我現在寫部落格的方式,跟一年前完全不一樣。
一年前是這樣的:開一個終端機,跟一個 AI 聊,等它改完一段程式,再看下一個問題。像是僱了一個很聰明的助理,但他一次只能做一件事,而且所有上下文都塞在同一個聊天視窗裡。
現在是這樣的:我開一個終端機,描述這週要做什麼。幾分鐘後,畫面上出現好幾個 AI 各自開工,有的在修 bug、有的在跑測試、有的在寫審查意見,互相不干擾,做完回報。我做的事情變成閱讀進度、裁決衝突、決定方向。
這篇文章整理我從這個轉換裡學到的事:為什麼一個 Agent 不夠用、多 Agent 為什麼有效、三種我實際在用的編排模式,以及那些文件不會告訴你的失敗模式。
為什麼一個 Agent 不夠用
單一 Agent 有三個天花板。
第一,上下文視窗是硬頂。一個 Agent 的注意力就那麼大,任務一複雜,早期的工作細節會被擠出視窗。你會發現它改到一半忘記自己半小時前的決定,或者重複問你已經回答過的問題。
第二,序列等待太慢。跑測試要等兩分鐘、建置要等三分鐘、回歸驗證再等兩分鐘。一條線做完一輪下來,十分鐘過去了,而這些任務明明互不依賴。
第三,角色混在一起會互相污染。同一個 Agent 又當開發者又當審查者,它會傾向捍衛自己剛寫的程式碼。人類世界早就知道這件事,所以開發跟審查是兩個人。
多 Agent 不是玄學,是實證
Anthropic 在 2025 年 6 月公開過他們打造 Claude Research 多 Agent 系統的完整工程報告,幾個數字值得記住:
- 多 Agent 系統(Opus 當主腦、Sonnet 當工人)在他們內部研究評測上比單一 Opus 高了 90.2%
- 三個因素解釋了 95% 的效能差異,其中token 用量一項就解釋了 80%,多 Agent 的本質之一,就是用平行架構把 token 預算放大
- 代價也很誠實:一般 Agent 對話大約用掉聊天 4 倍的 token,多 Agent 系統是 15 倍
所以他們的結論很務實:多 Agent 適合「價值夠高、可大量平行、資訊量超過單一視窗」的任務。寫一段小腳本不必動用艦隊,但「把整個網站某類頁面改版加驗證」這種活,就是它的主場。
他們還有一個細節我很有共鳴:引入平行工具呼叫之後,複雜查詢的研究時間最多砍了 90%。速度的提升不是來自更聰明,而是來自不再排隊。
三種我實際在用的編排模式
一、主腦與工人(Orchestrator-Worker)
這是 Anthropic 論文的核心模式:一個主腦 Agent 負責拆解任務、派工、彙整,其他 Agent 各自帶著獨立上下文平行幹活。
關鍵細節在派工的品質。他們發現早期版本讓主腦下「研究半導體短缺」這種模糊指令,結果三個工人做了重複的搜索。後來改成每張任務書都要有明確目標、輸出格式、可用工具、任務邊界,重複勞動才消失。
我自己對應的做法:給每個 Agent 的任務書裡固定寫四段:目標、修改範圍(明確到檔案)、驗收標準(跑什麼指令算過)、禁止事項(不要動哪些東西)。任務書寫清楚,回報品質完全不同。
二、左右互搏(生成者與審查者分離)
這是我想推薦給最多人的模式:讓一個 AI 寫,另一個 AI 挑毛病,最後由你裁決。

具體流程:Agent A 完成修改之後,把 diff 丟給 Agent B,只給它一個任務:「找出這個改動會弄壞什麼」。B 沒有參與寫作,沒有沉沒成本,挑毛病毫不留情。等 B 的意見回來,你再決定哪些要改、哪些是誤報。
這個模式背後有真實的理論依據。Anthropic 在 2026 年 8 月的多 Agent 系統模式報告裡,把「附和性」(conformity)列為主要失敗模式之一:Agent 之間會互相附和,立場越近越容易一起錯。生成者與審查者分離,就是在結構上切斷附和的路徑。
人類工程組織花了一百年學會「寫的人不能審自己」,AI 完全繼承了這個弱點。
三、部門分工(Pipeline)
把開發組織的部門概念搬過來:一個 Agent(或一組)負責提出實作,另一個負責審查,還有一個負責合併上線前的最終檢查。每個「部門」有自己的驗收清單。

