写代码这件事，正从「一个人加一个助手」变成「一群专职智能体分工协作」。10 月 13 日 Cognitum One 发布的开源项目 Ruflo，把这种「蜂群」形态做成了可运行的 harness，背后的判断很简单：一个智能体 = 一个模型 + 一套 harness，真正决定成败的是记忆、路由、审批和策略，而不是模型本身选谁。
一个助手，扩成一百个专职智能体
Ruflo 的入口是一个编程助手——Claude Code、OpenAI Codex 或任意 MCP 客户端都行。它把这一路输入转成一支分工明确的蜂群：规划者拆任务，编码者写代码，测试者验证，审查者查漏，安全角色盯风险，文档角色补说明。这些智能体共享持久记忆，按任务路由到合适的模型，并在关键节点要求人工审批。新增的 Ruflo Mods 更进一步：给它一个「使命」，它就跑完研究、构建、测试、验证、加固、基准和学习的整条闭环，控制台把每一步、每一笔花费都摊开给你看。
蜂群带电的护栏
百个智能体一起跑，最怕两件事：跨机器协作时被污染，以及敏感数据被带出边界。Ruflo 的跨机联邦让不同机器上的安装互相发现、委派子任务，远端节点从「不信任」起步，靠 mTLS 与 Ed25519 质询应答证明身份，没有共享密钥。内置的 PII 数据门禁是一条 14 类检测流水线，在消息离本机前扫邮箱、API 密钥、社保号等，按信任级别决定拦截、脱敏、哈希或放行，并产出可检索的审计记录。记忆侧有 SONA 自学习机制，把跑通的执行模式存进本地向量库，后续任务能复用，不用重训模型。项目号称已有 7.4 万 GitHub 星标、8800 次 fork，原生 MCP 工具 314 个。
它重新框定了「造智能体」这件事
Ruflo 最有价值的不是某个单点功能，而是它把「agent 是模型加 harness」这个前提，落成了一张可照着做的检查清单：它跑了什么、花了多少、什么数据越了界、为下次学到了什么。对用 n8n 之类做工作流自动化的团队，它的借鉴很直接——默认走审批、按成本路由模型、让记忆跨任务累积、把使命只编码一次而不是每个流程重复写。当然，蜂群会成倍放大 token 成本与协作风险，联邦更要默认当敌对来防，真实流量上的 PII 门禁决策得逐条读过再托付。
目前官方及行业暂未披露更多细节，包括企业版的商业授权口径与 ruOS 托管部署的定价，后续将持续跟进迭代动态。这篇把「单助手扩成蜂群」从概念，做成了带护栏的开源实现。