前一篇把骨架立起来之后项目停更了一段时间。原因很简单跑通 Demo 只是第一步真正让我卡住的是“单 Agent 能干活但一堆 Agent 在一起反而互相捣乱”这个尴尬局面。这篇主要记录我从单 Agent 原型切到 Paseo 做编排、用 Beads 管理状态和复用之后整个软件开发 Agent Team 才真正像一支团队的过程。如果你也在搭类似的软件开发 Agent Team正卡在“Agent 之间有对话但没协作”“上下文乱成一锅粥”“改一个地方崩三个环节”这类问题上这篇应该能给你省不少时间。我会把角色拆解、消息流设计、状态落地方式和真实跑出来的性能数据都摊开讲尽量讲透“为什么这么做”而不只是贴代码。1. 为什么从“单 Agent 原型”切到 Paseo 编排这个跨步值不值1.1 前篇遗留的问题单 Agent 根本撑不起“团队”这个说法前一篇里我用单个 Agent 接了代码库索引和命令行工具看起来能完成不少任务但用了一周就发现天花板很明显单个 Agent 的上下文窗口有限需求一复杂前半段的设计文档和后半段的代码修改就会互相挤占上下文空间更麻烦的是它没有真正的任务边界——让一个 Agent 既当架构师又当测试工程师结果往往是它在设计阶段就开始写代码在测试阶段又开始改需求。单独跑几个 Demo 看不出问题一旦接真实需求所有缺陷都会放大。我遇到最典型的一个场景让单 Agent 实现一个带分页的列表页它在生成接口代码时“记着”要用某个分页参数等生成前端组件时又把这个参数的名字改了导致最后联调完全对不上。这本质上不是模型的智力问题而是职责边界和状态传递出了问题。所以那段时间我基本得出一个结论软件开发 Agent Team如果没有清晰的编排层和状态管理层充其量是一个“会聊天的代码生成器”。要做成“团队”必须引入两样东西——负责调度的编排运行时和负责让 Agent 之间共享、沉淀数据的统一载体。这就是 Paseo 和 Beads 进场的直接原因。1.2 Paseo 在团队模型里到底承担什么Paseo 在我这套系统里的定位非常纯粹它是一个多 Agent 编排运行时负责定义“谁在什么条件下做什么事结果怎么流转”。它不直接写代码也不直接做测试它只干三件事路由、调度、生命周期管理。路由的意思是某条消息进来之后Paseo 根据话题topic和上下文状态决定把消息投递给哪个 Agent。比如需求描述一旦出现“实现XX功能”这类结构化的输入它就路由到架构师 Agent架构师产出的设计文档被确认后产生的一组任务又会被路由到开发 Agent 的工作队列里。调度解决的是“多个 Agent 同时想干活谁先谁后”的问题。Paseo 里每个 Agent 的入参和出参都有明确的 schema调度器可以判断任务之间的依赖关系。比如测试执行必须等开发 Agent 的补丁合并到工作区之后才能跑这种依赖关系在 Paseo 里用 edge 来表达比我之前用 if-else 手工维护状态机要清晰得多。生命周期管理则解决“Agent 挂了怎么处理”的问题。真实开发中模型调用超时、返回格式非法、中间节点抛异常都是常态。Paseo 允许我为每个节点定义超时、重试和降级策略。比如架构师 Agent 调用超时两次之后系统不会直接把整个 pipeline 废掉而是走一个降级分支——使用上一次成功的设计草稿继续往下走并把异常记录到监控面板里。不选 LangGraph 或 CrewAI 而选 Paseo原因也算简单LangGraph 的图模型很强大但在这个场景里我需要的路由是“基于角色和话题”的而不是纯粹的 state machineCrewAI 上手快但它的角色协作比较偏“对话流”不适合需要精确控制产物格式和写入路径的开发场景。Paseo 刚好处在两者中间——有足够的自由度又不逼我把所有流程都建模成状态机。1.3 Beads 的角色不是框架是粘合剂如果说 Paseo 是团队的“项目经理”那 Beads 就是团队共用的“共享白板”——所有 Agent 的输入、输出、中间产物、测试结果都落到 Beads 上谁需要谁去取而不是靠 Agent 之间互相传话。