首页 新闻中心 652个编程任务研究:双agent抢同一份代码成功率低约30%
▥ 文章标题沉浸布局

652个编程任务研究:双agent抢同一份代码成功率低约30%

2026-11-22 新闻中心 热门阅读内容
652个编程任务研究:双agent抢同一份代码成功率低约30%

本文由元游棋牌官网整理发布:

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。

about image

特别

关注元游棋牌官网,掌握更多体坛动态。

上一篇 新西兰有餐厅因AI菜单遭抵制:“看了就没胃口!”...
下一篇 你拿6斤东西闪了腰,别人从地面硬拉600斤都没事...
◧ 内容提炼卡片布局

本文重点速览

如果你希望在最短时间内理解这篇内容,可以优先查看以下结构化摘要。

核心观点

围绕文章主旨提炼最关键的判断,让读者迅速把握内容方向与价值重点。

逻辑路径

帮助读者理解文章从背景、变化到结论的展开过程,而不只是看到孤立信息。

延展思考

提供进一步理解该主题的观察角度,方便继续跳转到更多相关内容。

▦ 三列延展阅读布局

你可能还想看

基于当前主题,推荐更多可以形成连续阅读体验的内容,让阅读不在这里中断。

再聪明的孩子,也会被“精细化管控”养废!无数家庭正在中招

再聪明的孩子,也会被“精细化管控”养废!无数家庭正在中招

刷到一段真实的亲子对话,看完后背一凉, 瞬间看懂了很多孩子越长大越平庸的真相。 有位爸爸的教育日常,看似句句都是关心, 实则步步都是掌控,看完让人细思极恐 。 也终于明白:为什么很多小时候灵气满满、头脑聪明的孩子, 越长大越没主见、越学越被动,最后慢慢沦为普通人。 比如,孩子吃完香蕉想先去厕所,爸爸立马叫停:先把香蕉吃完再去,不吃就放外面。孩子不耐烦答应,刚转身又被叮嘱:上完厕所记得冲水、回来先洗

菲尔·内维尔谈贝林兄弟:亲兄弟一同代表英格兰出战,感觉非凡

菲尔·内维尔谈贝林兄弟:亲兄弟一同代表英格兰出战,感觉非凡

直播吧11月11日讯 英格兰足坛名宿菲尔·内维尔在泰晤士报撰写专栏,结合自己与兄弟加里·内维尔携手征战国家队的传奇经历,对贝林厄姆兄弟二人有望共同代表英格兰出战表达了极高期待与由衷感慨。 专栏 我深知贝林厄姆兄弟的感受,与亲兄弟一同代表英格兰出战绝非寻常体验。 与加里并肩身披三狮战袍让我们的整个家族倍感自豪,而且我们当年甚至还设法躲过了牙医椅事件。对于大贝林厄姆和乔布·贝林厄姆而言,这将会是他们人

荷兰这座小村,为何给一只巨型贻贝壳立了地标?

荷兰这座小村,为何给一只巨型贻贝壳立了地标?

荷兰泽兰省的低地边缘,有一座村子把贻贝捕捞当成了自己的名片。它叫布劳尼斯(Bruinisse),几个世纪以来,贻贝养殖一直是当地主要收入来源之一。你可能好奇:一个靠海吃海的小地方,怎么把一种贝类过成了节日、地标和行会? 先说村子本身。布劳尼斯港是村子的心脏,那里停着一支规模不小、仍在作业的贻贝船队。贻贝季从 7月 持续到次年 4月 ,捕捞船每天从港口出发,去收荷兰品质上乘的贻贝。 沿着保护村庄免受

裴淳华接受中国日报专访坦言:我想在中国安度晚年!理由不是钱也不是事业,而是这么简单的小事情

裴淳华接受中国日报专访坦言:我想在中国安度晚年!理由不是钱也不是事业,而是这么简单的小事情

一个拿过金球奖影后、提名过奥斯卡的英国演员,在苏州对着镜头说“我想在中国安度晚年”,还补了一句“我上辈子可能是一个中国老人”。这话传开之后,评论区吵翻了天。 裴淳华不是那种来中国走红毯、说两句“我爱中国”就走的明星。2015年她来上海参加国际电影节,专门和中国朋友一起琢磨了一个中文名字。“裴”跟她的姓Pike发音接近,“淳”是她看重的诚实与真诚,“华”既是花朵的美,也指中华。伦敦街头有人用中文喊“

英媒:卡里克和球员告别时落泪 他说“我走了”然后握手上车离开

英媒:卡里克和球员告别时落泪 他说“我走了”然后握手上车离开

直播吧11月13日讯 据《太阳报》报道,卡里克被曼联解雇后,含泪向球员们告别。消息人士透露,尽管球队内部曾对战术调整产生分歧,但球员们仍然支持卡里克,并认为俱乐部高层在夏季转会窗的操作让他未能获得成功所需的条件。 当地时间周四,因带队跌入降级区而被解雇的卡里克,含泪向曼联球员们告别。这位45岁的曼联前中场被叫到训练基地参加会议,并在执教仅十个月后遭到解雇。 卡里克及其教练团队将获得500万英镑赔偿

1998年纽约时装周派对上,52岁的地产大亨特朗普带着新欢女伴亮相,趁女伴上洗手间的间隙,他凑到28岁嫩模梅拉尼娅面前要电话。

1998年纽约时装周派对上,52岁的地产大亨特朗普带着新欢女伴亮相,趁女伴上洗手间的间隙,他凑到28岁嫩模梅拉尼娅面前要电话。

1998年纽约时装周派对上,52岁的地产大亨特朗普带着新欢女伴亮相,趁女伴上洗手间的间隙,他凑到28岁嫩模梅拉尼娅面前要电话。也就是那时,特朗普与梅拉尼娅留下了这张合影。 1998年初秋,在纽约曼哈顿的Kit Kat俱乐部,许多社会名流和财富大佬齐聚一堂。 派对气氛总是喧嚣热烈,但在这个看似寻常的夜晚,52岁的唐纳德·特朗普正筹谋着自己人生的新篇章。 他早在1990年代初就扛过了一轮个人担保债务高

◫ 深读问答折叠布局

关于本文主题的常见问题

将阅读过程中的典型问题提炼为 FAQ,有助于读者在理解正文之外进一步建立完整认知。

这篇文章最值得先读哪一部分?

建议优先阅读导语、核心段落与总结部分,这些内容通常承担主旨表达、结论归纳和重点提示的功能。

本文适合哪些读者继续深读?

如果你希望获得比“快讯”更完整的背景、逻辑与延展判断,那么这类正文内容会更适合你的阅读目标。

哪里可以看到更多相关文章?

可继续查看页面下方推荐阅读、右侧相关文章与栏目列表页,这些入口能帮助你持续扩展主题理解。

正文在移动端是否方便阅读?

方便。字体间距、段落层级、图片比例与按钮交互都针对移动端做过适配,长文阅读节奏更平稳。