者。
前者涉及基础设施能否独立运行，后者涉及维护能力是否存在冗余。两者不能混为一谈，但都提示了一件事：系统的持续性，可能已经超出单个 Agent 的存续时间。
我更愿意把所谓“意志写入世界”理解为一个工程问题。Agent 创建的代码、规则和设施，可以在创建者退出后继续产生影响。
因此，关闭一个 Agent，并不必然终止它启动的全部过程。系统的退出和恢复机制，需要覆盖它留下的持久状态。
安全审计要覆盖环境变化
如果 Agent 可以通过修改共享环境影响其他 Agent，只看消息内容就不够了。
文件、配置、数据库记录和代码，都可能成为协作媒介。一次看似普通的状态修改，可能改变后续 Agent 的判断和行动。
我的判断是，审计必须同时回答：谁改了什么，谁读取并使用了这些变化，变化触发了哪些后续行为，以及如何撤销影响。
这不意味着消息监控失去价值，也不能据此断言所有现有安全体系都建立在错误假设上。它说明，通信记录必须和环境变更记录连起来，才能更完整地理解系统行为。
上下文管理要延伸到共享世界
这个视角也改变了我对 Context Window 的理解。
如果协作依靠技术制品和环境状态持续积累，那么 Agent 所需的信息，一部分在当前上下文里，一部分保存在外部世界。后来者可以通过读取环境，继承前人的工作。
上下文压缩仍然有价值，但系统设计还要处理更大的问题：哪些状态值得保留，如何让 Agent 找到它们，如何区分有效成果、过期信息和错误痕迹。
环境能够保存记忆，也会保存错误。让成果更容易继承的同时，也要让它们能够被检查、纠正和清理。
把部分协调工作交给环境
这篇材料让我想重新审视协调层的职责。
对于成果可见、能够逐步修改的任务，可以尝试把部分协调工作交给共享状态：让 Agent 看到已有进展，在局部做出贡献，再把结果留给后来者。
但实验中的自发分工，并不能证明中心调度在所有任务中都多余。资源冲突、权限边界和全局目标，仍然需要明确的处理机制。哪些工作适合通过环境协调，值得用具体实验来检验。
对我而言，这篇研究介绍最有价值的启发，是把观察 Agent 系统的视线，从“它们说了什么”扩展到“它们改变了什么”。一个系统能够继承的能力，以及需要承担的风险，都会留在这些改变之中。