返回资讯中心
外部精选
软件工程
#开发者实时流

开发者分享多智能体开发实践:角色更像工程经理,构建规模大幅提升

来源标题:Embracing Multi-Agent Development

一位开发者采用多智能体协作模式后表示不会再回到单智能体方式,其角色从软件工程师转向类似工程经理,负责保持智能体集群按高层目标推进。他认为当前模型已能长时间自主高效工作,可同时推进多项任务,构建范围与产出量远超以往,但对代码的技术理解和深度有所减少。

Hacker News 最新jjfoooo42026/11/13 · 4 天前18 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

我已经采用多 agent 协作模式,而且不打算回头了。我一直对 Gas Town 这类 token 消耗大户持怀疑态度,它的运行成本高得离谱,其创建者也承认它主要是用来构建自身。但另一方面,模型现在已经足够强大,能够长时间自主、高效地工作。我现在把精力放在让整个 agent 团队保持在正轨上、维持向高层目标推进,以及增加做高质量工作的 agent 数量。

这种工作方式更像 AI 时代的工程经理,而不是 AI 时代的软件工程师。技术上的成长变少了,对代码的深入理解也变少了。但我能构建的东西,在范围和体量上都远超从前。

与其再向你推销一个 agent 编排器1,不如讲讲我是怎么走到这一步的、多 agent 编排中哪些组件真正重要,以及这一转变对软件工程实践意味着什么。

AI 让我能同时推进多个任务,一开始我用一大堆 iTerm 窗口来管理。很快这就变得难以驾驭。有些任务是发出去就不用管的,有些则需要我自己盯着。靠手动管理标签页,我没办法区分这两类。而且这种方式是有损的:不小心关掉一个标签页,就意味着得从 Codex(还是 Claude Code?)里把会话捞出来才能恢复。即便标签页一直开着,要记住每个标签页在干什么也并不总是件容易的事。

于是我搭了一个集中的 Tmux 面板来管理 agent 会话。再加上一点搜索功能,丢失会话的问题就解决了。架构很简单:一个 daemon 监听本地的 transcript 日志,追踪哪些会话处于活跃状态并给它们命名。

最终我还是烦了。会话会做一些有用的工作,然后请求一个决策,接着就一直等到我切回那个标签页。我花了太多时间在会话之间来回切换(至少现在我能轻松找到它们了),给 agent 的回复无非是变着花样的“继续干”。而且我也越来越难追踪自己正在推进的高层目标,以及当前这些会话之间是如何配合的。

是时候引入 manager agent 了。我把会话组织成一个层级图。根节点负责调度、接收进度报告、催促不活跃的 agent。manager 节点负责保持 ticket 最新、处理不值得上报到根节点的决策,并确保 worker 节点遵循一致的开发流程。根节点能根据我之前的指导做决策的地方就自行决策,同时整理出一个需要我拍板的收件箱。

这也为自我改进提供了一条自然的入口。当某个 agent 做错了事,它会持久化一条修正,方式要么是修改节点专属的 AGENTS.md 文件,要么是修改路由系统2。

这让一些锦上添花的功能得以快速开发出来:由于调度器是通过监听本地 transcript 日志来工作的,我不需要经过它就能调查某个问题或启动新任务。我只需直接开一个独立的 pi 会话,调度器就会识别到有新会话启动,分配一个 manager,并追踪进度。

我以前认为自我改进型 agent 的关键在于记忆。在这种模型里,agent 是牛,不是宠物。它们启动、从记忆池加载必要的上下文、干活、再回馈记忆池:

但通过记忆来管理上下文很难。处理窄任务的 agent 缺乏必要的信息来判断这个任务会影响哪些更广泛的上下文。一个任务会话中最有用的上下文往往是任务的状态,但这种信息很快就过时了。

构建召回系统需要精细的平衡。小而独立的任务几乎不需要外部上下文,也没什么可贡献给中央记忆池的。对这类会话做召回会拖慢 agent 并让上下文膨胀。反过来,对更实质性的工作召回太少,又会和其他 agent 的工作发生冲突,还会漏掉决策。

用图结构组织 agent 团队能更好地解决这个问题。一个中央调度节点对正在进行的工作保持高层感知。我提出一项工作,调度器会用相关上下文充实这个请求,工作在后台进行。调度器接收进度更新,做出相应反应,然后将其丢弃。

通过 agent 团队来工作,打破了 AI 时代之前软件工程的基本规范。产出的代码量之大,已经无法要求人类协作者去审查。不用 AI 审查 PR 的队友,自然会对被要求审查作者自己都没仔细读过的海量 AI 生成代码感到不满。

我不反对这种看法。让人类审查多个 agent 产出的代码是难以为继的。但我认为人类的代码审查并不总是必要的。

首先,AI 代码审查(出乎我意料)真的很好。它在捕捉边界情况和契约变更方面比人类做得好得多,尤其是当人类审查者忙于其他项目、并不熟悉所审代码的细节时3。但我们可以做得比单纯的 AI 代码审查更好。我们可以强制 agent 证明代码能工作,通过我称之为 agentic bureaucracy 的机制:一组不设上限的合并前、部署前和部署后验证步骤。代码审查之外,我们一直都有质量保证流程。但人类能忍受的勾选式检查是有限的,而 agent 能忍受吹毛求疵的 linter、耐心等待漫长的金丝雀观察期,并勤勉地检查你想要多少性能和正确性指标就检查多少。

我们正处在一个剧烈变化的时代,虽然我确信这种工作方式更高效,但我不指望所有人都喜欢它。agent 集群式的开发方式与人类驱动的开发方式并不兼容。组织将不得不在两者之间做出选择,而我认为集群的产出效率实在太高,难以匹敌。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →