什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

Devin联创:多Agent架构的有效边界与工程实践

Devin联合创始人Walden Yan针对多智能体系统的应用边界进行了更新。不同于去年“不要构建多智能体系统”的绝对论断,现在的观点更加精确:多Agent确实有效,但仅限于特定场景。在代码编写领域,核心原则必须坚持单一执行者落笔,其他智能体仅能承担审查、补充、路由和协调工作,绝不能直接对同一份代码进行并行修改。这一边界的确立,旨在解决多Agent协作中隐含决策冲突的根本难题。
01隐含决策冲突与并行陷阱
软件开发中充满了隐含决策,如错误处理方式、边界情况兜底、代码风格统一性等。这些细节往往不会显式写入计划,但会直接影响代码的一致性。如果允许多个智能体同时修改代码,每个Agent都会基于自身的逻辑做出隐含决策。例如,一个Agent选择某种错误处理,另一个可能沿用旧模式,第三个可能引入新风格。这种并行写入会导致系统内部逻辑碎片化,虽然表面能运行,但维护成本极高。

多Agent协作模式对比

单线程写入
  • 单一执行者负责落笔修改代码

  • 其他Agent仅负责审查、提出问题或补充信息

  • 管理者负责拆分任务与汇总结果

  • 最终决策权收束于主流程

并行写入
  • 多个Agent同时修改同一份代码

  • 各自携带隐含决策直接作用于系统

  • 缺乏统一的上下文与状态同步

  • 导致代码风格冲突与逻辑碎片化

02三大工程实践实验
在明确了“写入保持单线程”的前提下,通过三个实验探索了多Agent协助的可行性路径。
实验名称运作机制成效与结论
代码审查循环Devin写完代码后,由另一个Devin进行审查,审查者只指出问题不直接修改。平均每个MR发现2个问题,58%为严重问题。无包袱的干净上下文能发现编码者忽略的逻辑漏洞。
智能朋友主力模型处理任务,遇到难题时咨询更强模型。弱模型主力时效果不佳(不知何时求助、如何传递上下文);但在两个前沿模型协作(如Claude与GPT-4.5)时,利用各自擅长领域可提升质量上限。
管理者子智能体管理者Devon拆分任务并启动子Devon,通过内部协议协调进度。解决了大规模任务的分工问题。但需警惕管理者规定过细限制子Agent,以及状态不同步带来的信息孤岛问题。

多Agent协作实验对比

03总结与未来展望
  • 架构形态:不追求自主运转的Agent群体,而是为软件开发生命周期的每个阶段(规划、编码、审查、测试、监控)注入智能。
  • 核心约束:其他智能体作为扩展视角的辅助者,检查、补充、分工和提醒,但不负责抢夺控制权。
  • 待解难题:目前的通信机制仍存在瓶颈,包括模型如何判断自身能力边界、子Agent如何有效传递关键信息、以及上下文传递的精确控制。
多Agent系统并非万能,其价值在于利用单一执行流程保证代码一致性的同时,引入外部智能提升决策质量。未来的模型训练需要专门针对多Agent通信场景进行优化,以解决信息同步与协作效率的问题。

评论

评论区空态插画

当前文章无评论,是时候发表评论了