rag系列文章目录

---

---

前言

随着大家使用ai coding的程度越来越深，通过ai聊天的方式进行ai coding，越来难以满足大家的开发需求，主要原因是：
1、上下文爆炸
2、prompt能力差异大
3、模型切换麻烦
4、自动化能力差
于是，多agent模式协作ai coding就应用而生。

---

一、多agent模式

一个 Agent 同时负责需求分析、写代码、测试、Code Review、文档编写，最后往往会变成——“什么都会一点，但哪里都不太行。”
这和现实中的软件团队一样，不会让一个人既当产品经理，又当开发，还兼测试。

多 Agent 的主要模式：

• 顺序流水线模式（Pipeline）
  任务按固定顺序执行：

需求分析
   ↓
架构设计
   ↓
编码实现
   ↓
测试验证
   ↓
代码审查

• 主管调度模式（Orchestrator Pattern）

                用户请求
                    ↓
             Orchestrator
            ↙    ↓    ↘
        AgentA AgentB AgentC
            ↘    ↓    ↙
              汇总结果

• 并行执行模式（Parallel Fan-Out）
  多个 Agent 同时工作：
  Research Agent
  Coding Agent
  Test Agent
• 反思迭代模式（Critic Loop）

二、软件开发实践

一个非常经典的 工作流：

Phase 1: Intake
Phase 2: Planning
Phase 3: Implementation
Phase 4: Validation
Phase 5: Review
Phase 6: Delivery

每个阶段的内容：

阶段	Agent职责
Intake	理解用户需求
Planning	制定执行计划
Implementation	编码实现
Validation	运行测试
Review	审查质量
Delivery	输出最终结果

这几乎就是一个完整的软件开发团队。
这里比较重要的是Orchestrator agent，它是以自然语言进行逻辑判断调用哪个agent。这样做的优点是易维护、易修改、非程序员也能调整流程、版本可控。

A → B → C

如果 C 失败：
   重试 C

如果 B 输出异常：
   回滚到 B

如果架构有问题：
   回滚到 A

整体逻辑如下：

三、适合场景

很重要： 不是所有任务都需要多 Agent。

适合单 Agent 的情况：

• 简单问答
• 一次性代码生成
• 小脚本修改

适合多 Agent 的情况：

• 大型项目开发
• PR 自动生成
• 多模块协作
• 长流程任务

---

总结

ai协作范式，从聊天窗口到多agent编排，是一个大趋势。现在程序员手写代码的地方，不多了，所以尽可能地使用复用的agent，是拉齐大家ai coding能力很好的方式。使用多agent模式，它可以很方便地在后台自动地干活。

参考文档1 2