我最早踩的坑就是把数据直接塞在消息里A Agent 生成的完整设计文档直接拼到 B Agent 的 prompt 里。一开始看着挺直接但很快就发现两个问题一是 prompt 长度爆炸设计文档动辄几千 token再加上上下文窗口里已有的内容平均一次请求要烧掉两三万 token成本翻了好几倍二是无法溯源某个文件改动是谁做的、基于哪份设计文档做的全都查不到。Beads 解决了这两个问题。它的核心抽象就是“一个带类型的、可寻址的、可持久化的数据单元”。每个 Bead 有唯一的 id、类型类型、元信息和正文。Agent A 产出的设计文档是一个 BeadAgent B 读取需求时只需要按 id 或类型去查对应的 Bead读完把结论再写成新的 Bead。这样所有中间产物都有记录、有版本、可按需取用而不是全部堆进上下文里。所以我说 Beads 是“粘合剂”它粘合的不仅是数据还有团队协作的时间轴——谁在什么时候产出了什么全都留在里面这不仅方便调试也为后面做经验复用打下了基础。2. Agent Team 的角色拆解架构师、开发者、测试者、审阅者的协作关系2.1 四个角色的职责边界现在的 Agent Team 一共有四个角色职责边界非常明确。这个边界不是我自己拍脑袋定的而是跑了两三轮真实需求之后一点点收敛出来的。一开始我也试过搞“全能 Agent”“超级 Agent”但协作效果很差最后才明白一个道理智能体协作里边界清晰比单个角色能力强更重要。角色输入输出核心关注点架构师 Agent需求描述、现有代码索引技术方案、任务拆解清单技术选型、模块拆分、风险识别开发 Agent任务清单、技术方案、相关代码上下文代码补丁、文件变更集代码可编译、风格一致、接口对接正确测试 Agent变更文件列表、需求验收条件测试用例、测试执行结果覆盖关键路径、定位回归问题审阅 Agent代码补丁、测试结果审查意见、合并/修复建议代码质量、安全隐患、是否有明显坏味道架构师 Agent 不需要了解具体某个函数的实现细节它只负责把需求翻译成技术方案并把大任务拆成可以独立执行的小任务。开发 Agent 拿到任务之后只关心自己这一个 slice 的实现不关心全局设计。测试 Agent 是独立的它不能使用开发 Agent 写出来的那套逻辑来验证自己必须从验收条件出发重新生成用例。审阅 Agent 作为最后一道闸门检查代码变更是否真的满足需求有冲突就打回通过则进入交付流程。一开始我也担心这种“流水线式”的分工会不会太死板但实际跑下来效果出奇的好。因为每个 Agent 的 prompt 都只需要专注于自己那一小块专业知识上下文消耗大幅下降输出质量也稳定了很多。2.2 角色之间的消息流设计消息流的设计是整个系统里最值得抠细节的地方。我的做法是用 Paseo 的 topic 机制定义了一套流转协议每个角色只监听自己关心的 topic。这样新增一个角色时不需要改动其他角色的代码只需要定义它订阅哪些 topic、产出哪些 topic 就行。默认的流转链路是这样的需求进入requirements话题架构师 Agent 监听这个话题产出design和task.breakdown两类 Beads开发 Agent 监听task.assigned话题把拿到的任务拆成具体的文件变更变更落到patch.produced话题上测试 Agent 收到之后开始跑测试测试结果进入test.completed审阅 Agent 读取补丁和测试结果后产出review.approved或review.rejected最终所有被批准的变更汇总成一次交付。这里有个很关键的设计消息流里传的不是内容本身而是 Beads 的引用。也就是说开发 Agent 产出补丁之后往patch.produced话题发的是一个 patch Bead 的 id而不是补丁全文。拿到这个 id 的 Agent 如果需要看细节再去取内容。这样每个 Agent 的输入消息都很轻量只有到了真正需要内容的时候才加载上下文压力小了很多。