कई डेवलपर्स एजेंट्स की टीम चलाते हैं और सिर्फ अपनी "वाइब" (अंदाज़े) के आधार पर एजेंट ऑर्केस्ट्रेशन करते हैं, लेकिन क्या यह वाकई में कारगर है?
इस आर्टिकल में, मैं Antigravity, Claude Code या किसी भी अन्य कोडिंग एजेंट में एजेंट टीम चलाने के पाँच रिसर्च-आधारित पैटर्न पेश करूँगा। चाहे आप नए ऐप्लिकेशन बना रहे हों, लेगेसी कोडबेस को मेंटेन कर रहे हों, या रिसर्च कर रहे हों — आप सीखेंगे कि कौन सा पैटर्न कब एक अकेले एजेंट से बेहतर काम करता है, और इसे खुद आजमाने के लिए तैयार-टू-यूज़ प्रॉम्प्ट्स भी पाएंगे।
लेखक: YK Sugi, सीनियर डेवलपर रिलेशंस इंजीनियर, Google Cloud
1. बिल्डर और वेरिफायर को अलग रखें। एक ही एजेंट से सब कुछ करवाने के बजाय, हम बिल्डिंग और वेरिफिकेशन को दो अलग-अलग थ्रेड्स में बाँट सकते हैं। एक एजेंट कोड बनाता है। दूसरा एजेंट एक नए थ्रेड में चेक करता है कि रिज़ल्ट वही है जो आपने माँगा था। अगर कोई मॉडल उसी थ्रेड में अपना काम खुद रिव्यू करता है, तो उसके अपने पिछले आउटपुट से प्रभावित (बायस्ड) होने का खतरा रहता है।
वास्तव में, स्टडीज़ दिखाती हैं कि मॉडल्स अपने ही काम के अच्छे जज नहीं होते। वे बाहरी फीडबैक के बिना अपनी खुद की रीज़निंग को ठीक करने में संघर्ष करते हैं और दूसरों के आउटपुट की तुलना में अपने आउटपुट को तरजीह देते हैं।
इस पैटर्न का इस्तेमाल उन बदलावों के लिए करें जो मायने रखते हैं। छोटे बदलावों के लिए, या जब टेस्ट्स खुद फीडबैक दे रहे हों, तो सेल्फ-रिव्यू अभी भी ठीक रह सकता है।
प्रॉम्प्ट: एक नया सबएजेंट शुरू करो जो सिर्फ रीड-ओनली वेरिफायर हो। उससे चेक कराओ कि क्या यह diff वही करता है जो मैंने कहा था।

2. काम को अलग-अलग लेन्स में बाँटें। जब कोई टास्क साफ-साफ हिस्सों में बँट सकता हो, तो हर हिस्से का एक अलग ओनर रखें — जैसे frontend, backend और docs के लिए एक-एक सबएजेंट। उन्हें एक साथ (parallel) काम करने दें, बशर्ते वे एक ही फाइल को एडिट न करें।
652 कोडिंग टास्क पर 2026 में हुई एक स्टडी में, ओवरलैपिंग कोड पर काम करने वाले दो एजेंट्स की सफलता दर, दोनों काम अकेले करने वाले एक एजेंट से लगभग 30% कम रही।
Google और MIT की एक स्टडी में, स्वतंत्र हिस्सों वाले फाइनेंस बेंचमार्क पर एजेंट टीम ने एक अकेले एजेंट से 80.8% तक बेहतर स्कोर किया, लेकिन प्लानिंग बेंचमार्क पर — जहाँ हर स्टेप पिछले स्टेप पर निर्भर था — टीम का स्कोर 39% से 70% तक कम रहा।

जिन कामों को frontend और backend की तरह साफ हिस्सों में बाँटना मुश्किल हो, उनके लिए अक्सर एक ही थ्रेड बेहतर काम करता है। यही बात छोटे बग फिक्सेस पर भी लागू होती है, जहाँ एक अन्य स्टडी में parallel सबएजेंट्स से कोई खास मदद नहीं मिली।
प्रॉम्प्ट: तीन सबएजेंट्स को एक साथ शुरू करो: एक web/ में frontend के लिए, एक api/ में backend के लिए, और एक docs/ में डॉक्युमेंटेशन के लिए। हर एजेंट सिर्फ अपने फोल्डर की फाइल्स एडिट करे। जब तीनों पूरा कर लें, तो चेक करो कि सभी हिस्से एक साथ सही काम कर रहे हैं।

