MATCHDAY JOURNAL / 01

新闻中心 · FIELD NOTE

652个编程任务研究:双agent抢同一份代码成功率低约30%

从一个现场细节出发,重新观察比赛、数据与体育文化之间的联系。

READ
NOW
SPORTS
EDITORIAL
返回资讯列表

ORIGINAL CONTENT

652个编程任务研究:双agent抢同一份代码成功率低约30%

652个编程任务研究:双agent抢同一份代码成功率低约30% FIELD
VISION

据龙8头号玩家整理:

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。

about image

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。

特别

以上内容由龙8头号玩家整理发布。

RECOMMENDED READS / 03

继续探索

04 STORIES

TRENDING NOW / 04

热点新闻

全部资讯
1

缅北逃生者含泪警告:逃出园区千万别打车!当地报警等于自投罗网,整个城镇都是“赏金猎人”

看完阿保、杨雷、王星、胡一啸这几个人的经历,我后背一直发凉。原来“境外高薪”不是机会,是递过来的绳子;你以为逃出来就活了,其实镇上的出租车、旅馆、小饭馆,全可能是把你送回地狱的那只手。真的别信,别去,别自己瞎赎。 很多人以为,缅北电诈被查了这么久,园区拆了、四大家族判了,这事就算过去了。可现实是,骗子只是换了个马甲,话术从“缅北上班月薪三万”变成“泰国拍戏包机票”“迪拜客服零门槛”“柬埔寨运营包吃

2

纳齐尼奥:很遗憾没能在葡萄牙队见到C罗 若能穿7号我会无比自豪

直播吧11月13日讯 摩纳哥边后卫纳齐尼奥接受采访,谈到入选葡萄牙国家队参加欧国联的感受、主帅战术要求、C罗、离开葡萄牙体育的决定以及与家乡的联系等话题。 你之前料到会被征召进葡萄牙国家队吗?关于这次征召你已经和努诺·门德斯聊过了吗? 首先,这确实是个惊喜。之所以感到惊喜,是因为大名单之前就已经公布了。我是比赛刚结束就收到消息的。显然,我感到非常开心。不过我还没有机会,也还没有和努诺聊过这件事。我

3

热搜第一!老师怀孕被家长举报事件,真是太魔幻了!

Sayings: 别再拿举报信当做武器。 01 是谁在给老师戴上“紧箍咒”? 02 这两天, 热搜第一的一条新闻 引发了巨大争议。 不是塌房,不是八卦。 是一封举报信, 一位家长写给教育局的举报信。 这事闹得有多大呢? 央视新闻专门做了一期报道, 多家官媒纷纷下场评论。 这说明什么? 说明这已经不是一个家长的失态了。 已经到了不得不摆到台面上说的地步。 事情是这样的。 今年10月, 长三角一所近6

4

英媒:姆伯莫深夜玩GTA6遭球迷批评 波切蒂诺希望重塑曼联文化

直播吧11月20日讯 据talkSPORT报道,曼联球员姆伯莫在周三深夜熬夜游玩新发售的《GTA6》,并在社交媒体晒出照片,引发部分曼联球迷质疑,而新任主帅波切蒂诺次日恰好在卡灵顿基地迎来上任首日。 姆伯莫在午夜游戏解锁时便已准备就绪,加入了围绕这款期待已久的新作的狂欢。这名曼联前锋在Instagram快拍中发布了自己游玩新《GTA》的照片,配文写道:“历史性的。” 这话不无道理,在《GTA5》发

5

WTT球星赛落幕!日本夺4冠、户上隼辅2次登顶,国乒无缘5项决赛

2026年11月21日晚,乒乓球WTT马斯喀特球星赛最后一战落下帷幕,此前混双登顶的日本选手户上隼辅又在男单决赛中笑到最后,以4-1逆转韩国运动员朴康贤称王:至此,日本队在本站比赛的5个项目中斩获4个冠军,韩国选手也1次登顶,国乒无人晋级决赛,令人感到遗憾——户上隼辅VS朴康贤详情与其他战况请看下文。 【比赛看点】 本站比赛国乒男单有多达11人参加,不过没有核心主力出战,最终只有2人入围8强,随后