我的部落格開發流水線長這樣:實作 Agent 改完程式碼之後,必須通過三道閘:本地測試全綠、建置成功、瀏覽器實際截圖驗證。三關都過,才輪到審查 Agent 看程式碼品質。最後合併這一步永遠是人類按下去的,因為對外發布的責任沒有辦法外包。
這套東西不需要什麼神奇框架。git 的 worktree 機制讓每個 Agent 在獨立的目錄裡工作互不覆蓋,一個任務池記錄誰在做什麼,加上簡單的回報檔案,就能跑起來。市面上從 Claude Code 的 subagents、到各家的 Agent SDK,本質都在實作這幾個原語。
五條調度心法
把一年的踩坑整理成五句話。
1. 任務書要自包含。每個 Agent 拿到任務時不應該需要問「那個檔案在哪」。它看不到你的聊天紀錄,你腦中的預設對它來說不存在。寫任務書的時間是值得的投資,模糊派工的代價是重做。
2. 介面先凍結,再分派。兩個 Agent 如果要改同一批檔案,先定好誰動什麼、介面長什麼樣,再同時開工。先分派再協調,得到的不是效率是合併地獄。
3. 隔離是免費的保險。worktree、沙盒、獨立分支,任選一種。兩個 Agent 改同一份檔案的機率哪怕只有一成,事後對帳的時間也超過事前隔離的成本。
4. 驗收閘門要機械化。「看起來沒問題」不算驗收。測試數字、建置退出碼、截圖比對,能被機器判斷的就交給機器。人類只裁決機器判不了的:這個設計好不好、這個方向對不對。
5. 規模要配比。Anthropic 在提示詞裡寫死了工作量規則:簡單查證一個 Agent 三到十次工具呼叫就夠,複雜研究才動用十個以上工人。他們早期版本曾經發生過「簡單問題spawn了 50 個 subagent」的事故。Agent 不會自己判斷該用多大力氣,這條規則要你給。
那些沒人告訴你的失敗模式
最後講三個坑,都是我付過學費的。
附和螺旋。多個 Agent 反覆討論同一個題目,立場會越來越近,錯誤的假設被彼此引用強化,最後全員自信地走向同一個錯誤答案。解法是結構性的:審查者必須跟生成者沒有共享上下文,必要時由人類注入反方意見。
傳話遊戲。Worker 的完整輸出經過主腦轉述再給下一棒,細節會一路流失。Anthropic 的解法很聰明:讓 Worker 把產出直接寫進檔案系統,只把輕量的引用傳回去。細節在檔案裡,不在對話紀錄裡。這一招在我的工作流裡幾乎消滅了「改到一半忘記規格」的問題。
Token 起飛。15 倍 token 不是開玩笑的。所有任務無腦上多 Agent,帳單會教育你。先問一句:這個任務真的可以平行嗎?真的超過一個視窗了嗎?價值夠付帳單嗎?三個都 yes 再編隊,否則單 Agent 就是合理選擇。

統帥的價值
回到開頭那個畫面:一個終端機,幾個 AI 分頭做事。
很多人焦慮「AI 會不會取代工程師」。跑了一年多 Agent 工作流之後,我的體感恰恰相反:知道該派什麼任務、怎麼切片、怎麼驗收的人,產出被放大了;不知道的人,只是多了幾個昂貴的聊天對象。
調度本身是一種工程能力,而且是目前性價比最高的一種。它不需要你會寫更漂亮的程式碼,需要的是你想清楚:目標是什麼、怎麼切成互不依賴的塊、怎麼驗證每塊做對了、出了錯怎麼兜住。
這些問題在 AI 出現之前就存在。AI 只是把「答對的報酬」放大了。
參考資料:
- How we built our multi-agent research system(Anthropic Engineering)
- Patterns and problems in emerging multiagent systems(Anthropic Research)
- Multiagent orchestration(Claude Platform Docs)

Calpa 擅長使用 TypeScript、React.js 和 Vue.js 建立 Responsive Website。
他積極參與開源社群,曾在 2019 年的香港開源大會上擔任講者,提供工作經驗和見解。此外,他也在GitHub 上公開分享個人部落格程式碼,GitHub 專案已累積超過 300 個 stars 與 60 個 forks。
他熱愛學習新技術,並樂意分享經驗。他相信,唯有不斷學習才能跟上快速演變的技術環境。
如果你有 AI 專案、網站開發或技術整合需求,或正在為團隊尋找工程師,歡迎來信交流:partner@calpa.me
歡迎訂閱 Calpa 的頻道,一同將想像力化為可能:




















