AI智能体集群是什么操作？投资人10天查出7.87亿美元政府账单疑点全解析

从连续创业者到“数字版Nick Shirley”

过去10天，我成了数字版的Nick Shirley。

Matt Mickiewicz并不是无名之辈。他是Hired.com、99designs.com与Flippa.com的联合创始人，长期以投资人身份活跃在科技与交易平台领域。他给自己贴上的标签是INTJ与“提问者”倾向，并把SlashSpend.ai列为个人站点，这条线索说明他一直在关注支出与账单的可视化问题。

这次他把矛头指向政府账单，自称在10天内变成“数字版Nick Shirley”，用公开与私有记录交叉比对的方式，找出约7.87亿美元“完全说不通”的政府收费。这个金额规模与10天的周期放在一起，才是话题真正的引爆点。

• 身份背景

  Hired.com、99designs.com、Flippa.com联合创始人，现为投资人。

• 自述定位

  INTJ、“提问者”倾向，个人站点为SlashSpend.ai，长期关注支出可视化。

• 本次动作

  用AI智能体集群并行翻查公开与私有记录，筛出约7.87亿美元可疑政府账单。

AI智能体集群到底做了什么

所谓“智能体集群”，指的是多个AI智能体分工并行，各自负责一部分记录检索、字段比对与异常标记，再把结果汇总给人类判断。它和单次向大模型提问的区别在于：任务被拆成可并行的子问题，覆盖面更广，速度也更快。

政府账单的麻烦在于数据分散、格式不一，人工逐条核对几乎不现实。Mickiewicz的说法是，这套流程在约10天内完成了人力难以推进的交叉比对，并锁定约7.87亿美元缺乏合理解释的收费项。真正值得关注的不是“AI能不能查”，而是它能否稳定复现、误报率有多高。

• 并行分工

  多个智能体分别负责检索、比对、异常标记，避免单线程处理瓶颈。

• 跨源交叉

  同时使用公开记录与私有记录，寻找彼此矛盾的收费条目。

• 人工复核

  AI负责筛出候选疑点，最终定性仍需人来完成。

争议焦点：候选疑点不等于最终结论

AI筛出的只是候选，不是判决。

金额越大，越需要谨慎。AI在跨源比对时容易把口径差异、时间错位或命名不一致误判为异常，因此“约7.87亿美元”目前只是Mickiewicz单方面的说法，尚未经过第三方审计或官方回应验证。公开的预告内容也不足以还原完整方法。

对普通用户和开发者而言，这件事的意义在于示范了一种新工作流：把重复性极高的核查任务交给智能体集群，人只处理边缘判断。对政府与大型机构而言，问题则变成——如果这种审计方式普及，账单透明度与合规成本会被怎样重新定义。

• 支持者视角

  10天完成人力难以推进的比对，展示AI在审计场景的实用价值。

• 质疑者视角

  误报、口径差异与缺乏第三方验证，使金额结论仍待确认。

• 后续观察

  是否公开方法细节、是否出现官方回应、是否有独立机构复核。