YouMind
登入

5 種經研究驗證的 Agent 編排模式

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

TL;DR

五種基於研究的模式用於協調多個 AI 程式碼生成 Agents,包括建立者-驗證者分離機制和 Best of N 選擇策略,相較於單一 Agent 方法能顯著提升可靠性。

很多開發者都憑直覺來管理 Agent 團隊與 Agent 協調流程,但這樣做真的有效嗎?

在這篇文章中,我會介紹五種有研究佐證的模式,讓你在 Antigravity、Claude Code 或任何程式碼 Agent 中運行 Agent 團隊。無論你是在開發新應用程式、維護舊版程式碼庫,還是進行研究,你都會學到每種模式在什麼情況下勝過單一 Agent,並取得可以直接使用的提示詞(prompt)親自嘗試。

作者:YK Sugi,Google Cloud 資深開發者關係工程師

1. 把建構者與驗證者分開。 與其讓單一 Agent 包辦所有事情,我們可以把「建構」和「驗證」拆成兩個獨立的執行緒。一個 Agent 負責建構;另一個 Agent 在全新的執行緒中檢查結果是否符合你的要求。如果模型在同一個執行緒裡審查自己的產出,很容易受到自己先前輸出的偏見影響。

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回饋的情況下修正自己的推理,而且會偏好自己的輸出勝過其他人的。

對於重要的變更,請使用這個模式。如果是小修改,或是測試能提供回饋時,自我審查通常還算可行。

提示詞:啟動一個全新的子 Agent 作為唯讀驗證者。讓它檢查這份 diff 是否有做到我的要求。

Google Cloud - inline image

2. 把工作拆分到不同軌道。 當任務可以清楚劃分時,就讓每個部分都有自己的負責人,例如前端、後端和文件各由一個子 Agent 處理。讓它們平行作業,但不要編輯同一份檔案。

在一項 2026 年針對 652 項程式設計任務的研究中,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了約 30%。

在一項 Google 與 MIT 的研究中,Agent 團隊在各部分獨立的金融基準測試上,得分比單一 Agent 高出最多 80.8%;但在每一步都依賴前一步的規劃基準測試上,得分卻低了 39% 到 70%。

Google Cloud - inline image

對於難以乾淨切分為前端、後端這類獨立區塊的工作,單一執行緒通常表現更好。小型 bug 修復也是同樣的道理,在另一項研究中,平行的子 Agent 並沒有帶來幫助。

提示詞:平行啟動三個子 Agent: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 Agent 只能編輯自己資料夾裡的檔案。當三者都完成後,檢查各部分是否能正常協同運作。

Google Cloud - inline image

3. N 選 1(Best of N)。 平行執行同一個任務多次,然後讓測試套件或評估機制挑出最佳解。DeepMind 的程式設計系統 AlphaCode 就是採用這種方式。它會產生大量候選程式,再透過實際執行來篩選。這個方法在程式設計競賽中展現了極具競爭力的表現。

在一項 2024 年針對這種 N 選 1 方法的研究中,對於具備自動檢查機制的任務,即使嘗試數千次,通過率仍持續上升。在真實的 GitHub issue 上,某個模型從單次嘗試的 15.9% 解決率,提升到 250 次嘗試時的 56%。但如果沒有自動檢查機制,靠多數決或評分模型來挑選最佳解,成效大約在 100 次嘗試後就會停滯。

Google Cloud - inline image

提示詞:在 Gemini 4 Hydrogen 上平行執行五個子 Agent,各自在自己的 worktree 中嘗試最佳化這段程式碼。用評估指標為每次嘗試打分,挑出最好的一個,並告訴我結果。

4. 模型評議會。 請多個模型各自提出獨立方案,讓評審在隱藏模型名稱的情況下投票,最後整合最強的構想。當沒有明確的測試或自動檢查標準時(例如架構設計或視覺設計),就很適合使用這個方法。

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,比單一大型評審模型更貼近人類的判斷。

Google Cloud - inline image

舉例來說,我用模型評議會設計了這個船隻 logo。經過兩輪討論,它從一開始平淡無奇的初稿,變成了最終的圖示。

Google Cloud - inline image

提示詞:分別請 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5 各提出一份獨立設計。接著用三個全新的 Agent(分別基於 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5)在隱藏模型名稱的情況下為這些設計評分。把最好的構想整合到最終獲選的作品中。

5. 審查團隊。 平行執行多個唯讀審查者,每個只負責一項工作,例如 UX 或安全性。

在一項 1995 年針對人類審查者的經典研究中,成員各自尋找不同類型錯誤的團隊,找出的錯誤數量比所有人都使用同一份常見錯誤通用清單的團隊多出約 35%。

結果發現,AI 審查者也適用類似的規律。在一項關於 LLM 評審的研究中,扮演不同角色的團隊比單一評審更貼近人類判斷;而當所有評審都共用同一個角色時,表現反而變差。

Google Cloud - inline image

提示詞:平行啟動四個唯讀審查者,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,然後換一批新的審查者重新檢查,直到四者全部通過為止。

這些模式更像是積木,而不是死板的規則。你可以用任何適合自己的方式自由組合,不過這裡有一張簡單的流程圖,能引導你判斷何時該用哪一種模式:

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