📢 转载信息

原文链接：https://simonwillison.net/2025/Oct/5/parallel-coding-agents/#atom-everything

原文作者：Simon Willison

拥抱并行编码智能体工作流

2025年10月5日

一段时间以来，我一直在听工程师们分享他们同时运行多个编码智能体（Coding Agents）的经验——同时启动多个 Claude Code 或 Codex CLI 实例，有时在同一个代码仓库中，有时针对多个代码检出（checkouts）或 git worktrees。

起初我对此持怀疑态度。AI生成的代码需要人工审核，这意味着所有的自然瓶颈在于我审核结果的速度。对于单个大型语言模型（LLM）快速输出的内容，我已经很难跟上，如果同时运行多个，岂不是只会让我更加落后？

尽管心存疑虑，但在过去的几周里，我发现自己正在悄悄地开始拥抱这种“并行编码智能体生活方式”。

我一次只能专注于审核和合并一个重要的变更，但我发现越来越多的任务可以并行执行，而不会给我的主要工作增加太多的认知负担。

以下是我发现的有效应用并行智能体的几种模式。

1. 概念验证（Proof of Concept）的研究

我应用此模式的第一类任务是研究。

研究任务旨在回答问题或提供建议，而不会对你打算保留的项目进行修改。

许多软件项目都始于概念验证。例如，能否使用 Yjs 借助 Python 后端实现一个简单的协作笔记工具？相关的库是存在的，但将它们连接起来后它们能正常工作吗？

今天的编码智能体可以利用新的库构建概念验证，并解决这类基本问题。遇到了训练数据中尚不存在的库？没关系：告诉它们检出那些新依赖的仓库，并阅读代码以弄清楚如何使用它们。

如果你需要回忆现有系统的某个部分是如何工作的，现代的“推理型”LLM 可以在一两分钟内提供详细、可操作的答案。

你的代码库有多大并不重要：编码智能体非常擅长使用 grep 等工具，如果需要，它们可以跟随跨越数十个不同文件的代码路径。

要求它们记录你的签名 cookie 在哪里设置和读取，或者你的应用程序如何使用子进程和线程，或者你的 JSON API 中哪些部分尚未被文档覆盖。

这些由 LLM 生成的解释非常值得保存，因为它们可以作为未来进一步提示的绝佳上下文。

现在我们转向那些我们打算保留的代码编辑，尽管是风险非常低的编辑。事实证明，有很多问题实际上只需要一点额外的认知开销，而这部分工作可以外包给机器人。

警告就是一个很好的例子。你的测试套件是否抛出了某个你正在使用的东西已弃用的警告？把这个任务丢给机器人——告诉它运行测试套件并找出修复警告的方法。你无需停下手头的工作来解决这类小小的烦恼。

要发现此类机会，确实需要一些技巧。和往常一样，培养这种直觉的最佳方法是去尝试——任何小型维护任务都值得用编码智能体试一试。你可以从它们的成功和失败中学习。

审核突然摆在你面前的代码是非常费力的事情。首先，你必须推导出新实现的目标：它试图实现什么？项目是否需要这个？考虑到未来计划的变更，当前采取的方法是否是这个项目的最佳选择？在开始深入研究代码细节之前，需要考虑很多大问题。

从你自己的规范开始的代码，审核起来的精力就少得多。如果你已经决定了要解决什么问题、选择了方法，并为工作本身制定了详细的规范，那么确认代码是否按照你的需求构建所需的时间就会大大减少。

我在三月份描述了我对模型进行代码提示的“更专制的方法”。如果我告诉它们确切地如何构建某物，审核由此产生的更改的负担就会减轻很多。

我目前日常使用的是 Claude Code（基于 Sonnet 4.5）、Codex CLI（基于 GPT-5-Codex）以及 Codex Cloud（用于异步任务，通常从我的手机启动）。

我还在试验 GitHub Copilot Coding Agent（内置于 GitHub.com 各种界面的智能体）和 Google Jules，后者是 Google 目前免费的 Codex Cloud 替代品。

我仍在摸索适合我的模式。我预计在未来很长一段时间内，我都会不断迭代我的流程，特别是随着编码智能体领域持续发展。

我经常会打开多个终端窗口，在不同的目录中运行不同的编码智能体。目前这些是 Claude Code 和 Codex CLI 的混合体，它们以 YOLO 模式（无需批准）运行，用于那些我相信恶意指令无法偷偷溜进上下文的任务。

（我需要开始习惯性地在 Docker 容器中运行我的本地智能体，以进一步限制一旦出现问题时可能造成的破坏范围。）

我还没有采用 git worktrees：如果我想对同一代码库运行两个隔离的智能体，我会进行一次全新的检出，通常是检出到 /tmp。

对于风险较高的任务，我目前使用的是异步编码智能体——通常是 Codex Cloud——这样如果出现任何问题，最坏的结果就是我的源代码泄露（因为我允许它在运行时访问网络）。我所做的大部分工作都是开源的，所以这对我来说不是什么大问题。

我偶尔会使用 GitHub Codespaces 来运行 VS Code 的智能体模式，这效果出奇地好，并且直接在我的浏览器中运行。这对于研讨会和演示特别棒，因为任何拥有 GitHub 账户的人都可以使用，无需额外的 API 密钥。

这类编码智能体软件仍然非常新，而且模型在过去几个月才真正足够好，能够有效地驱动它们——特别是 Claude 4 和 GPT-5。

随着我摸索出最有效的用法，我计划撰写更多内容。我鼓励其他实践者也这样做！