多 Agent 协同开发怎么落地:「一个写、一个审」双代理工作流搭建指南

多 Agent 协同开发里投入产出比最高的模式就是「一个写、一个审」。本文依据 Anthropic 与 OpenAI 官方编码最佳实践,讲清为什么同会话自审容易漏问题,以及用只读子代理、跨模型交叉审查(Claude Code + Codex)和自动化闭环落地的具体方法。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 免费账号 账号

结论先说

  1. 多 Agent 协同写代码,最忌讳「多个代理同时改同一个文件」,最稳、最提质的则是「一个专职写、一个独立审」。
  2. 必须把「写」和「审」放在两个隔离的上下文窗口里:同一个会话刚写完代码,上下文里全是它为自己方案找的理由,顺着原对话自审极易产生确认偏误。
  3. 审查代理应当锁死「只读权限」:只给读取源码、搜引用和看 git diff 的能力,禁止它直接动手改文件,强制输出带文件路径、行号与触发条件的缺陷清单。
  4. 先跑确定性工具(类型检查、单测、Linter),再调审查代理:别浪费多代理额度去挑漏写分号或编译报错这种编译器一秒就能抓出来的问题。
  5. 跨模型交叉审查(比如 Claude 写、Codex 审,或反过来)比同模型互审更能抓出思维盲区,且修改循环上限建议控制在 2 到 3 轮以内。

同一会话自审与双代理写审分离对比

图:本站根据 Claude Code Best Practices 与 Codex 官方文档 整理的示意图

本文根据 Anthropic 官方《Claude Code Best Practices》《Building effective agents》与 OpenAI Codex 官方文档整理,核对日期 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Anthropic 或 OpenAI 官方网站。

适用于谁

  • 搜「多agent协同开发」「ai 写代码 另一个 agent 审查」的人;
  • 发现让同一个对话「检查一下你刚才写的代码有没有 bug」基本查不出真问题的开发者;
  • 想在不搭复杂平台的前提下,把 Claude Code、Codex 组合成「一写一审」双保险流水线的人。

如果你要配的是多人研发团队在 GitHub PR 上的托管自动审查,见 /guides/claude-code-team-code-review-workflow;本文聚焦开发阶段两个智能体「一写一审」协同编码的落地模式。

一、为什么「同一个会话自审」效果差

在 Anthropic 官方的《Claude Code Best Practices》里,专门把「Writer / Reviewer(一写一审双会话或子代理)」列为核心工作流。背后的技术原因很直接:

  • 历史推理轨迹带偏注意力:编码代理在实现功能时,刚刚经历了三四次编译失败、调整参数的过程,上下文窗口里塞满了中间草稿;你紧接着问它「有没有漏掉边界」,它大概率顺着刚才通过测试的喜悦回答「逻辑已完整」;
  • 角色指令互相稀释:写代码的提示词鼓励模型大刀阔斧推进实现,而审代码的提示词要求模型抱持怀疑态度挑毛病,塞进同一个窗口会互相掣肘。

把未提交的 git diff 交给一个完全没参与刚才编码过程的新代理实例,它看到的只有客观的代码变更与项目规范,挑出空指针、鉴权遗漏和并发竞态的概率会高出一截。这也是「生成-评估(Evaluator-Optimizer)」编排模式在软件工程里的标准应用(编排原理见 /guides/multi-agent-orchestration-patterns)。

二、三种从轻到重的「一写一审」落地方式

方式一:单工具内「主会话写 + 只读子代理审」(最省事)

不需要开第二个软件,直接在项目里建一个没有写文件权限的审查子代理(更多子代理写法见 /guides/claude-code-custom-subagent-test-runner-debugger-examples)。以 .claude/agents/code-critic.md 为例:

markdown
---
name: code-critic
description: 对当前未提交的 git diff 做独立只读审查,只找逻辑错误、安全隐患与漏测边界
tools: Read, Grep, Glob, Bash
---

你是一名只读审查员,严禁修改任何文件。
1. 运行 `git diff` 查看工作区变更,并用 Read 阅读关联上下文;
2. 忽略纯主观命名与排版偏好,只报告会导致线上故障、越权访问、数据不一致或缺少测试覆盖的问题;
3. 每条问题必须给出 `文件路径:行号`、复现条件与修复方向;若无实质缺陷直接输出「未发现阻断性问题」。

