大规模 AI Agent 协同编程是当前的一大挑战。Cursor 通过一系列实验，从失败的扁平化协调到成功的“规划者-执行者”架构，探索出了一套可行的最佳实践。这项研究展示了如何让数百个 Agent 在单个项目上高效协作数周，为自主编码的未来发展提供了宝贵经验和全新视角。
智能速览
单个 Agent 在复杂项目中显得缓慢且效率低下。
扁平化协同模式因锁机制和规避风险行为而失败。
“规划者-执行者”架构是实现大规模协作的关键。
数百 Agent 在数周内成功构建了百万行级的项目。
GPT-5.2 模型在长时间自主工作中表现远超预期。
精心的提示词设计是系统成功的核心要素。
精华内容
从理论到实践，实现大规模 Agent 协作并非一蹴而就。Cursor 的探索之路充满了尝试与反思，最终揭示了有效的协同模式。
单兵作战的局限
单个 Agent 在执行专注的小任务时表现尚可，一旦面对复杂项目，其处理速度就会变得非常缓慢。通过并行运行多个 Agent 来提升效率是合乎逻辑的下一步，但如何有效协调它们的工作却成了一个棘手的难题。预先规划任务的方案因路径不明、分工不清而显得过于僵化，最终未能采纳。
协同初探的困境
最初的尝试是构建一个扁平化的协同系统，所有 Agent 地位平等，通过共享文件和锁机制来协调工作，避免任务冲突。然而，这个方案很快失败了，锁机制成为了严重的性能瓶颈，系统也因 Agent 异常而变得极其脆弱。即使改用乐观并发控制，解决了锁的问题，新困境又出现了：在没有层级结构的情况下，Agent 们变得非常规避风险，只愿做简单安全的修改，无人承担攻克难题的责任，导致项目长时间在空转。
架构突破：分层协作
最终的解决方案是引入角色分层，构建“规划者-执行者”流水线。规划者负责持续探索代码库并创建任务，这个过程本身可以并行和递归。执行者则专注于完成被分配的具体任务，不关心全局，只求执行到底。每个周期结束时，由评审 Agent 判断是否继续，下一轮从干净状态重启。这种结构成功解决了协同难题，使系统能扩展到超大规模项目。
实战检验：百万行代码
为验证系统，Cursor 设定了极具挑战的目标。一个实验是从零开始构建一个浏览器，Agent 系统持续运行近一周，在 1000 个文件中生成超过 100 万行代码。另一个实验是在 Cursor 自身代码库中将 Solid 迁移到 React，耗时 3 周多，代码增删量达 +266K/-193K。还有一个成功案例是，Agent 通过 Rust 实现将视频渲染速度提升了 25 倍，这部分代码已被合并即将上线。
Cursor 的实践证明，通过合理的架构设计，大规模 Agent 并发编码是可行的。尽管系统仍有优化空间，但这为自主编程的未来描绘了激动人心的蓝图。当数百个智能体能够像高效团队一样协作时，软件开发的边界将被推向何方？
