alswl 的 1+N 多代理做法:一个统筹 Agent 调度其他 Agent,先用 logbook 预演流程,让交付和验证两个角色互相检查,再故意改坏代码来检验测试本身
工程师 alswl(@alswl)10 月 19 日发文复盘自己「迈向 Stage 8」的工作方式:不再逐个窗口盯 Agent,而是把完整任务交给一个统筹者(Captain),由它按需启动执行 Agent;用 logbook 写清目标、约束和交付,开工前 Preflight 预演整条路径;让 Delivery 和 Verify 两种角色站在不同立场;测试通过后再故意拆掉被测功能,确认测试会失败。相关工具 lbkit、chatta、skm 都已开源。他自述统筹者连续运行的中间水平约 30–50 分钟、最长接近两小时。我们还没能完整运行这套流程。
访问官网 Coding agents + lbkit (logbook) + Herdr + chatta ↗- 定价
- 免费
- 地区
- 海外
- 出自哪里
- 中文社区
- 上架日期
- 2026 年 10 月 22 日
- 用的版本
- Article dated 2026-10-19; alswl/lbkit main @ cd18eef (2026-10-22), chatta @ 3f5147a, skm @ b2dc838
- 我们实测
- 未实测
- 成本 / 耗时
- lbkit、chatta、skm 免费开源;主要成本是多个编程 Agent 的模型订阅或 token。作者说上下文传递和沟通都有成本,多开 Agent 不会自动更好,他是用额外执行成本换人的注意力。
要解决的事
同时开很多个编程 Agent 后,人反而被不停的确认和切窗口打断;想让 Agent 连续跑得更久、交付更可靠,同时把人的介入集中到真正需要判断的关口。
步骤
- 先把关键决策放到开头:目标、边界、交付要求和一个高能力 Agent 谈清楚;设计还在发散时别急着拆给一群 Agent,多 Agent 更适合已有方向的交付任务。
- 按规模挑任务:作者的经验是,按传统方式估算半小时、半天的活一个 Agent 就够;接近一周量级、执行中会不断变化的任务才值得上这套调度。
- 写 logbook(作者用自己开源的 lbkit):目标与非目标、预算、运行位置、权限、可用上下文、必要流程和交付内容;logbook 约束方案,但不承载具体方案和代码。任务分阶段,阶段内记录待办、产物位置和验证依据,需要人做的关口(如合并、登录)单独标记。
- 开工前跑 Preflight:预演整条路径,提前找出需要哪些资源、哪里可能卡权限、哪些节点要人确认,人扫一遍再出发。
- 设一个统筹者(Captain):负责组织、分配、处理分歧、汇总;复杂任务限制它亲自写实现,有时连代码都不让它读,以保护它的上下文。给它配更可靠的模型,状态落盘,迷失了就重启。执行队伍不预设,由它按任务决定启动多少 Agent。
- 让 Delivery(推动交付)和 Verify(找缺陷)站在不同立场;Agent 之间用 chatta 沟通,讨论要有轮次边界:先自己收敛,收敛不了统筹者介入,还不行再找人。最后看运行结果、截图等证据,而不只看「一致同意」。
- 测试测试:开发和测试完成后,故意拆掉一个被测功能的目标代码,重跑相关测试;应该失败。如果功能坏了测试还全绿,就回头查这条测试到底有没有触及要验证的行为(思路类似变异测试,但一次故障注入不等于完整的变异测试评估)。(作者没有公开具体提示词,你可以直接对 Agent 说:在临时分支删掉这个功能的核心代码,重跑相关测试,列出哪些测试仍然通过。)
- 要求 Agent 交代判断依据:考虑过哪些方案、选了哪个、为什么、拿什么证据支持。不阻塞的问题先记录、继续做别的,把需要人确认的内容攒到能看见结果时一起交;合并仍由人来做。
