2026 年 2 月 12 日
最近的 Agent Teams 演示很容易让人心痒:几个 AI 分头工作,界面、数据、工具一起往前推进,回来就能看到一件完整作品。
2 月 5 日,Anthropic 发布了用多个 Claude 编写 C 编译器的工程文章,并公开了对应代码。文章真正值得读的,是任务认领、环境反馈和验证怎样支撑并行工作。官方案例
GitHub 上的编译器仓库,也能看到同一天留下的构建复现说明。同期仓库 对我来说,这比单独一个“用了多少 Agent”的数字更有参考价值:你得知道完成到底是什么意思,才能判断并行有没有让项目更早到达那里。
花叔在 2 月 9 日分享 Agent Teams 做网页项目的体验时,特别关注分工之间的独立性,也提到了协调与消耗的问题。相关观点 我认同这个切口。多开几个执行者之前,先看哪些工作真能同时进行,收益才有可能算清楚。
下面不比较模型速度,先画一个只有四项任务的依赖图。把它算明白,很多“再加一个 Agent 会不会更快”的问题就有了答案。
先算关键路径
假设先做字段契约,耗时 2;然后 API 耗时 3、UI 耗时 4,两项可以并行;最后集成耗时 1。串行工作量是 10,理想关键路径是 2 + max(3, 4) + 1 = 7。
这不是模型实测速度,而是调度算术。它告诉我们,即便完全没有沟通成本,这个任务图也只能从 10 降到 7,不会因为开四个 Agent 就变成 2.5。

用脚本复现调度结果
本例按依赖和可用执行位进行调度,分别计算一个、两个执行位的完成时间。输入中的工时是明确给定的假设值;任务无法继续调度时会提示依赖问题。
在系列目录下运行,需 Python 3.10+:
1 | python3 examples/lab_v2.py 07 |

本地执行记录。完整代码:lab_v2.py,代码见文末。
关键路径决定了理想下界,执行位数量决定了哪些就绪任务能够真正同时开始。
要用于真实排期,还得考虑 Agent 数量、限流、人工审查和失败重试。理论关键路径只是下界,不是承诺完成时间。
什么任务适合拆
独立阅读不同资料、检查不同模块、实现已经约定的接口,比较容易并行。修改同一套公共类型、同时改变数据库模型、依赖同一份未确定需求,则容易互相阻塞。
| 任务类型 | 拆分方式 | 集成要求 |
|---|---|---|
| 多源调研 | 按来源独立阅读 | 统一证据格式,合并重复结论 |
| 代码审查 | 按关注点检查 | 去重并回到代码核实 |
| 功能开发 | 按稳定接口拆分 | 端到端测试 |
| 需求探索 | 先形成候选方案 | 统一决定后再实现 |
我还会给每个任务加“交付协议”:输入是什么、可修改哪些文件、输出落在哪里、怎么验证,以及遇到依赖时如何上报。没有这些协议,协调者会忙于重新解释和修补结果。
把并行部分画出来

图中的 API 与 UI 同时开始,但集成必须等较慢的一项结束。如果 API 提前完成,可以先写集成检查,不能据此把尚未完成的 UI 算作已经交付。
真实评价时,至少记录墙钟时间、总调用成本、人工返工时间、最终通过率。多个 Agent 有可能缩短墙钟时间,同时增加总成本;也可能因为互相确认导致两者都增加。
能同时启动,不等于能同时完成
一个用户列表功能,看起来能拆成后端、前端、测试三份。如果字段还没有定,前端在等接口;如果行为还没定,测试在等需求。三个人同时进场,很可能只有一个人真在推进公共决策。
更合适的拆法是先完成一个小契约,再让 API 和 UI 依据同一份输入输出各自实现。测试可以先写契约检查,而不是等全部完成才补。
这也是为什么我喜欢先画依赖图。它会逼你指出阻塞关系,而不是按岗位名称分配工作。
加上执行位限制,才接近真实调度
前面的关键路径给出了一个理想下界。真实环境里还有执行位限制:你只有两个会话额度,或者机器只能承受两个工具进程,就不能把所有就绪任务一起启动。
本次脚本会在任务就绪、且有空闲执行位时分配工作,随后推进到下一项任务结束。对这组例子,单执行位用 10 个假设单位,两个执行位用 7 个。
1 | ready = [name for name, (_, deps) in pending.items() |
如果多花 1 个单位做额外集成,7 就变成了 8。它仍然可能更快,但收益比只看并行窗口时小。这里的时间是调度示例,不是 AI 实测工时。
给每份工作一个完成条件
我会让执行者交付统一结构:
1 | { |
即使只是 Markdown 表格,也尽量包含这些信息。协调者不应该通过长篇聊天猜“完成了”到底是写完、测完,还是只给了一个计划。
如果任务输出依赖其他人,就把依赖直接写进描述。尤其是公共类型、数据库迁移和配置文件,最好指定一个维护者,减少各自都以为自己应该改的情况。
任务认领和完成提交,要有共同记录

