652个编程任务研究:双agent抢同一份代码成功率低约30%
FIELD
NOTE

ARTICLE DETAIL

资讯中心

从事实、趋势与实践出发,为您梳理文章中的关键信息,帮助读者更高效地理解内容重点。

ORIGINAL REPORT

652个编程任务研究:双agent抢同一份代码成功率低约30%

劲爆体育官网-首页赛程与热门赛事编辑部
570 阅读
约 5.5 分钟

很多开发者带 agent 团队、做 agent 编排,靠的是感觉。但感觉靠不靠得住,得看数据。 这里整理五种有研究支撑的 agent 团队跑法,适用于 Antigravity、Claude Code 或任何其他编码 agent。做新应用、维护遗留代码库、跑研究,都能对上号。每一种都说明它什么时候比单个 agent 更强,并附上可以直接用的提示词。 一、把构建者和验证者分开 不要让一个 agent 包办所有事。把构建和验证拆进两个独立线程:一个 agent 负责建,另一个 agent 在全新线程里检查结果是否真的做到了你要的事。 原因是同一个线程里让模型审自己的活,它会被自己之前的输出带偏。研究显示,模型对自己作品的判断力很差:没有外部反馈时,它们很难修正自己的推理,而且偏爱自己的输出胜过别人的。 这个模式用在真正要紧的改动上。小改动或者有测试给反馈的场景,自我审查仍然可以。 提示词:起一个全新的子 agent 做只读验证者,让它检查这份 diff 是否做到了我要求的事。 二、把工作切成车道 任务能干净拆分时,给每一部分配一个负责人,比如前端、后端、文档各一个子 agent,并行推进,彼此不碰同一批文件。 一项覆盖 652 个编码任务 的 2026 年研究显示,两个 agent 在重叠代码上协作,成功率比一个 agent 同时做两件事低约 30% 。 谷歌与麻省理工学院的一项研究里,在由独立部分组成的金融基准上,agent 团队得分比单个 agent 高出最多 80.8% ;而在每一步都依赖上一步的规划基准上,团队得分低了 39% 到 70% 。 像前后端这种难以干净切分的工作,单线程往往表现更好。小 bug 修复同理——另一项研究里,并行子 agent 没帮上忙。 提示词:并行起三个子 agent,一个管 web/ 下的前端,一个管 api/ 下的后端,一个管 docs/ 下的文档。每个只改自己文件夹里的文件。三个都完成后,检查各部分能否协同工作。 三、Best of N 同一个任务并行跑多次,让测试套件或评测挑出赢家。DeepMind 的编码系统 AlphaCode 就是这么干的:生成大量候选程序,靠实际运行来筛选,在编程竞赛中表现有竞争力。 2024 年一项针对 Best of N 的研究发现,在有自动检查的任务上,通过率随着尝试次数增加到数千次仍在攀升。在真实的 GitHub issue 上,某个模型单次尝试解决率 15.9% ,到 250 次 尝试时升到 56% 。没有自动检查时,靠多数投票或评分模型选赢家,大约在 100 次 尝试后就趋于平缓。 提示词:在 Gemini 4 Hydrogen 上并行跑五个子 agent,各自在自己的 worktree 里尝试优化这段代码。用评测给每次尝试打分,挑出最好的,把结果告诉我。 四、模型议会 让几个模型各自独立提方案,由裁判在隐藏模型名字的情况下投票,然后合并最强的想法。没有明确测试或自动检查时用它,比如架构设计或视觉设计。 一项研究里,合并多个模型的答案得分高于单个前沿模型。另一项研究里,由不同模型组成的评审团比单个大模型裁判更贴近人类判断。 举个例子:这个船形 logo 就是用模型议会设计的,两轮下来,从平平无奇的第一版走到了最终图标。 提示词:让 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5 各出一个独立设计。再起三个全新 agent,分别在 Gemini 4 Carbon、Gemini 4 Neon 和 Claude Opus 5.5 上、隐藏模型名字给这些设计打分。把最好的想法合并成最终方案。 五、评审团 并行跑几个只读评审,每个只盯一件事,比如用户体验或安全。 1995 年一项针对人类评审的经典研究里,成员各自查找不同类型错误的团队,比所有人共用一张通用常见错误清单的团队多找出约 35% 的错误。 同样的规律在 AI 评审身上也成立。一项针对大模型裁判的研究里,角色各异的团队比单个裁判更贴近人类判断;而当所有人共用一个角色时,表现反而更差。 提示词:并行起四个只读评审,分别负责用户体验、代码简洁性、边界情况和安全。修掉它们报告的问题,然后换一批新评审重复,直到四个全部通过。 这些模式更像积木,不是硬规矩。怎么组合都行,只要对你有效。 特别