- 每个复杂 session 结束做 Retro,把发现的问题回写到 Skill 和文档里;作者用 Herdr 管理会话、消息和注意力,用 skm 在不同 Agent 之间同步 Skills。
原文怎么说
作者在文章中说,截至 10 月中旬,他对统筹者连续运行时长的个人观察是中间水平约 30–50 分钟、最长接近两小时,并强调「这不是统计测量,也不是能力承诺」,自己仍然觉得累。他 10 月 12 日发帖说自己大约每月 1000+ 个 PR(也说这不是好的度量指标);文章里给自己定的挑战是「一个月 2000 个 PR,并推上线」,明确是尚未达成的目标。文末现场演示让统筹者基于分享内容做了一个介绍视频,他也注明这只说明产出了可播放结果,不代表完成了质量验收。他的总结是:对抗可能比循环更重要。
我们实测
我们没有跑这套 1+N 多 Agent 流程,连续运行时长、PR 数量等都是作者自述。只尝试在测试机上安装 lbkit(main @ cd18eef):uv sync --locked --no-dev 因 uv.lock 指向的清华 PyPI 镜像返回 403 而失败,bin/lb 提示依赖缺失,未能继续。
怎么用上
中文原文是 X 文章(需登录),作者另发了英文版。lbkit、chatta、skm 在 GitHub。lbkit 的 uv.lock 固定用清华 PyPI 镜像,我们的测试机访问被拒(403),如遇同样问题需改用可访问的源。
适合谁
已经同时跑多个 Claude Code / Codex 之类编程 Agent、被频繁确认打断的工程师和技术负责人;想把团队研发流程(需求→设计→确认→开发→验证→上线)搬给 Agent 的人。「测试测试」这一招任何用 AI 写测试的人都能单独拿来用。
踩坑提示
- 统筹者不亲自实现、不读代码这些限制目前靠 Skill 和 logbook 表达,是软约束,Agent 可能会忘;作者的办法是给它更可靠的模型、减少它接触的细节、状态落盘,迷失了就重启。
- Agent 不断停下来找人确认,任务就跑不下去:要把关键决策前置、用 Preflight 预演,并让不阻塞的事先记录继续做。
- 如果所有 Agent 都把「赶紧做完」当唯一目标,很容易一起跳过问题;要专门安排一个找缺陷的立场,并要求交付方拿证据。
- 多 Agent 有上下文传递和沟通成本,小任务用它反而亏;Agent 之间的讨论要设轮次上限,否则会无限延长。
- 架构判断不能交出去:作者仍自己画架构图、做架构决策、抽查代码。他也提到 AI 画不好增量架构图。
- 社区案例(如别人「一个月 2000 个 PR」)多来自端侧或公开开发项目,不能直接代表所有业务系统;套到自己系统时要检查权限、部署和验收能不能接上。
- 我们在测试机上按 lbkit 文档执行 uv sync --locked 安装依赖时失败:uv.lock 里的包地址都指向清华 PyPI 镜像,从我们的机器下载返回 403。lbkit 还依赖作者的 mind-forge CLI,Herdr 也要另外装,上手门槛不低。
同类用例
- 文档每页配演示视频,界面一改就报红视频创作ScreenplayClaude Code工具免费;需 Claude 等 agent 额度◐ 部分实测海外
- 让 AI 写后端时默认防并发、越权和改表事故编程开发backendskillsClaude CodePostgreSQL免费;每次任务多花约一倍额度◐ 部分实测海外
- 一个下午让 AI 做出能在浏览器里玩的 3D 动作游戏编程开发Claude CodeTripo即梦技能免费;需 Claude 额度,素材工具另计◐ 部分实测国内
- 长期让 AI 写同一个项目,仓库也不乱编程开发ClaudeCodexoil-delegate需 Claude 和 Codex 订阅◐ 部分实测国内
- 边用一个网页产品,边让 AI 写出它的工作原理调研搜索REAClaude CodeChrome工具免费;需 Claude 或 Codex◐ 部分实测海外