Многие разработчики управляют командами агентов и их оркестрацией «на глаз», но действительно ли это эффективно?
В этой статье я расскажу о пяти научно обоснованных паттернах управления командами агентов в Antigravity, Claude Code или любом другом ИИ-агенте для разработки кода. Независимо от того, создаете ли вы новые приложения, поддерживаете устаревшие кодовые базы или проводите исследования, вы узнаете, когда каждый из паттернов работает лучше одного агента, и получите готовые промпты, чтобы попробовать всё самостоятельно.
Автор: YK Sugi, Senior Developer Relations Engineer, Google Cloud
1. Разделите создателя и проверяющего. Вместо того чтобы поручать всё одному агенту, можно разделить создание и проверку на два отдельных потока. Один агент пишет код. Второй агент в новом потоке проверяет, делает ли результат то, что вы просили. Если модель оценивает свою же работу в том же потоке, она рискует оказаться предвзятой из-за собственного предыдущего вывода.
Более того, исследования показывают, что модели плохо оценивают результаты собственной работы. Им трудно исправить свои ошибки в рассуждениях без внешней обратной связи, и они предпочитают свои ответы чужим.
Используйте этот паттерн для важных изменений. Для мелких правок или когда обратную связь дают тесты, самопроверка всё ещё вполне допустима.
Промпт: Запусти один новый сабагент в режиме только для чтения как проверяющего. Пусть он проверит, делает ли этот дифф то, что я просил.

2. Разбейте работу на направления. Если задачу можно четко разделить, назначьте каждой части своего ответственного — например, по одному сабагенту на фронтенд, бэкенд и документацию. Пусть они работают параллельно, не редактируя одни и те же файлы.
В исследовании 2026 года, охватившем 652 задачи по написанию кода, два агента, работавших с пересекающимся кодом, справлялись примерно на 30% реже, чем один агент, выполнявший обе задачи.
В совместном исследовании Google и MIT команды агентов показали результат до 80,8% выше, чем один агент, на финансовом бенчмарке с независимыми частями, и на 39–70% ниже на бенчмарке по планированию, где каждый шаг зависит от предыдущего.

Для задач, которые сложно разбить на четкие части вроде фронтенда и бэкенда, один поток часто работает лучше. То же касается мелких исправлений багов, где параллельные сабагенты не дали преимущества в еще одном исследовании.
Промпт: Запусти три сабагента параллельно: один для фронтенда в web/, один для бэкенда в api/ и один для документации в docs/. Каждый редактирует только файлы в своей папке. Когда все трое закончат, проверь, что части работают вместе.

3. Лучший из N (Best of N). Выполните одну и ту же задачу несколько раз параллельно и позвольте набору тестов или системе оценки выбрать победителя. Именно так работала AlphaCode — система для написания кода от DeepMind. Она генерировала множество программ-кандидатов и отсеивала их, запуская на выполнение. Этот метод показывал конкурентоспособные результаты на соревнованиях по программированию.
В исследовании 2024 года, посвященном подходу Best of N, процент успешных решений продолжал расти на протяжении тысяч попыток в задачах с автоматической проверкой. На реальных issue из GitHub одна модель повысила долю решенных задач с 15,9% при одной попытке до 56% при 250 попытках. Без автоматической проверки выбор победителя большинством голосов или скоринговой моделью выходил на плато примерно после 100 попыток.

Промпт: Запусти пять сабагентов параллельно на Gemini 4 Hydrogen, пусть каждый попробует оптимизировать это в своем worktree. Оцени каждую попытку через evals, выбери лучшую и сообщи мне результат.
4. Совет моделей. Попросите несколько моделей предложить независимые варианты, дайте судьям проголосовать со скрытыми названиями моделей, а затем объедините самые сильные идеи. Используйте это, когда нет четкого теста или автоматической проверки — например, при проектировании архитектуры или визуального дизайна.
В одном исследовании объединение ответов нескольких моделей набрало больше баллов, чем ответ одной передовой модели. В другом коллегия из разных моделей совпадала с человеческими оценками лучше, чем один крупный судья.

Например, я разработал этот логотип корабля с помощью совета моделей. Два раунда превратили простую первую попытку в финальную иконку.

Промпт: Попроси Gemini 4 Carbon, Gemini 4 Neon и Claude Opus 5.5 предложить по одному независимому дизайну. Пусть три новых агента на Gemini 4 Carbon, Gemini 4 Neon и Claude Opus 5.5 оценят дизайны со скрытыми названиями моделей. Объедини лучшие идеи в дизайн-победитель.
5. Команда ревьюеров. Запустите параллельно несколько ревьюеров в режиме только для чтения, каждому — своя задача, например UX или безопасность.
В классическом исследовании 1995 года с участием людей-ревьюеров команды, участники которых искали разные типы ошибок, находили примерно на 35% больше недочетов, чем команды, где все использовали один общий чек-лист типичных ошибок.
Оказалось, что для ИИ-ревьюеров работает похожий паттерн. В исследовании LLM-судей команда с разными ролями совпадала с человеческими оценками лучше, чем один судья, и справлялась хуже, если всем назначали одну и ту же роль.

Промпт: Запусти параллельно четыре ревьюера в режиме только для чтения: для UX, простоты кода, граничных случаев и безопасности. Исправь то, о чем они сообщат, затем повтори с новыми ревьюерами, пока все четверо не одобрят.
Эти паттерны — скорее строительные блоки, чем строгие правила. Вы можете комбинировать их любым удобным способом, но вот простая блок-схема, которая подскажет, какой из них и когда использовать:






