5 min read

多 Agent 开发范式:如何用一群 Agent 替你写代码

Source: http://x.com/i/article/2050384030131167232

刚刷完 Rob Ennals 的这期对话,信息密度高得有点离谱。

过去很多人以为,所谓 agent,不过是多写几段 prompt,把任务丢出去。但真正的高手,已经把“管理一群 agent”这件事,演化成了一套完整体系,包含向上管理、并行协作、自动验证,以及持续优化。

Rob 把他在 Broomy 里的实战方法几乎全部讲透。从听到记,这里整理成一套尽量还原原汁原味的实践路径。

核心哲学,是教 agent 学会“向上管理”。

不要把 agent 当工具,而要当成一个下属。人类最稀缺的资源是注意力,所以 agent 必须主动汇报,而不是被动等待检查。

在 Rob 的体系里,每完成一个功能块,agent 都需要生成一份 Feature Walkthrough Doc。文档的形式非常具体,是一连串经过精心裁剪的截图,只保留关键区域。每一张截图都会配上说明,解释这里做了什么,以及为什么这样设计。

更关键的是,这份文档并不是单纯写给人类看的。还会有另一个子 agent,专门去验证这些截图是否真实反映了系统状态。

最终效果非常直接。Rob 在 merge 代码时,几乎不再阅读代码,也不会手动点开应用。他只需要扫一眼这份 walkthrough 文档,就可以完成审批。

这套文档体系,还进一步演化成了视觉回归测试。

在发版之前,所有历史的 Feature Walkthrough 脚本会被重新执行一遍。系统会重新截图,并进行像素级对比。如果完全一致,就说明没有引入变化。如果存在差异,agent 会自动分析,这是预期改动还是潜在 bug,并生成一份差异报告给人类。

这里的关键细节在于“智能对比”。像素 diff 不是简单逐点比较,而是能够自动放大到问题区域,减少需要处理的信息量,从而提升 agent 的判断效率。

真正的效率跃迁,来自并行 agent。

如果想加快产出,不是让一个 agent 更努力,而是直接同时启动五到十个 agent,从不同思路解决同一个问题。每个 agent 拥有独立的工作目录,彼此互不干扰。

最终再对结果进行对比,从正确性、设计质量、测试通过率等维度筛选最优方案。其余方案可以直接丢弃,没有任何心理成本。

在 Broomy 中,这种并行是非常轻量的操作。Rob 可以一键启动多个 session,同时推进多个实现路径。

很多人担心的 merge conflict,在这个体系里已经不再是问题。

Rob 的做法是,把解决冲突本身,也交给 agent。他定义了一类 skill,让 agent 自动执行拉取主分支、理解其他 PR 的设计意图、并解决语法和语义冲突。

如果存在不确定的部分,再由 agent 主动提问。

在实际运行中,很多 agent 的工作,甚至就是互相处理对方造成的冲突。Rob 还做了一个一键操作,把拉取主分支、自动解决冲突、生成报告、创建 PR 这些步骤全部串起来,一次点击完成。

Broomy 的一个关键设计,是自定义按钮。

通过配置 commands.json,可以把常用操作封装成按钮,例如拉取主分支并解决冲突,生成 walkthrough 并验证后创建 PR,或者在 agent 卡住时让它总结当前问题。

这些按钮极大降低了操作成本。在需要同时管理十到二十个 agent 时,按钮的效率远高于反复手写 prompt。

在人类角色上,也发生了明显变化。

Rob 基本不再把时间花在具体实现上,而是专注于定义标准、制定规则、以及构建工具环境。

例如定义什么是“好的代码”,通过 lint 规则、测试覆盖率、文档规范来约束 agent。每个文件夹都有 README,每个文件顶部都有清晰注释,方便 agent 进行语义搜索。

同时持续进行重构,因为 agent 不在意重复劳动,代码结构可以长期保持整洁。

一个非常实用的方法,是定期询问 agent 最近最困难、最耗时的任务是什么。agent 往往会给出非常具体的瓶颈点,例如在像素对比上耗费了太多时间。接下来就可以针对这个问题,直接让 agent 开发一个诊断工具,从而彻底消除瓶颈。

在具体实践上,还有一些经过验证的细节。

不要让 agent 频繁运行重量级的端到端测试,而是先通过单元测试和 lint,再进入更重的流程。像素对比工具必须具备智能放大能力。尽量让 agent 自己编写辅助工具,例如用于校验 UI 是否符合设计稿的脚本。

并行执行时,需要注意机器负载。Rob 使用的是性能很强的本地设备,未来也会迁移到云容器。

代码风格需要非常严格,例如限制函数长度、统一组件库。这类规则对 agent 的约束效果,往往比对人类更明显。

如果要把整套方法总结成一句话,本质是把 agent 当成一个可以自我迭代、自我验证、彼此协作的工程团队。

人类的职责,从亲自写代码,转变为制定规则、指引方向,以及持续优化环境。

这不是一个渐进式变化,而是一个范式级跳跃。但按照 Rob 的这套打法,这种工作方式已经可以在现实中稳定落地。

更多硬核科技内容:

*Podwise*