多 Agent 同时看一份待办清单时,可能都选中了同一个最明显的问题。于是你得到两份相似实现,真正没人做的部分仍然空着。
最简单的改善是给任务加认领状态,明确负责人和当前输出位置。共享文件也好,小数据库也好,关键是认领必须能避免同时成功,不能只是每个人在自己的聊天里说一句“我来做”。
1 | 任务 api:已认领,负责人 worker-a,输出 branch/task-api |
任务完成时同步提交代码位置和验证结果,再释放认领。执行中断则需要能重新分配,不要让一项任务永远停在“有人在做”。
这里只讨论调度设计,不要求一开始搭一个大型平台。两个执行者、几项固定任务,已经足够暴露重复认领和交付不清的问题。
让协调者少转述,多检查接口
如果协调者需要把每个执行者的长篇进展重新总结给另一个,通信很快就会占据大部分时间。更实用的是让大家共享简短的接口和状态记录,协调者集中处理冲突与验收。
例如 API 变更输出字段时,直接更新契约文件,再通知依赖方读取相应版本。不要让字段名称经历几轮口头转述,最后每个人记住的拼写都不同。
工具失败也一样,保留命令、关键错误和相关文件位置,比一句“我遇到问题了”更容易继续。其他执行者可以依据同一份证据判断,而不必重新跑一遍全部过程。
怎样比较并行究竟有没有帮助
我会固定一组范围相近的任务,分别记录单执行者与多执行者的完成时间。需求变更、人工介入、最终返工都算进去,不能只截取最顺利的一次。
如果并行方案更早产出,但合并之后的缺陷更多,就需要先修分工或验证。若质量接近、总消耗大幅增加,也要看缩短的时间是否值得。
最有价值的结论可能很具体:资料收集可以并行,公共模型设计先串行;多个模块独立实现有效,最后仍保留统一集成。这种结论比一个泛化的“多 Agent 快几倍”更容易复制到下一个项目。
多 Agent 也需要处理返工
| 发现的问题 | 应该退回哪里 | 不宜怎么做 |
|---|---|---|
| 字段契约理解不同 | 先统一公共约定 | 两边继续各自适配 |
| 单模块实现错误 | 退回对应任务 | 让所有 Agent 一起乱改 |
| 集成行为不一致 | 补充跨模块样例 | 只重跑原单元测试 |
| 需求还不明确 | 回到需求讨论 | 用更多并发掩盖不确定性 |
一轮结束后,除了看墙钟时间,也记录总调用成本和人工修改时间。若产物提前出来了,后面却多花一小时收拾,整体交付并没有更轻松。
我会从两到三个边界清楚的工作面开始,保留一个统一验收者。等分工和反馈能稳定循环,再扩大并发。让更多 Agent 同时运行只是配置问题,让它们共同交出一个结果,才是工作流设计的问题。
完整实验代码
保存为 examples/lab_v2.py 后,使用前文命令运行。
展开完整 Python 示例
1 | import argparse,csv,hashlib,io,json,subprocess,tempfile |
延伸阅读
- Anthropic:用并行 Claude 编写 C 编译器,2026-02-05。
- 花叔:Claude 最新的 Agent Teams 实践,2026-02-09。
- anthropics/claudes-c-compiler 同期提交,2026-02-05。