单Agent搞不定复杂任务？那是你没用双Agent！LangGraph+Milvus硬核实战，这篇干货太香了！

做agent简单，但是做能落地的agent难，做能落地的长周期agent更是难上加难！

这是不是你搞agent开发时的常态？

长周期 Agent落地失效，通常来说，会分两类典型模式：

第一种发生在任务初期：收到“搭建类 claude.ai 的 Web 应用”这类高阶指令后，采用贪心策略一次性推进全量开发，执行中逐步丢失上下文，最终在功能开发半途耗尽上下文窗口；后续新实例面对无进度文档的半成品代码库，需要耗费大量精力梳理复盘，才能恢复应用基础功能。

第二种发生在项目中后期：已有部分功能落地后，新 Agent 因缺乏全局目标认知，仅看到局部功能可用便过早判定任务完成，忽略大量未实现的功能模块。

表面上看，这两种失效模式发生在项目的不同阶段、表现形式也截然不同，但深挖本质就会发现，其核心原因完全一致：Agent无法准确确认任务切分的粒度，进而导致多个会话间的上下文传递出现断裂或偏差。

既然找到了问题的根源，那么该如何针对性解决这一核心痛点？

本文将从架构设计、状态恢复、功能验证三个核心维度，详细介绍如何通过双Agent架构、基于文件与向量数据库的状态恢复机制，以及测试驱动的功能验证，系统性破解长周期Agent的落地难题。

01 为什么需要两个 Agent？

要解决任务切分粒度不准和上下文传递失效的问题，首先需要从架构层面搭建清晰的分工机制。

不久前，Anthropic 发布了一套双 Agent 架构方案，这套方案由两个agent组成：Initializer Agent + Coding Agent。

其中，Initializer Agent的核心职责是“当领导”，负责统筹全局，具体需要完成三件核心工作：

第一是任务拆解，即把用户的高级需求精准展开为具体的、可验证的功能点。以claude.ai克隆项目为例，Initializer Agent不会停留在构建一个对话应用这种模糊表述上，而是会将其细化为200多项具体功能，每一项都清晰描述了用户可执行的具体操作和对应的预期结果，让后续开发有明确的执行标准；

第二是进度跟踪，通过创建进度追踪文件，实时记录每个功能的完成状态，让开发进度可视化，避免出现局部完成即判定整体结束的误判；

第三是环境搭建，编写初始化脚本（init.sh），提前配置好开发所需的基础环境，确保后续Coding Agent能快速启动开发，无需在环境配置上耗费额外精力。

与Initializer Agent的统筹角色相对应，Coding Agent的职责是充当“专家”，在Initializer Agent的指挥下聚焦具体功能的落地执行。

其核心工作逻辑是增量迭代：每轮会话只选择一个功能进行实现，完成后先进行充分测试，再用描述性的提交信息将代码提交到Git，同步更新进度文件，最后结束会话，，从根本上避免了半成品代码堆积和上下文丢失的问题。

需要特别注意的是，进度追踪列表的格式选择对Agent的执行效率影响极大。这里更推荐采用JSON格式，尽量不要用Markdown格式，因为模型在编辑JSON时更倾向于精准修改特定字段，但处理Markdown时容易产生意外的格式变化或整体重写。这种差异在处理包含数百个功能项的大型列表时会尤为明显，可能直接导致进度追踪失效。

一个标准的功能项JSON结构如下：：

{ "category": "functional", "description": "New chat button creates a fresh conversation", "steps": [ "Navigate to main interface", "Click the 'New Chat' button", "Verify a new conversation is created", "Check that chat area shows welcome state", "Verify conversation appears in sidebar" ], "passes": false }

