我一开始参加Kaggriculture，并不是因为我有多喜欢模拟经营。
我当时的想法其实挺俗的：找一个Agent方向的Kaggle比赛，最好不需要手工标数据，不需要训练特别大的模型，代码可以主要交给AI完成，然后看看能不能比较快地混到一块奖牌。
Kaggriculture看起来正好符合。
它是一场双人种田比赛。两个Agent在同一张地图上种地、养动物、雇工人、建牧场、买东西、卖东西，最后谁的钱多谁赢。
听起来有点像《星露谷物语》，实际写起来更像一个不会给你报错、只会默默把钱亏光的小型量化系统。
每局有720个状态，Agent每回合都要返回动作。市场还是双方共享的：你卖得早，可能吃到高价；你卖得晚，对面可能已经把价格砸下去了。
而且你不能联网，不能在比赛里临时调用大模型。最后提交上去的就是一个纯Python文件。
所以这次所谓“用AI打Kaggle”，不是让大模型坐在农场里一回合一回合地指挥工人，而是让AI在比赛外面做研究：读规则、看公开方案、写代码、跑测试、复现败局、打包版本，然后我再决定要不要提交。
截至2026年9月22日，我们的队伍“哈基米南北路多”暂时排在 第62 / 9808，分数是 2818.0，大概在前 0.63%。
当前银牌线是2596.5，金牌参考线是2898.5。
也就是说，银牌位置暂时还算稳，离金牌差80.5分。
但这只是临时榜。比赛没结束之前，谁都不能说自己真的拿到了奖牌。Kaggle这种东西，最后几天突然冒出一批人把你往后挤，也不是什么稀奇事。
刚开始的时候，我以为胜率高就够了
第一份提交其实很普通。
代码能跑，动作格式没问题，不会在720回合中途暴毙。我把它交上去以后，看着分数从600一点点往上涨，最后涨到了2160.1。
战绩是18胜1负。
当时看着还挺激动：19场赢18场，这不挺强的吗？
后来才发现完全不是这么回事。
新提交一开始匹配到的通常也是低分对手。你打低分对手打出十几连胜，并不能说明你能打赢排行榜前面的人。
甚至后面还发生过更离谱的事情：某个版本58胜9负，分数只有1425；还有一个版本98胜6负，分数却只有2333。
所以Agent比赛里的“胜率”很容易骗人。
你赢了谁、输给了谁、对手本身是什么评级，这些都很重要。单看一个“胜率95%”，很容易以为自己已经天下无敌，实际上可能只是在新手村刷怪。
前几个版本基本是在抄作业，但抄作业也没有想象中简单
V3到V5主要是在复现和组合社区里的公开策略。
这里也没什么不好意思说的。Kaggle本来就允许使用公开Notebook，比赛社区里也有很多很强的Agent。问题不在于能不能参考，而在于你到底有没有搞清楚那份代码为什么有效，以及你改完以后有没有把它改坏。
早期版本加入了不少东西：
- 更成熟的生产路线；
- 开局资金保护；
- 根据对方公开状态调整开局；
- 提前出售可能被压价的商品；
- 仓库容量保护；
- 饲料、雇工和市场订单保护。
这几个版本很快把分数推到了2500附近。
这个阶段最大的收获不是分数，而是我终于不再满足于“它能打赢starter”。
我们开始让两个版本在同一个初始世界、同一个座位、同一个对手下面分别跑一遍，然后比较它们到底在哪些地方产生了差异。
现在看起来这很正常，但刚开始的时候确实没有这么严谨。最早的思路基本就是：这个改动听起来不错，先跑几局，赢了就交。
后来的很多坑，都是这种心态留下来的。
V8是第一次让我觉得，这东西可能真能拿牌
V6和V7主要解决的是市场竞争。
如果双方采用差不多的生产路线，那两边很可能在差不多的时间卖同一种商品。共享市场里，先卖的人通常价格更好，后卖的人就只能接被砸下来的价格。
最简单的办法当然是：那我什么都提前卖。
我们真的试过。
效果也确实很好——在一部分相似对手上特别好。
然后它把另外两场原本能赢的比赛改输了。
这件事后来反复发生：一个规则在它熟悉的场景里像神一样，在不熟悉的场景里像个拆迁队。
所以V7最后没有无条件提前卖货，而是先观察双方的公开状态。只有确认对方和我们走的是近似路线时，才扩大预售窗口。
V8则继续调整第6天的生产路线。简单来说，如果前两家商店里出现毛线店，就切换到更适合的既有路线。
这听起来不像什么惊天动地的创新，甚至有点朴素。
但最后真正有效的改动，经常就是这种东西。
V8冻结后跑了143场正式测试，结果是116胜、8平、19负。所有对局都完整跑完720状态，没有中途报错。
上传以后，V8最后达到了 2814.5分。
这是我们第一次真正进入高位银牌区域。
看到这个分数的时候，我当然觉得后面还能继续涨。毕竟V8都已经这样了，再做个V9、V10，不是很自然就能摸到2900甚至3000吗？
事实证明，这个想法非常乐观。
V9和V10让我交了一次很贵的学费
V9做的是市场订单清理。