开发时,先让主会话写完代码并跑通单元测试,然后输入一句「调用 code-critic 子代理审查当前改动」,主会话拿到缺陷列表后再逐条核对修补。如果你用的是 Codex,它内置的 /review 命令与多代理机制(见 /guides/codex-multi-agent-subagents-guide)同样会在独立只读上下文里审查工作区改动。

方式二:Claude Code + Codex 跨模型交叉互审(抓盲区最强)

同一家族的大模型往往有相似的编码习惯与知识盲区。很多资深开发者在本机同一个仓库里同时装好 Claude Code 和 Codex CLI,按「异构双代理」配合:

  1. 在终端左半屏用 Claude Code 完成复杂多文件重构并跑通本地测试;
  2. 在终端右半屏用 Codex 对当前未提交改动执行本地只读审查(或反过来由 Codex 写、Claude Code 新开干净会话审);
  3. 你作为仲裁者扫一眼右半屏给出的 2 到 3 条高优风险,把确认成立的条目贴回左半屏一次性改完。

平时双持两套官方工具链交替开发时,如需核对各自官方订阅方案(如 Claude Pro / Max 或 ChatGPT Plus),可分别参考 /chongzhi/claude-code 与 /chongzhi/chatgpt-plus 的整理说明。

搭建一写一审协同开发四步流程

图:本站根据 Anthropic 与 OpenAI 官方编码最佳实践 整理的示意图

方式三:自动化脚本里的「写-测-审」闭环

如果你用 Agent SDK 或非交互命令行把「写代码 → 审查」串成无人值守脚本,务必遵守三条防失控铁律:

  1. 硬门禁卡在前面:先用普通脚本跑 tsc、lint 和单元测试,测试没绿直接把报错塞回编码代理重修,根本不要唤醒审查代理烧额度;
  2. 结构化判定出口:要求审查代理输出固定字段(例如 approved: true/false 加 blocking_issues 数组),只有存在阻断级缺陷才打回重改;
  3. 封死最大轮数(max_rounds = 2 或 3):一旦两轮还没达成一致,立刻停机把双方的分歧点抛给人类开发者拍板,防止两个代理在边缘写法上来回改十遍。

常见问题

Q:能不能再加第三个「架构师代理」、第四个「产品经理代理」组成五人流水线?

个人或小团队日常写业务代码,超过两到三个角色后,代理之间传递需求损耗和等待时间会急剧增加,「需求文档写清楚(人)→ 编码代理实现 + 单测 → 独立只读代理审查」这三步闭环的性价比远高于花哨的五角色传话游戏。

Q:审查代理总是挑一堆无关痛痒的注释和变量名毛病怎么办?

在审查代理的系统提示词里加一条硬性负向约束:「如果改动逻辑正确且无安全漏洞,允许返回 0 条意见;严禁为了凑数提出纯代码风格、添加注释或防御性冗余判空建议。」

Q:写代码的模型和审代码的模型怎么配档位最划算?

如果两边用同系模型,可以让主力高性价比模型(如 Sonnet)负责高频写代码和修单测,只在最后定稿审查那一轮调用高推理档位的旗舰模型(如 Opus)做一次深度把关。

相关教程

参考资料

  • Claude Code 官方文档:Best practices for Claude Code — https://code.claude.com/docs/en/best-practices
  • Anthropic Engineering:Building effective agents — https://www.anthropic.com/engineering/building-effective-agents
  • OpenAI Codex 官方文档 — https://developers.openai.com/codex

Nathaniel 的更多内容

  1. 01

    LangGraph 流式输出(Streaming)详解:逐字 Token 流、节点进度与自定义事件写法

    多步智能体如果等全部节点跑完才返回,网页前端就会白屏干等十几秒。本文按 LangGraph 官方文档讲清 updates、messages、custom 与 values 四种 stream_mode 的区别,以及组合订阅逐字打字机输出加工具内部实时进度的完整代码。

    其他 AI 工具0
  2. 02

    LangGraph 持久化与长期记忆怎么配:Checkpointer、Store 与 PostgreSQL 实战

    在生产环境跑 LangGraph,单靠 InMemorySaver 一重启就会丢失全部对话。本文按官方文档讲清线程内短期检查点(Checkpointer)与跨线程长期记忆(Store)的分工,以及用 langgraph-checkpoint-postgres 对接 PostgreSQL 的完整步骤。

