Wink Pings

Agent Swarm 不是线性流程:Paradigm 的 10 步 + Claude 的 14 步

Paradigm CTO 发布 10 步 swarm 构建指南,Codez 用 14 步讲清 Claude 图工程。合起来就是从环境到实现的完整打法:先大胆,再上云,然后让开。

Paradigm CTO 刚刚发布了一篇新文章,《Effective Swarm Riding for Engineers》。核心就一句话:Ask big → Run in the cloud → Get out of the way。操作手册,仅此而已。

为什么是现在?文章说,swarm 只有在 Opus 5.5 这种模型上才变得实际。更早一点的模型,生成子代理更像是在为了做而做。

Paradigm 的 10 步,本质上是把开发环境改成 swarm-ready:

  • 大胆。重写拖慢你的依赖,构建适合你工作负载的数据库。Paradigm 团队用几天时间把 Tempo 用 5 种以上语言重写了一遍。
  • 上云。真正的工作是 24/7 的,笔记本跑不动。让 agent 用 Nanocode 在 Vercel、Cloudflare 或 Postgres 上搭一个持久云 agent。
  • 说对话。别讲“优化 X”,讲“让它快 10 倍”。别讲“修所有 bug”,讲“用它和参考实现做差分测试,把差距清零”。
  • 跑全代码库重构提示。把隐式状态机编码进类型系统,把共享状态换成无锁 actor,把串行 async 调用改成并行,给每个组件加 OTel tracing。
  • 做简单的事。前沿模型 + 短提示 + 配置好的代码库,然后走开。plans、memory、compaction、skills 都是多余的,因为每个模型周期都会抹掉它们。
  • 清掉干扰。删掉代码注释、.skills 文件夹和 docs/。反正代码是 agent 替你读的。
  • 用模拟测试替代单元测试。把 agent 写的单元测试禁掉,上确定性模拟测试,让 agent 自己追 bug,而且不会重复犯。
  • 拥有整个栈。monorepo 所有仓库,用 TigerStyle 重写高风险依赖,降低供应链攻击风险。
  • 接受争议。推 master 走 merge queue,删掉 CI。agent thread 就是新的 pull request,测试、基准、发布都在 agent 跑的同一套基础设施上。
  • 换个交互方式。别 ping agent,让 agent ping 你。收件箱一次一个决策,性能工作用 loss-curve UI,创意用无限画布。

Paradigm 讲的是环境。Swarm 具体怎么跑,Codez 的 14 步图工程补上了这块。

Codez 的核心观察:大部分人构建多步骤 agent,最后得到一条直线。第一步,第二步,第三步,每步都客客气气等上一步结束。但 9/10 的步骤根本不需要等。它们既不路由,也不分支,也不并行。就一个队列,一个上下文,一次一件事,直到窗口填满,agent 忘了自己在干嘛。

解法是把这条线变成图。

图只有两种东西:节点和边。节点是一个任务,边是数据依赖。如果下一步不读上一步的输出,那就没有边,等待就是浪费。很多“然后”其实是断开的节点,被一个线性脚本硬串起来了。

几个关键设计:

节点要有契约。有界输入,有界输出,只干一件事。用 JSON schema 强制返回结构化结果,失败就重试,不会给你一段自由文本。

并行用 parallel()。N 个独立节点一次跑完,一个 agent 挂了只返回 null,不会拖垮整批。这是 fan-out。之后需要 fan-in 汇聚结果,但只有真正需要全部结果时才用 barrier。能用 flatMap 和 Set 解决的合并,别用 agent。

代码示例:

const raw = await parallel(
  SOURCES.map((s) => () => agent(s.prompt, {
    label: `research:${s.key}`,
    schema: ITEM_SCHEMA,
    agentType: 'general-purpose',
  })),
);
const collected = raw.filter(Boolean);

在边上放验证器。让几个独立 skeptics 试图推翻结论,多数存活才放行。Codez 提到,有人用这个模式给 Bun 移植做对抗式评审。

节点要隔离。多个 agent 并行写文件会互相踩。用 git worktree 把每个 agent 隔开,失败只影响自己。

循环要收敛。未知大小的任务,比如找 bug,用 loop-until-dry:持续跑 finder,直到连续 K 轮没有新发现。去重必须对着所有见过的结果,而不是只对确认的结果。否则被否掉的发现会一遍遍回来,你的机器会一直为重新发现死胡同付费。

模型要分级。重复性节点用便宜模型,真正需要判断的节点用强模型。这样图从昂贵变成经济,形状一点不改。

拓扑就是成本。默认用 pipeline() 流式跑,不要动不动用 barrier。barrier 会让所有节点等最慢的那个,墙钟时间立刻涨。

最后,让 Claude 自己画图。描述目标,Claude 写编排脚本,拆解任务,选择 fan-out,spawn 一群 subagent,再汇总结果。/deep-research 已经在生产里跑这个模式:scope → parallel search → fetch → adversarial verify → synthesize。

Paradigm 说,软件工程一年后会越来越像机器学习,开发者主要工作是调 swarm。Codez 说,prompter 提问,architect 画图。把两者拼起来:先把代码库变成 swarm-ready 的环境,再用图把 swarm 跑起来,然后让开。

image

发布时间: 2026-11-23 00:54