有了 Agent team，多个 Agent 实例可以在一个代码空间内并行工作，而不需要人类的干涉。

让 Claude 维持长时间工作

现有的类似于 Claude Code 的 Agent 框架都需要有一个操作员在线，并协同工作。如果用户让 Agent 解决一个长且复杂的问题，Agent 可能只解决了部分，然后就等待用户的输入，无论是提出问题、状态更新、或者是请求进一步阐明情况。

这篇工作通过一个类似于 Ralph 循环的简单循环使得 Claude 持续自主地在任务上做出进展，在完成一项任务之后立即开始下一个（一定要在容器，而不是物理机上执行）。

在 Agent 的提示词中，需要告诉 Claude 需要解决什么问题，并把问题分解，持续追踪在执行什么任务并确认下一步执行什么，直到问题被高效解决。

---

并行运行多个 Claude

并行运行多个 Agent 实例可以解决单一 Agent 的两个弱点：

• 一个 Claude Code 的会话单次只能干一件事儿。尤其是工程的规模扩大之后，并行多个 Agent 来 debug 会高效得多；

• 运行多个 Claude Agent 可以让每个 Agent 各司其职，在一些 Agent 解决实际问题的时候，其他专用 Agent 可以维护文档、审计代码或者解决特定的子任务。

一个最基础的并行运行 Claude Agent 的配置：创建一个全新的 git 仓库，为每个 agent 都设置一个 Docker 容器。每个 Agent 都有一个 git 仓库的副本，并将其放在‘/workspace’，当任务完成的时候，再把结果从本地推送到远端。

为了防止两个 Agent 同时处理一个任务，需要用到一个简单的同步算法：

1. Claude 通过在 current_tasks/目录下写一个文本文件来给任务加锁，如果两个 Agent 同时要给同一个任务加锁，git 的同步机制会强迫第二个 Agent 去选择另外一个；

2. Claude 完成任务之后，首先拉取远端的分支，将其他 Agent 的成果合并到本地之后，再把自己的成果推送到远端，同时删掉当前的锁；

3. 无限的代理生成循环会在一个全新的容器中生成一个新的 Claude Code 会话，然后循环重复进行；

上面是一个非常早期的技术研究原型，并没有实现 Agent 之间的通信，也没有用一个主编排 Agent 来管理更宏观的目标。

---

用 Claude Agent Team 编程的经验

写极高质量的测试案例

Claude 会自主解决任何被交待的问题，因此，任务验证机制必须近乎完美，否则 Claude 会给出错误的解决方案。

从 Claude 的角度思考问题

编写测试框架是为了 Claude，这意味着得重新审视很多根深蒂固的惯性认知：测试结果究竟应该以什么方式呈现。同时，大语言模型有固有局限，因此下面两点在设计过程中也需要着重考量：

• 上下文污染：测试框架不应输出大量无用信息。

• 时间盲区：Claude 没有时间感知能力，为此，框架仅低频打印增量进度（避免污染上下文），这样既能保证所有文件的整体覆盖，又让每个 Agent 能精准识别回归问题。

简化并行机制

当失败测试数量多且相互独立时，多 Agent 并行很自然；但面对“编译 Linux 内核”这类单一巨型任务时，所有 Agent 会卡在同一个 bug 上互相覆盖彼此的修改。

解决方案是引入 GCC 作为“已知正确”的参照编译器，通过随机划分文件子集，让每个 Agent 负责不同文件，从而恢复并行效率。

多角色 Agent 分工

将不同 Agent 分别分配给去重、性能优化、编译产物质量、架构审查和文档编写等专项任务，让每个 Agent 各司其职，协同提升项目整体质量。

---

---

Agent team 实践

什么时候使用

Agent Team 最适合那些“并行探索能带来真正价值”的任务。最典型的适用场景包括：

• 调研与评审：多个 Agent 同时调查问题的不同方面，再汇总结论、相互质疑验证

• 新模块或新功能开发：每个 Agent 独立负责一个模块，互不干扰

• 多假设并行调试：各 Agent 同时验证不同的问题假设，更快收敛到答案

• 跨层级协同：涉及前端、后端、测试的联动改动，由不同 Agent 各自负责对应层

---

与子 Agent 的对比

Agent 团队和子 Agent 都能实现任务并行化，但运作方式不同。选择哪种模式，取决于各执行单元之间是否需要相互通信：

	子 Agent	Agent 团队
上下文	独立上下文窗口；结果返回给调用方	独立上下文窗口；完全自主运行
通信方式	仅向主 Agent 汇报结果	团队成员之间直接互发消息
协调机制	由主 Agent 统一调度	共享任务列表，成员自主协调
适用场景	只关注结果的聚焦型任务	需要讨论与协作的复杂任务
Token 消耗	较低：结果摘要后返回主上下文	较高：每个成员都是独立的 Claude 实例

---

启用 Agent 团队

Agent 团队默认关闭。可通过将环境变量 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 设置为 1 来启用，支持在 Shell 环境中直接设置，或通过 settings.json 配置：

{ 

  "env": { 

    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" 

  } 

} 

---

创建 Agent 团队

启用 Agent 团队后，用自然语言告诉 Claude 你想创建一个 Agent 团队，并描述任务内容和团队结构。Claude 会自动组建团队、生成各成员 Agent，并根据你的提示协调分工。