本地165场测试里，它把很多平局变成了胜局。上线以后，开局甚至一度28连胜。
那段时间看起来特别美好。
最后V9停在了 2722.9分，比V8低。
V10继续优化卖单顺序。本地247场配对测试中：
- 26场改善；
- 221场不变；
- 0场退化。
看到“0场退化”的时候，很难忍住不提交。
于是V10被上传了。
但Kaggriculture只保留最近两个活跃提交。V10进去以后，当时分数最高的V8被挤出去了，团队分数和排名立刻下降。
而V10最终只有 2684.9分。
也就是说，我们用一份“247场测试零退化”的候选，换掉了一份已经在线证明能到2814.5的版本。
这件事后来一直影响我们的提交流程。
本地所谓“零退化”，只能说明在那247场里面没有观察到退化。它不代表在整个排行榜的真实对手分布里也不会退化。
听起来像一句废话，但不真的亏一次分，很难对这句话有那么深的印象。
V11到V15，版本号开始像一部拍烂了的续集
后面几个版本尝试得越来越多：
- V11试图收窄市场压缩的触发条件；
- V12针对部分商店组合调整养什么动物；
- V13继续修改路线和羊牛选择；
- V14改成更保守的饲料优先开局；
- V15尝试推断对手销售、提前卖肥料、重新排列卖单，以及在第9天切换乳品路线。
单看实验报告，其中很多版本都挺漂亮。
有的版本能把历史败局翻过来，有的在所谓“精英对手面板”上进步很大，还有的平均能多赚几十、几百金币。
问题是，这些数据很多都已经被我们反复看过。
如果你对着同一批11场败局不断调参数，总能找到一个“能修好其中10场”的版本。这和考试前提前拿到题目差不多，做对并不说明你真的学会了。
V15后来做了一次更严格的复测。
我们拿V8重新提交后产生的32场新对局，把V8和V15放在完全相同的条件下重新运行。
结果是：
- V8：26胜6负；
- V15：26胜6负；
- V15平均只多了0.09375金币；
- 没有新增胜场；
- 还有两场小幅回退。
平均多赚0.09375金币，这个数字看起来甚至有点喜剧效果。
所以V15最后的正式结论是：不晋级。
到了这个阶段，我们终于开始接受一件事：版本号从V14变成V15，并不意味着任何东西。
V16先失败了一次，然后我们换了思路
最初的V16尝试根据对手的公开生产压力，决定是否把商品提前更多回合卖出。
开发集上有一些收益。
但冻结以后，时间顺序留出是8胜8负，平均分差下降53.3，最差一场退化625。
于是这个版本也被拒绝了。
后来的V16不再继续调整这套卖货参数，而是直接换用了更强的公开V53核心，再加入受保护的闲置工人种麦。
它最后在线达到 2521.9分。
这不是一个特别高的分数，但它告诉我们：与其在一个已经落后的核心上叠第十层补丁，有时候不如先承认基线选错了。
V17也是类似的过程。
它中间有一版换了核心，却漏掉了旧版本里“三单位额外收麦”的机制。结果新核心看起来更先进，实际整体表现反而下降。
最后我们把这个机制重新接回来，再把多层公开调度中的旧核心升级为完整Metav4 v13，并加入一个相对保守的卖单顺序求解器。
冻结后的96局里，V17取得82胜14负。
上线后，V17达到 2658.3分。
这个分数依然没有超过V8，但至少说明方向开始重新变得正常。
V18的突破，不是来自更聪明，而是来自少犯一次蠢
V18一开始只是想优化最后一天。
到了比赛末尾，一些工人其实已经没有重要任务了。V18会让这些工人补收附近的产品，计算剩余路程，及时回仓，然后在结束前卖掉。
这个改动有用，但只能算小幅提升。
真正让V18发生变化的，是一场线上大败。
我们把那场比赛完整复现以后，发现问题并不是什么神秘的高阶博弈。
V17在开局时额外种麦，又做了一笔市场交易，结果第24步现金只剩1元。
它原本计划雇3个工人，最后只雇到了1个。
少掉两个工人之后，后面的一切都开始出问题：牧场建不起来、动物喂不及时、产品运不回来、下一轮种植资金也不够。
一开始只少了几块钱，最后却变成整条生产链断掉。
V18增强版没有加什么复杂模型，只改了三件事：
- 把开局小麦交易从“买20卖15”缩小成“买10卖5”；
- 等真实现金结算后，再决定要不要额外种麦；
- 提前给基础种子和第二天雇工留钱。
在针对这个故障构造的反应式压力测试里：
- V17是0胜16负；
- 新V18是15胜1负。
V18上传以后，一路涨到了 2818.0分，超过了V8原来的2814.5。
有时候一个版本变强，不是因为它学会了什么新技巧，而是因为它终于不再在第24步把自己花到只剩1元。
V19又给我上了一课
V19继续改进最后一天的联合收获、交仓和出售调度。
本地冻结测试很好看：
- 对三套公共策略，V18是60胜12负，V19是70胜2负；
- 直接对V18，V19是24胜0负；
- 平均金币分差也明显提高。
