让多个 agent 协同工作

八月的一个早上，这台迷你主机内存被占满，只能匆匆重启。五个 agent 会话花了一整天收拾残局，每个项目一个，外加第六个：它不写任何代码，只负责复核其他会话的工作。这个监督会话在这一天里判断错了三次，而三次都被项目会话用更扎实的测量纠正了回来。

这套方法正是从那一天里长出来的，它的原则可以用一句话讲完：几个互相把关的 agent，胜过一个发号施令的 agent。

为什么第二个 agent 能看见第一个看不见的

刚写完某段代码的 agent，并不适合评判这段代码。它清楚自己的意图，于是读到的是”我想做什么”，而不是”我实际做出了什么”。面对人类同事时您早就有这份警惕，对机器同样适用。

没在这个项目上产出过任何东西的 agent，来的时候脑子里没有这份意图。八月那天，复核者发现了三件当事会话一直看着却没看见的事。

一个备份脚本吞掉了它所调用命令的退出码，于是数据库导入其实崩了，systemd 却报告成功。一个探针每小时抹掉自己的告警：它 6:48 在 Slack 报警，7:07 又宣布已恢复，中间什么都没重测。还有一个广告投放，修是修好了，却没有任何人想到补上检测。那个补丁只挡住了这一个 bug，对下一个只字未提。

这三项发现都不需要更聪明。需要的只是没写过这些代码。

代价出在”发现得多晚”上

那天一共冒出四起事故，分布在四个毫不相干的项目上，而它们长得一模一样。一次导入失败却报成功，同时另一处的探针在抹掉自己的告警。再往别处看，一个付费投放已经睡了三十三个小时，没有任何人察觉。还有一个网关，几个月来一直丢掉自己回复的一部分。而症状就白纸黑字写在出问题那行代码正上方的注释里。

问题一旦定位，这几个补丁没有一个花掉超过几分钟，也就是说真正的代价完全出在”过了多久才发现”这件事上。

撑住整套做法的规则：拒绝权

顺手的做法是把复核者变成一个发号施令的头儿。多 agent 框架里这是最常见的形态，而在我们这个场景里，它会把一切搞砸。讲一件事，比讲道理管用。

复核者测量某个服务的延迟，发现”距离上次调用的时间”和”响应耗时”之间存在相关性。它由此断定缓存过期太快，提出把缓存时长调长、再加一次自动重试，而且说得非常有把握。

拥有这个服务的会话没有照做，而是先去测。原因在别处：模型把这段时间花在推理上，而网关在推理期间什么都不发。

有意思的地方在于，如果那个会话当时照做了，补丁确实会”生效”。探针会转绿，所有人都满意，而用户还是要对着空白页等上五分钟。为了一个再也没有人去追的原因。

一次只变一个变量

复核者犯的那个错值得停下来看看，因为一旦手头事情紧，它太容易重演了。

它手上有三个测量点，它让”经过的时间”在其间变化，其余条件一概听天由命。它眼看着一条相关性浮现出来，就把它当成了因果，而这正是实验方法里最诱人的那条捷径。

纠正它的那个会话反着来：只让一个变量变化，其余全部按住不动。它先在缓存状态相同的前提下测模型推理的影响，再在推理相同的前提下测缓存的影响。这两组实验一锤定音，而此前三次观察只产出了一个诱人的假设。

从三个数据点里编出一套说得通的解释，agent 非常在行。请向它索取那个能够推翻这套解释的实验。

怎么搭起来

具体该对复核者说什么

一个不给指令就开起来的监督会话，只会停留在发表评论。下面这份 brief 是最后跑通的版本，请按您的情况调整。

你负责监督这台机器上的其他会话。你不在它们任何一个项目里写代码。你的工作是：复核它们在做什么、按固定间隔检查机器健康、把你看到的报给我。

在断定某个原因之前，把能隔离出这个原因的实验拿给我看。三个点上的相关性只是假设，就按假设来说。

审查其他会话时，读它实际执行过的命令和文件的真实状态，永远不要读它给自己行为起的标签。

如果你动了自己地盘之外的文件，在对方发现之前先通知它。

如果某个权限被拒绝了，你就停下来告诉我。你永远不替另一个会话执行它被拒绝的操作。

中间那两条来自真实的错误。监督会话曾凭三次未加控制的测量断定缓存过期，后来又报告了一次根本没发生过的 force push，因为它读的是某条命令的标签，而不是命令本身。

边界，而且是实打实的

没有人看着看门人，这是第一个问题。监督会话和其他会话一样会死，而且按定义它的死是无声的。让它跑在 tmux 里，再给它配一个不依赖任何会话的探针，比如一个给您发消息的系统定时器。那天补上的正是这个，只不过是事后才补的。

接下来是成本问题。经典形态的经济账建立在”一个昂贵的头儿指挥一群廉价工人”之上，而这里没有人扮演工人，账自然往上走，也就不该把它当成日常反射动作。想减轻账单，可以用 Quelle IA 的对比工具（法语网站）把价格和得分并排比较；再到它的智能体排行榜确认所选模型能独立撑住一项长任务。

最后，复核者并不懂地形。在它判断错的那三件事上，项目会话都远比它了解自己的代码，而复核者的价值仅仅来自它与这份工作没有利害关系，绝不来自什么高明之处。

还剩一点，写下来显得理所当然，可在真刀真枪的时候却很有诱惑力：对某个会话被拒绝的权限，绝不换一个会话去执行。当一个会话卡在某项访问权限上、而旁边那个恰好有，绕过去的念头来得非常快，它会把您费心装上的护栏掏空。不如停下来，由您自己拍板。

说到底，这一切离了测量都不成立。那天的三次纠正，靠的全是数字。两个 agent 争论看法，产出的多半只是听起来很像回事的噪音。