YouMind
登錄

5 種經研究驗證的 Agent 協調模式

@googlecloud
英文2026年11月19日
239K
2.6K
248
63
4.7K

TL;DR

五種經研究支持的策略,用於協調多個 AI 編碼 Agent,包括構建者與驗證者分離以及 Best of N 選擇機制,相比單一 Agent 方法能顯著提升可靠性。

很多開發者都憑直覺去管理 Agent 團隊和編排 Agent,但這樣做真的有效嗎?

在這篇文章中,我會介紹五個有研究支持的 pattern,讓你在 Antigravity、Claude Code 或任何其他 coding agent 中運行 Agent 團隊。無論你是在開發新應用程式、維護舊有程式碼庫,還是進行研究,你都會學到每個 pattern 在什麼情況下比單一 Agent 更出色,並獲得可以直接使用的 prompt 親自嘗試。

作者:YK Sugi,Google Cloud 高級開發者關係工程師

1. 將建構者與驗證者分開。 與其讓單一 Agent 包辦所有事情,我們可以將建構和驗證分成兩個獨立的 thread。一個 Agent 負責建構;另一個 Agent 在全新的 thread 中檢查結果是否符合你的要求。如果模型在同一個 thread 中審視自己的輸出,很容易受到自己先前內容的偏見影響。

事實上,研究顯示模型並不擅長評估自己的成果。它們難以在沒有外部反饋的情況下修正自己的推理,而且會偏好自己的輸出多於其他人的。

對於重要的改動,請使用這個 pattern。如果是小改動,或者測試本身就能提供反饋,自我審查仍然可以接受。

Prompt:啟動一個全新的 subagent 作為唯讀驗證者。讓它檢查這個 diff 是否做到我要求的事情。

Google Cloud - inline image

2. 將工作劃分為不同 lane。 當任務可以清晰拆分時,為每個部分指定專屬負責人,例如前端、後端和文件各由一個 subagent 處理。讓它們平行工作,但不要編輯同一批檔案。

在一項 2026 年針對 652 個編程任務的研究中,兩個 Agent 處理重疊程式碼的成功率,比單一 Agent 同時完成兩項任務低約 30%。

在一項 Google 與 MIT 的研究中,對於各部分互相獨立的金融基準測試,Agent 團隊的得分比單一 Agent 高出最多 80.8%;但在每一步都依賴上一步的規劃基準測試中,團隊得分反而低了 39% 至 70%。

Google Cloud - inline image

對於難以清晰拆分為前端、後端等獨立部分的工作,單一個 thread 通常表現更好。小型 bug 修復亦是如此,在另一項研究中,平行 subagent 並沒有帶來幫助。

Prompt:平行啟動三個 subagent:一個負責 web/ 中的前端,一個負責 api/ 中的後端,一個負責 docs/ 中的文件。每個只可編輯自己資料夾內的檔案。當三者都完成後,檢查各部分能否協同運作。

Google Cloud - inline image

3. Best of N(N 選一)。 平行執行同一個任務多次,然後讓測試套件或 eval 選出優勝者。DeepMind 的編程系統 AlphaCode 就是這樣運作的。它會生成大量候選程式,再透過實際運行來篩選。這種方法在編程比賽中表現相當具競爭力。

在一項 2024 年關於 Best of N 方法的研究中,對於具備自動檢查的任務,即使嘗試數千次,通過率仍持續上升。在真實的 GitHub issue 上,某個模型從一次嘗試的 15.9% 解決率,提升到 250 次嘗試時的 56%。但如果沒有自動檢查,靠多數決或評分模型來選出優勝者,在大約 100 次嘗試後就會遇到瓶頸。

Google Cloud - inline image

Prompt:在 Gemini 4 Hydrogen 上平行運行五個 subagent,各自在自己的 worktree 中嘗試優化這段程式碼。用 eval 為每次嘗試評分,選出最好的一個,並告訴我結果。

4. 模型議會。 向多個模型索取獨立方案,讓評審在隱藏模型名稱的情況下投票,然後融合最出色的想法。當沒有明確的測試或自動檢查方式時(例如架構設計或視覺設計),就適合使用這個方法。

在一項研究中,結合多個模型的答案,得分高於單一前沿模型。在另一項研究中,由不同模型組成的評審團,比單一大模型評審更貼近人類判斷。

Google Cloud - inline image

舉例來說,我用模型議會設計了這個船隻 logo。經過兩輪討論,它從最初平平無奇的初稿,變成了最終的圖示。

Google Cloud - inline image

Prompt:分別向 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5 索取一份獨立設計。再找三個全新的 Agent,分別在 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5 上,在隱藏模型名稱的情況下為這些設計評分。將最好的想法融合到優勝作品中。

5. 審閱者團隊。 平行運行多個唯讀審閱者,每個只負責一項工作,例如 UX 或安全性。

在一項 1995 年以人類審閱者進行的經典研究中,每位成員專門尋找不同類型錯誤的團隊,發現的錯誤數量比所有人使用同一份通用常見錯誤清單的團隊多出約 35%。

結果證明,AI 審閱者也適用類似的規律。在一項關於 LLM 評審的研究中,擔任不同角色的團隊比單一評審更貼近人類判斷;而當所有評審都扮演同一角色時,表現反而較差。

Google Cloud - inline image

Prompt:平行啟動四個唯讀審閱者,分別負責 UX、程式碼簡潔度、邊界情況和安全性。修正他們回報的問題,然後換一批全新的審閱者重複流程,直到四者全部通過為止。

這些 pattern 更像是積木,而非死板的規則。你可以按自己的需要自由組合,但以下有一個簡單的流程圖,指引你在何時該用哪一種:

Google Cloud - inline image
一鍵儲存

使用 YouMind AI 深度閱讀爆款文章

保存原文、追問細節、總結觀點,並在一個 AI 工作空間裡把爆款文章沉澱成可複用筆記。

了解 YouMind
寫給創作者

把你的 Markdown 變成乾淨的 𝕏 文章

圖片上傳、表格、程式碼區塊,往 𝕏 上手動重排太痛苦。YouMind 把整篇 Markdown 一鍵轉成乾淨、可直接發佈的 𝕏 文章草稿。

試試 Markdown 轉 𝕏

更多可拆解樣本

近期爆款文章

探索更多爆款文章