这种结构化格式让 Agent 能够清晰地理解每个功能的范围和验证标准，同时通过 passes 字段追踪完成状态，为跨会话的进度衔接提供可靠依据。

02 从文本匹配到语义检索：Agent 记忆的升级

在解决了任务切分和增量开发的问题后，另一个影响长周期Agent落地的关键痛点在于：跨会话的状态恢复与经验复用。

起初，基于进度文件与Git的状态恢复机制在项目初期能正常运行，但随着项目规模扩大，三类问题会逐渐凸显：一是Git历史提交次数超过数百次后，线性扫描的效率会大幅下降，无法快速定位关键信息；二是基于文本的查找只能匹配关键词，无法理解“JWT刷新令牌”与“用户认证”这类语义关联，导致历史经验无法有效复用；三是各项目的经验被孤立存储，无法跨项目迁移复用，增加了重复开发成本。

向量数据库通过语义检索解决了这些问题。

其核心逻辑是将进度记录、Git提交信息等历史数据转换为向量嵌入，当Agent需要查询历史信息时，只需输入查询语句，向量数据库就能在毫秒级响应时间内找到语义相关的内容。

在这一场景中，Milvus数据库的优势尤为突出：一方面，Milvus Lite支持轻量化部署，可像SQLite一样直接嵌入应用，无需复杂的集群配置；另一方面，我们也可以采用Milvus的docker、k8s版本，全都原生支持主流的嵌入模型API，且通过TextEmbedding功能，Agent无需手动处理向量生成，直接用自然语言查询语句就能检索历史记录，大幅降低了使用门槛。

03 代码跑通≠功能完成：测试驱动的功能验证闭环

即便解决了任务切分和记忆复用问题，长周期Agent仍可能因功能验证不充分导致落地失效。

因为，很多时候，Agent在实现功能后，仅通过简单的代码测试或curl命令测试就标记功能完成，但这类测试往往无法覆盖真实使用场景，很容易遗漏实际应用中的问题——这一痛点在Web应用开发中尤为明显。

要解决这一问题，可以让Agent使用浏览器自动化工具进行端到端测试。对于Web应用而言，就是通过Puppeteer等工具，模拟真实用户的操作流程：打开页面、点击按钮、填写表单、检查页面元素等，只有当功能通过这种全流程的真实场景测试后，Agent才能将其标记为完成。

这种测试方式让 Agent 能够发现仅从代码层面无法察觉的问题。比如一个对话功能，代码逻辑可能完全正确，API 返回也符合预期，但在浏览器中可能因为 CSS 问题导致用户看不到回复内容。通过浏览器自动化测试，Agent 可以截图验证页面显示是否符合预期，从而发现这类问题。

但这种方法也有局限性。某些浏览器原生功能，特别是系统级弹窗（如确认对话框、文件选择器），无法被 Puppeteer 这样的自动化工具访问。依赖这些原生弹窗的功能往往更容易出现测试盲区。在设计应用时需要考虑这一点，尽量使用可测试的自定义 UI 组件替代原生弹窗。

04 动手实操：LangGraph 管状态，Milvus 管记忆

为了让上述方案总结更容易理解，下面通过一个实操示例，展示如何通过LangGraph和Milvus的协同，实现长周期任务重，双Agent的状态管理与记忆复用。

该示例的核心逻辑是“短期记忆+长期记忆”的协同工作：LangGraph的检查点机制负责维护单个会话内的状态一致性，确保会话内的开发流程不中断；当需要跨会话查询历史信息时，由Milvus提供语义检索支持，帮助Agent快速恢复上下文，彻底避免从零开始的冷启动问题。

from sentence_transformers import SentenceTransformer from pymilvus import MilvusClient from langgraph.checkpoint.memory import MemorySaver from langgraph.graph import StateGraph, START, END from typing import TypedDict, Annotated import operator import subprocess import json # ==================== 初始化 ==================== embedding_model = SentenceTransformer('all-MiniLM-L6-v2') milvus_client = MilvusClient("./milvus_agent_memory.db") # 创建集合 if not milvus_client.has_collection("agent_history"): milvus_client.create_collection( collection_name="agent_history", dimension=384, auto_id=True ) # ==================== Milvus操作函数 ==================== def retrieve_context(query: str, top_k: int = 3): """从Milvus检索相关历史（核心要素：语义检索）""" query_vec = embedding_model.encode(query).tolist() results = milvus_client.search( collection_name="agent_history", data=[query_vec], limit=top_k, output_fields=["content"] ) if results and results[0]: return [hit["entity"]["content"] for hit in results[0]] return [] def save_progress(content: str): """保存进度到Milvus（长期记忆）""" embedding = embedding_model.encode(content).tolist() milvus_client.insert( collection_name="agent_history", data=[{"vector": embedding, "content": content}] ) # ==================== 核心要素1：Git提交 ==================== def git_commit(message: str): """Git提交（原文核心要素）""" try: # 实际项目中会执行真实的Git命令 # subprocess.run(["git", "add", "."], check=True) # subprocess.run(["git", "commit", "-m", message], check=True) print(f"[Git提交] {message}") return True except Exception as e: print(f"[Git提交失败] {e}") return False # ==================== 核心要素2：测试验证 ==================== def run_tests(feature: str): """执行测试（原文强调的端到端测试）""" try: # 实际项目中会调用Puppeteer等测试工具 # 这里简化为模拟测试 print(f"[测试验证] 正在测试功能: {feature}") # 模拟测试结果 test_passed = True # 实际会根据测试结果返回 if test_passed: print(f"[测试通过] {feature}") return test_passed except Exception as e: print(f"[测试失败] {e}") return False # ==================== 状态定义 ==================== class AgentState(TypedDict): messages: Annotated[list, operator.add] features: list# 所有功能列表 completed_features: list # 已完成功能 current_feature: str # 当前正在处理的功能 session_count: int # 会话计数器 # ==================== 双Agent节点 ==================== def initialize_node(state: AgentState): """初始化Agent：生成功能列表和工作环境""" print("\n========== 初始化Agent启动 ==========") # 生成功能列表（实际会根据需求生成详细的功能清单） features = [ "实现用户注册功能", "实现用户登录功能", "实现密码重置功能", "实现用户资料编辑", "实现会话管理功能" ] # 保存初始化信息到Milvus init_summary = f"项目初始化完成，生成{len(features)}个功能点" save_progress(init_summary) print(f"[初始化完成] 功能列表: {features}") return { **state, "features": features, "completed_features": [], "current_feature": features[0] if features else "", "session_count": 0, "messages": [init_summary] } def code_node(state: AgentState): """编码Agent：实现、测试、提交（核心循环节点）""" print(f"\n========== 编码Agent会话 #{state['session_count'] + 1} ==========") current_feature = state["current_feature"] print(f"[当前任务] {current_feature}") # ===== 核心要素3：从Milvus检索历史经验（跨会话记忆） ===== print(f"[检索历史] 查询与'{current_feature}' 相关的历史经验...") context = retrieve_context(current_feature) if context: print(f"[检索结果] 找到 {len(context)} 条相关记录:") for i, ctx in enumerate(context, 1): print(f" {i}. {ctx[:60]}...") else: print("[检索结果] 无相关历史记录（首次实现此类功能）") # ===== 步骤1：实现功能 ===== print(f"[开始实现] {current_feature}") # 