3. Best of N. एक ही टास्क को कई बार parallel में चलाओ और टेस्ट सूट या eval को विजेता चुनने दो। DeepMind का कोडिंग सिस्टम AlphaCode इसी तरीके से काम करता था। उसने कई कैंडिडेट प्रोग्राम जनरेट किए और उन्हें रन करके फ़िल्टर किया। इस तरीके ने प्रोग्रामिंग कॉम्पिटिशन में शानदार प्रदर्शन किया।
इस Best of N अप्रोच पर 2024 की एक स्टडी में, ऑटोमैटिक चेक वाले टास्क पर हज़ारों कोशिशों के बीच पास रेट लगातार बढ़ता गया। असली GitHub issues पर, एक मॉडल की सफलता दर एक कोशिश में 15.9% से बढ़कर 250 कोशिशों में 56% हो गई। ऑटोमैटिक चेक के बिना, मेजॉरिटी वोट या स्कोरिंग मॉडल से विजेता चुनने पर यह सुधार लगभग 100 कोशिशों के बाद रुक गया।

प्रॉम्प्ट: Gemini 4 Hydrogen पर पाँच सबएजेंट्स को parallel में चलाओ, हर एक अपने worktree में इसे ऑप्टिमाइज़ करने की कोशिश करे। हर कोशिश को evals पर स्कोर करो, सबसे अच्छी चुनो, और मुझे रिज़ल्ट बताओ।
4. मॉडल्स की काउंसिल (परिषद)। कई मॉडल्स से स्वतंत्र प्रस्ताव माँगो, मॉडल के नाम छिपाकर जजेस से वोट कराओ, और फिर सबसे मजबूत आइडियाज़ को मिला दो। इसका इस्तेमाल तब करो जब कोई स्पष्ट टेस्ट या ऑटोमैटिक चेक न हो, जैसे आर्किटेक्चर या विज़ुअल डिज़ाइन।
एक स्टडी में, कई मॉडल्स के जवाबों को मिलाने पर स्कोर किसी एक frontier मॉडल से बेहतर रहा। एक अन्य स्टडी में, अलग-अलग मॉडल्स का पैनल एक अकेले बड़े जज की तुलना में इंसानी फैसलों से ज्यादा मेल खाया।

उदाहरण के लिए, मैंने यह शिप लोगो मॉडल्स की काउंसिल से डिज़ाइन किया। दो राउंड में यह पहले के साधारण प्रयास से बदलकर फाइनल आइकन बन गया।

प्रॉम्प्ट: Gemini 4 Carbon, Gemini 4 Neon, और Claude Opus 5.5 से एक-एक स्वतंत्र डिज़ाइन माँगो। फिर Gemini 4 Carbon, Gemini 4 Neon, और Claude Opus 5.5 पर तीन नए एजेंट्स से मॉडल के नाम छिपाकर इन डिज़ाइन्स को स्कोर कराओ। सबसे अच्छे आइडियाज़ को मिलाकर विजेता डिज़ाइन तैयार करो।
5. रिव्यूअर्स की टीम। कई रीड-ओनली रिव्यूअर्स को parallel में चलाओ, हर एक की एक जिम्मेदारी हो, जैसे UX या security।
इंसानी रिव्यूअर्स पर 1995 की एक क्लासिक स्टडी में, जिन टीमों के सदस्य अलग-अलग तरह की गलतियाँ ढूँढ रहे थे, उन्होंने उन टीमों की तुलना में लगभग 35% ज़्यादा गलतियाँ पकड़ीं जहाँ सबने आम गलतियों वाली एक ही चेकलिस्ट इस्तेमाल की थी।
पता चला कि AI रिव्यूअर्स के साथ भी ऐसा ही पैटर्न काम करता है। LLM जजेस पर हुई एक स्टडी में, अलग-अलग भूमिकाओं वाली टीम एक अकेले जज की तुलना में इंसानी फैसलों से बेहतर मेल खाई, और जब सबको एक ही भूमिका दी गई तो उनका प्रदर्शन गिर गया।

प्रॉम्प्ट: UX, कोड की सरलता, edge cases और security के लिए चार रीड-ओनली रिव्यूअर्स को parallel में शुरू करो। वे जो रिपोर्ट करें उसे ठीक करो, फिर नए रिव्यूअर्स के साथ इसे दोहराओ जब तक कि चारों अप्रूव न कर दें।
ये पैटर्न सख्त नियमों से ज़्यादा बिल्डिंग ब्लॉक्स की तरह हैं। आप इन्हें अपनी ज़रूरत के हिसाब से किसी भी तरह मिला-जुलाकर इस्तेमाल कर सकते हैं, लेकिन यह रहा एक आसान फ्लोचार्ट जो आपको गाइड करेगा कि कब कौन सा पैटर्न इस्तेमाल करना है:






