结论先行:让贵模型做判断,让便宜模型做执行。判断和执行不分离,你付的就是全旗舰价格跑打字员活。
分工边界
我配了三个执行 agent,全部由轻量模型驱动:
| 角色 | 职责 | 特征 |
|---|---|---|
| coder | 写代码、跑测试、修红 | 有文件边界和 DoD 的自包含任务 |
| scout | 只读侦察、定位符号 | 大范围找代码找配置,返回文件:行号 |
| reviewer | 机械首审 | 按 checklist 查边界/误删/测试真实性 |
主模型只做四件事:需求澄清、契约冻结(接口/DTO/mapper 由主模型定稿)、任务拆分、派单与终验。疑难问题亲自上手。
判断一件事该不该下放,我看三个特征:边界能不能写清楚、验收能不能跑命令、做错了能不能低成本重来。三条都满足就派;有任何一条不满足,主模型自己上。
| 任务特征 | 派执行 agent | 主模型亲自 |
|---|---|---|
| 文件边界清晰、DoD 可跑 | 派 coder | |
| 大范围找符号、摸调用链 | 派 scout | |
| 机械检查项多的首审 | 派 reviewer | |
| 跨服务取舍、契约级设计 | 亲自 | |
| 线上疑难、多信号交织 | 亲自 |
角色之间互相不越界是关键:scout 有写权限就会顺手改代码,reviewer 会修就会掩盖问题而不是暴露问题。每个角色的"禁止项"和"职责"同样重要。
这笔成本账值得算给犹豫的人:执行类任务的判断密度低——大部分 token 花在读代码、写样板、跑构建上,这些工作轻量模型和旗舰模型的产出差距很小,单价差却是数倍。判断密集的环节——架构取舍、接口设计、风险权衡——差距才真正拉开。按判断密度分配模型,钱才花在刀刃上;同理,轻量模型跑得快的优势在批量场景被放大,同样的产出排队时间更短。
为什么契约要主模型冻结
接口定义是下游所有任务的依赖锚点。如果 coder A 自己定义接口、coder B 按另一个理解写调用方,合并时就是灾难。契约先行冻结,两个 coder 并行写实现和调用方,互不等待。
冻结的粒度要到"可编译":方法签名、字段名、错误码取值,写进任务说明书,coder 拿到的是既定事实而不是参考意见。契约之外的实现细节——私有方法怎么拆、循环怎么组织——留给 coder 自由发挥。这部分管太细,等于主模型亲手把小模型的成本优势管没了:判断都让旗舰模型做了,派单还有什么意义。
执行中发现契约不合理怎么办?coder 的正确动作不是自行修改接口,而是写进未决问题区返回。契约的修改权在主模型:一处签名改动可能牵动另一个并行任务的依赖,要同步几份说明书,执行者看不见这张依赖图。允许执行期改契约,等于把最贵的决策下放给了最便宜的角色。
agent 配置示例
三个角色的配置本身很薄,核心是边界写死:
{
"agents": {
"coder": { "model": "轻量模型", "任务": "按任务说明书编码并回报退出码", "禁止": "改清单外文件" },
"scout": { "model": "轻量模型", "任务": "只读侦察,返回文件:行号与一句话结论", "禁止": "任何写操作" },
"reviewer": { "model": "轻量模型", "任务": "按 checklist 机械首审", "禁止": "自行修复,只报告" }
}
}
角色数量要克制。coder、scout、reviewer 三个角色覆盖了我绝大多数场景,新增角色前先问:现有角色的禁止项调整一下能不能覆盖?每多一个角色就多一份配置要维护、多一种边界要解释——角色蔓延和规则蔓延是同一种病,都是拿"再加一个"代替"想清楚"。
验收以跑代读
主模型验收不采信任何转述——重跑 DoD 命令拿退出码。coder 说"测试全绿"不算数,构建命令的退出码才算数。
./gradlew clean build -x test # 期望 exit 0
git diff --stat # 改动文件集合与说明书清单一致
终验三步:跑命令拿退出码;核对 diff 文件集合;抽查有没有清单外的顺手改动。全程不问 coder “你确定没问题吗”——这个问题没有信息量。
reviewer 的首审和主模型的终验是两层,不要合并。首审是廉价的、机械的、在合并前跑的——它把明显的边界违规和测试造假在 coder 会话里就地拦下;终验是最终的、拿退出码的。让 reviewer 替代终验会引入转述,让终验替代首审会让旗舰模型去干机械活,两个方向都是浪费。
失败归因:先诊断再行动
coder 失败时先归因再决定动作:缺上下文 → 改任务说明书重派;能力不足 → 收回主模型自己改。把能力问题当上下文问题处理,会在说明书上无限打补丁;把上下文问题当能力问题处理,会浪费主模型 token 写本该小模型写的代码。
归因我有一个朴素判据:看失败发生在哪一步。coder 卡在读不懂需求、找不到文件、环境起不来,多半是说明书缺料——补料重派;coder 反复在同一个有明确指引的小点上出错,同一处错了两次以上,多半是能力边界——收回。判据不完美,但比"感觉它不行"可靠得多。
还有一种混合情况:既有缺料又有能力不够。我的处理顺序是先补料重派一次——如果补料后还失败在同一个点上,就按能力不足收回,不再尝试第二轮补料。给补料设上限很重要,无限重派的隐性成本,算下来往往比主模型亲自改还高。
失败案例还要喂回说明书模板。每次归因为"缺上下文"的缺口——环境启动方式、公共文件依赖、测试数据准备——补进模板的默认段,下一次拆任务时自动带上。归因的终点不是这一次重派成功,而是同类缺口从此不再出现。
真实场景
一次三模块并行改造,流程是:主模型先定稿两个接口和一张 DTO,写进各任务说明书;然后三份说明书并行派给三个 coder。前两个一次通过;第三个卡在"测试环境怎么起",来回两轮没有产出。归因:说明书没写测试启动方式,属于缺上下文——在说明书 DoD 段补一行启动命令,重派一次通过。整场下来主模型真正动手写的代码是零,旗舰 token 全花在契约、拆分和终验上。复盘时的权衡点在于第三份说明书:首派前我犹豫过要不要写全环境信息,最后为了赶并行窗口偷懒了,代价是两轮返工。这份成本躲不掉,只存在两个支付时点——写说明书时付,或者执行期返工时付,后者更贵。做更好的做法:拆任务后给自己加一道"说明书齐套检查",环境信息是必查项。回看整场,最值钱的动作是契约冻结:两个接口定稿花了主模型不算短的一段输出,但它是三路并行互不等待的前提,也是合并零冲突的原因——这笔输出没法省,省了就是合并期加倍还。
检查清单
- 契约(接口/DTO/mapper)已由主模型定稿后才并行派单
- 每份派单有文件边界、DoD 命令、环境信息
- scout 只读、reviewer 只报告不修复,角色禁止项写死
- 终验重跑 DoD 命令拿退出码,不采信转述
- 失败先归因:缺上下文补说明书重派,能力不足才收回
- 同一任务第三次重派仍失败,停下来重新拆任务