所以我们上传了V19。
截至写这篇文章时，V19已经打了104场，战绩是 98胜6负。
然后它的分数是 2333.2。
对，98胜6负，2333.2分。
而V18是97胜1平40负，分数2818.0。
如果只看胜率，这两个数字完全不讲道理。但如果考虑到对手强度和评级路径，它又是可能发生的。
V19目前赢下的比赛很多，却未必击败了足够多的高分对手。V18输得更多，但它可能在更成熟的高分对手池里拿到了更有价值的胜利。
所以现在还不能说V19一定失败，也不能拿98胜6负宣传它已经超过V18。
它只能继续打。
回头看这19个版本
截至2026年9月22日，比较关键的线上版本大概是这样：
| 版本 | 分数 | 胜 / 平 / 负 | |---|---:|---:| | 第一份提交 | 2160.1 | 18 / 0 / 1 | | V4 | 2517.9 | 73 / 0 / 27 | | V5 | 2511.6 | 84 / 0 / 26 | | V8 | 2814.5 | 64 / 1 / 33 | | V9 | 2722.9 | 126 / 0 / 91 | | V10 | 2684.9 | 155 / 0 / 57 | | V11 | 1521.6 | 33 / 0 / 32 | | V12 | 2414.7 | 79 / 0 / 31 | | V13 | 2501.7 | 69 / 0 / 50 | | V14 | 2188.6 | 69 / 0 / 27 | | V15 | 1425.9 | 58 / 0 / 9 | | V16 | 2521.9 | 95 / 0 / 70 | | V17 | 2658.3 | 129 / 0 / 19 | | V18 | 2818.0 | 97 / 1 / 40 | | V19 | 2333.2 | 98 / 0 / 6 |
这张表看久了，会觉得版本号和分数之间甚至有一点反向关系。
当然，这也不能完全怪策略。不同提交遇到的对手、比赛数量和评分路径都不一样。但至少它足够说明：不能因为本地多赢了几十场，就直接宣布“V19全面超过V18”。
AI到底帮我做了什么
如果只说“AI帮我写了代码”，其实不太准确。
这次AI真正做的是一整套比较琐碎、但又很重要的工作：
- 下载排行榜和提交状态；
- 收集公开回放；
- 提取公开Notebook中的Agent；
- 检查许可证和保留作者署名；
- 复现历史比赛的最终金币；
- 记录每一笔真实成交；
- 自动生成成对实验；
- 找出胜变负、负变胜和最坏退化；
- 检查720状态是否完整；
- 测试关闭新增功能后是否与父版本逐动作一致；
- 生成只有一个
main.py的提交包； - 计算源码和压缩包的SHA-256；
- 上传后继续观察分数和胜负。
我做的事情反而比较简单：提出目标、决定能不能接受风险，以及在真正消耗提交次数之前给出授权。
当然，中间也经常出现“AI一本正经地证明一个候选很好，然后线上分数告诉我们并不是”的情况。
但换个角度想，这可能也是这次比赛最好玩的地方。
最后总结几个教训
第一，固定回放不是真实对手。
它适合复现问题，但当你改变了市场以后，对手还在按照旧世界的动作行动。这样测出来的胜利不能直接外推到线上。
第二，平均多赚钱不等于更容易获胜。
一场从-10变成+10，比十场各多赚20但胜负不变更有价值。
第三，不要反复对着同一批败局调参数。
调得越久，报告越漂亮，泛化往往越可疑。
第四，一定要检查真正上传的入口。
一个文件里可能存在很多层Agent包装。你以为上传的是完整版，实际最后被Kaggle加载的可能是更早的一层。
第五，上传是有成本的。
最近两份提交才是活跃版本。新版本进去，旧版本就会被挤出去。我们已经因为这件事丢过一次当时最好的线上分数。
第六，也是最重要的一点：
不要为了做V20而做V20。
如果V19没有通过真实对局证明自己，那么最合理的下一步不一定是立刻写一个V20，也可能是继续等它进入更强的匹配池，或者认真看它输掉的那6场到底发生了什么。
现在的结果
截至这篇文章的数据快照：
- 团队排名：62 / 9808
- 团队分数：2818.0
- 临时银牌线：2596.5
- 临时金牌参考线：2898.5
- 距离临时金牌线：80.5分
当前最可靠的线上版本仍然是V18，而不是编号更新的V19。
比赛还没有结束，所以我也不知道最后到底会停在银牌、掉回铜牌，还是还有机会摸到金牌。
不过就算最后排名不再变化，这个项目对我来说也已经不只是一个Kaggle分数了。
它更像是一套被失败一点点逼出来的Agent研究流程：
先复现，再归因；先冻结，再验证；别删失败数据；让线上结果推翻本地自信。
听起来还是有点像总结报告。
但没办法，吃过的亏确实就是这些。