about image
分享这篇内容

让更多人看到有价值的信息

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

继续浏览平台精选内容,发现更多行业观察。

TRENDING NOW

热点内容

从正在发生的行业事件到读者关注的热门话题,我们将值得关注的内容集中呈现,方便您快速了解当前讨论焦点。

查看全部资讯
是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

HOT / 1

是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

近年来,有关印度有意引进俄罗斯图-160轰炸机的消息不时传出。 有观点认为,印度此举意在对某东方大国形成威慑,毕竟近年来东方大国军事力量的快速崛起,着实令老新居心慌了。 早在2022年的时候,印度前空军司令阿鲁普·拉哈元帅曾公开表示: 印度要购买俄罗斯6架图-160轰炸机,并且在当时还表示,印度和俄罗斯的谈判已经进入到了“最后阶段”。 即便直到现在印度购买图-160还没有着落,但是网上总有人带节奏

美股三大指数集体高开,存储芯片板块普涨,SK海力士涨超8%

HOT / 2

美股三大指数集体高开,存储芯片板块普涨,SK海力士涨超8%

北京时间28日晚间,美股三大指数集体高开,标普500指数涨0.21%,道指涨0.03%,纳指涨0.3%。 大型科技股方面,超威半导体涨1.66%,谷歌A涨1.30%,SpaceX跌1.23%。 中概股方面,理想汽车涨2.00%,阿里巴巴涨1.02%,网易跌1.32%。 存储芯片板块普涨,SK海力士涨超8%,闪迪涨超4%,美光科技涨超3%。 大宗商品方面,国际油价上涨,美油涨近2%。现货黄金、现货白

鹈鹕确认德章泰-穆雷提出交易申请:将评估所有的机会

HOT / 3

鹈鹕确认德章泰-穆雷提出交易申请:将评估所有的机会

北京时间11月14日消息,据记者Shams报道称,德章泰-穆雷已经向鹈鹕提出交易申请,他的经纪人已经与球队管理层展开沟通,寻求解决办法。随后,鹈鹕官方发布声明,确认穆雷方面已经提出交易申请。鹈鹕官方表示,“我们将评估所有可能的交易机会,以找到最符合我们球队利益的交易方案。” 2024年7月,穆雷被交易至鹈鹕。本赛季至今,他为鹈鹕出战9场,场均13.4分4.6板4.4助1.6断。据悉,太阳对穆雷感兴

官宣通告!11月11日至21日,深圳全市区域开展低空飞行管控!

HOT / 4

官宣通告!11月11日至21日,深圳全市区域开展低空飞行管控!

深圳市人民政府 关于加强低空飞行管控的通告 为维护全市低空空域安全,根据《中华人民共和国治安管理处罚法》《中华人民共和国民用航空法》《无人驾驶航空器飞行管理暂行条例》《通用航空飞行管制条例》等法律法规,对相关航空器和升空物升放实施临时管制。现将有关事项通告如下: 一、适用范围 本通告所称的航空器、升空物,主要包含:无人驾驶航空器(含微、轻、小、中、大型民用无人驾驶航空器,模型航空器,自备动力系统的

652个编程任务研究:双agent抢同一份代码成功率低约30%

HOT / 5

652个编程任务研究:双agent抢同一份代码成功率低约30%

很多开发者带 agent 团队、做 agent 编排,靠的是感觉。但感觉靠不靠得住,得看数据。 这里整理五种有研究支撑的 agent 团队跑法,适用于 Antigravity、Claude Code 或任何其他编码 agent。做新应用、维护遗留代码库、跑研究,都能对上号。每一种都说明它什么时候比单个 agent 更强,并附上可以直接用的提示词。 一、把构建者和验证者分开 不要让一个 agent