实际会调用LLM生成代码 implementation_result = f"已实现功能: {current_feature}" # ===== 步骤2：测试验证（核心要素） ===== test_passed = run_tests(current_feature) if not test_passed: print(f"[会话结束] 测试未通过，需要修复") return state# 测试失败则不推进 # ===== 步骤3：Git提交（核心要素） ===== commit_message = f"feat: {current_feature}" git_commit(commit_message) # ===== 步骤4：更新进度文件 ===== print(f"[更新进度] 标记功能为已完成") # ===== 步骤5：保存到Milvus长期记忆 ===== progress_record = f"完成功能: {current_feature} | 提交信息: {commit_message} | 测试状态: 通过" save_progress(progress_record) # ===== 步骤6：更新状态并准备下一个功能 ===== new_completed = state["completed_features"] + [current_feature] remaining_features = [f for f in state["features"] if f not in new_completed] print(f"[进度统计] 已完成: {len(new_completed)}/{len(state['features'])}") # ===== 核心要素4：会话结束（明确的会话边界） ===== print(f"[会话结束] 代码库处于干净状态，可安全中断\n") return { **state, "completed_features": new_completed, "current_feature": remaining_features[0] if remaining_features else "", "session_count": state["session_count"] + 1, "messages": [implementation_result] } # ==================== 核心要素3：循环控制 ==================== def should_continue(state: AgentState): """判断是否继续下一个功能（实现增量循环开发）""" if state["current_feature"] and state["current_feature"] != "": return "code"# 继续执行下一个功能 else: print("\n========== 所有功能已完成 ==========") return END # ==================== 构建工作流 ==================== workflow = StateGraph(AgentState) # 添加节点 workflow.add_node("initialize", initialize_node) workflow.add_node("code", code_node) # 添加边 workflow.add_edge(START, "initialize") workflow.add_edge("initialize", "code") # 添加条件边（实现循环） workflow.add_conditional_edges( "code", should_continue, { "code": "code",# 继续循环 END: END# 结束 } ) # 编译工作流（使用MemorySaver作为检查点器） app = workflow.compile(checkpointer=MemorySaver()) # ==================== 使用示例：演示跨会话恢复 ==================== if __name__ == "__main__": print("=" * 60) print("演示场景：长周期Agent的多会话开发") print("=" * 60) #===== 会话1：初始化 + 完成前2个功能 ===== print("\n【场景1】第一次启动：完成前2个功能") config = {"configurable": {"thread_id": "project_001"}} result = app.invoke({ "messages": [], "features": [], "completed_features": [], "current_feature": "", "session_count": 0 }, config) print("\n" + "=" * 60) print("【模拟场景】开发者手动中断（Ctrl+C）或上下文窗口耗尽") print("=" * 60) # ===== 会话2：从checkpoint恢复状态 ===== print("\n【场景2】新会话启动：从上次中断处继续") print("通过相同的thread_id，LangGraph自动恢复checkpoint...") # 使用相同的thread_id，LangGraph会自动从checkpoint恢复状态 result = app.invoke({ "messages": [], "features": [], "completed_features": [], "current_feature": "", "session_count": 0 }, config) print("\n" + "=" * 60) print("演示完成！") print("=" * 60) print("\n关键要点:") print("1. ✅ 双Agent架构（initialize + code）") print("2. ✅ 增量循环开发（条件边控制循环）") print("3. ✅ Git提交（每个功能完成后提交）") print("4. ✅ 测试验证（端到端测试）") print("5. ✅ 会话管理（明确的会话边界）") print("6. ✅ 跨会话恢复（thread_id + checkpoint）") print("7. ✅ 语义检索（Milvus长期记忆）")

尾声

此前，市面上的agent方案中，多采用单一Coding Agent处理所有编码相关任务，但在真实的软件开发流程中，不同阶段的需求差异极大。

因此需要多 Agent 专业分工：测试 Agent 关注边界条件，质量保证 Agent 负责架构检查，清理 Agent 处理重构和文档。每个 Agent 针对专门领域优化提示和工具集，通过结构化接口协作，就像真实的开发团队。

值得注意的是，这套方案的核心原则：结构化初始环境、增量式进展、状态追踪、验证测试，并非仅适用于软件开发场景，还可迁移到其他长周期任务中：例如科学研究中的数周连续实验、金融建模中的多步骤复杂计算、法律文档的多轮迭代审查等。

随着向量数据库技术的成熟和多Agent框架的完善，让AI可靠完成复杂长周期任务，已经从理论探索逐步进入工程实践阶段，未来将释放更多生产力价值。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。