    其他 AI 工具0
  3. 03

    LangGraph 多智能体怎么写:Supervisor 主管包与 Subgraph 隔离子图实战

    在 LangGraph 里把单个图扩展成多智能体协作有两条官方路线:快速原型用预置包 langgraph-supervisor,大型生产系统用原生子图(Subgraph)嵌套。本文讲清两种写法的完整代码、私有状态隔离防 Token 膨胀技巧以及检查点传播规则。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入审批怎么写:interrupt 暂停图运行与 Command 恢复实战

    企业之所以选 LangGraph,很大程度看中它能安全挂起等待人工审批(Human-in-the-Loop)。本文按官方最新规范讲清 interrupt() 动态暂停、Checkpointer 必备条件、Command(resume=...) 恢复执行,以及防止副作用重复运行的重入规则。

    其他 AI 工具0
  5. 05

    多 Agent 协作平台怎么选:Dify、扣子(Coze)、n8n 与 LangGraph 多智能体机制对比

    搜「多agent协作平台」时,Dify、扣子、n8n 和 LangGraph 都宣称支持多智能体,但底层的调度方式完全不同。本文跳过基础安装,专门从多 Agent 角色跳转、子代理工具调用、上下文隔离与私有化部署四个维度帮你一次选准。

    其他 AI 工具0
  6. 06

    企业微信有官方 MCP 和 CLI 吗:@wecom/cli 安装初始化、长连接机器人与接入教程

    搜「企业 微信 有 mcp 吗」不用再东拼西凑民间群机器人脚本了:企业微信官方已推出 @wecom/cli 命令行工具并内置 stdio 模式的 MCP Server。本文按官方开发者文档讲清安装、智能机器人长连接初始化、业务命令与接入 Claude Code 步骤。

    Claude其他 AI 工具0

同产品的其他教程

  1. 01

    MCP 收费吗:开源协议免费边界、第三方 API 账单与隐形 Token 开销说明

    搜「mcp 收费 吗」的人常担心装多了插件会被扣费。MCP(模型上下文协议)本身和官方 SDK 采用 MIT 协议完全免费;实际使用中可能产生费用的只有两处:挂载过多工具占用的大模型上下文 Token,以及部分外部商业数据源自带的 API 套餐。

    Claude其他 AI 工具0
  2. 02

    MCP 协议最新版本更新了什么:无状态架构、OAuth 2.1、结构化输出与异步 Tasks 详解

    搜「mcp 重大 更新」「mcp 协议 更新」想补齐规范演进脉络?本文对照 modelcontextprotocol.io 官方规范更新日志,梳理从 Streamable HTTP 到无状态优先架构、OAuth 2.1 资源服务器、Elicitation 交互补参与异步 Tasks 扩展的核心变化。

    Claude其他 AI 工具0
  3. 03

    A2A 和 MCP 有什么区别:工具连接协议与智能体通信协议的边界和配合

    很多人问「有了 MCP 为什么还要出 A2A,两者是不是二选一的竞争关系」。两份官方规范都明确写明它们是上下互补关系:MCP 负责给单个智能体挂载工具与数据源,A2A 负责让多个独立黑盒智能体跨团队、跨框架互相派单协作。

    Claude其他 AI 工具0
  4. 04

    LangGraph 怎么使用 MCP:用 langchain-mcp-adapters 接入本地与远程工具

    想让自建的 LangGraph 状态图直接调用现成的 MCP 服务器,官方标准方案是安装 langchain-mcp-adapters 并使用 MultiServerMCPClient。本文讲清 stdio 与 streamable_http 两种配置写法、异步图运行及按节点分工具技巧。

    Claude其他 AI 工具0
  5. 05

    LangGraph 入门教程:Python 安装、核心概念与跑通第一个状态图智能体

    面向搜「python 安装 langgraph」和「langgraph 中文 文档」的初学者:本文按 LangChain 官方最新 Graph API 规范,讲清安装步骤、State/Node/Edge 四大概念,并从零写出第一个带工具调用循环的 StateGraph。

    Claude其他 AI 工具0
  6. 06

    Claude Agent SDK 子代理怎么写:AgentDefinition 配置、权限收敛与 Python/TS 示例

    在 Python 或 TypeScript 里用 Claude Agent SDK 编排多角色协作,核心是配置 ClaudeAgentOptions 的 agents 字段与 AgentDefinition。本文讲清必开的 Agent 委派权限、工具收敛、模型分级与完整代码示例。

    Claude0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~