2.3 为什么没有直接上 AutoGen 式的“自由对话”有不少朋友问我为什么不直接用 AutoGen 那一套 multi-agent conversation让 Agent 们自己对话、自己协商不是更接近“团队”吗我试过但很快就放弃了。最大的问题是不确定性。自由对话模式下A 和 B 可能围绕一个很小的技术点来回吵十几个回合消耗大量 token 不说最后还不一定收敛。更麻烦的是排错困难——对话流不固定同一个输入跑两次可能走上完全不同的路径出了问题你很难复现。软件开发这个场景本质上需要的是确定性交付需求进来必须有明确的产物落盘必须有明确的测试结果必须有明确的交付或打回结论。自由对话适合头脑风暴、方案探索不适合把它作为默认的工程化执行路径。所以我的设计是常规流程走确定性 Pipeline只在架构师做技术方案评估时允许有限度的多轮讨论。这个折中方案在灵活性和可控性之间找到了比较好的平衡点。3. Beads 在状态与上下文管理上的实战落地3.1 把 Agent 之间传递的数据封装成 Beads真正动手落 Beads 的时候第一步是先定义清楚有哪些 Bead 类型每个类型长什么样。我把软件开发流程中的核心产物都建模成了 Bead初期只建了五类需求、技术方案、任务、补丁、测试报告。type Bead | { kind: requirement; id: string; payload: Requirement } | { kind: design; id: string; payload: DesignDoc } | { kind: task; id: string; payload: TaskItem } | { kind: patch; id: string; payload: PatchSet } | { kind: test.report; id: string; payload: TestReport };每个 Bead 除了 payload 之外还必须带几个元信息字段创建者 Agent 的 id、上游 Bead 的引用链、创建时间、版本号。有了引用链就可以在任何一个环节回溯前因后果这比打印日志好用得多。我后面排查一个 bug 时就是靠这条引用链找到了“测试报告引用了过期的开发补丁”这个根因。这里必须强约束一件事Agent 只能通过 Beads 写入数据不能直接改工作区文件。哪怕是开发 Agent 要改文件也必须先产出 patch Bead由专门的 executor 组件去应用补丁。这个约束看起来绕了一圈但它保证了所有的变更都可追踪、可回滚也为后面的并发控制留出了空间。3.2 跨 Agent 的上下文持久化为什么不直接把内容塞给下一个 Agent前面提到过我早期是把设计文档全文拼到下一个 Agent 的 prompt 里。为什么后来坚决不这么干了除了成本问题还有一个更隐蔽的坑模型在上下文很长的时候对中间部分的注意力会明显下降也就是说你把 8000 字设计文档塞进去模型可能只认真读了开头和结尾中间的技术细节全被忽略了。Beads 的解决方式是把 Bead 当“可寻址的知识片段”。下游 Agent 收到的是 Bead 引用和内容摘要它如果判断某个细节需要用到一个字段再去完整加载这个 Bead。这种按需加载的方式有两个好处。一是上下文占用稳定可控不会随着项目规模线性增长二是“摘要触发加载”的机制天然引导 Agent 抓重点而不是被海量细节淹没。为了让 Agent 能“按需”找到 Beads我给每个 Bead 建了一个轻量的索引。索引包含类型、标签tag、创建时间和摘要关键词。比如开发 Agent 要查“用户模块的分页参数”索引会返回所有包含“分页”标签的 Beads 摘要开发 Agent 再从中挑出它真正需要的那一两个完整加载。3.3 共享工作区的并发控制与版本对齐几个 Agent 同时要改同一个工程的代码时最容易出现的问题就是文件互相覆盖。比如开发 Agent A 正在改userService.ts开发 Agent B 同时也要改这个文件里的一个函数两个人基于不同的旧版本修改最后 A 先提交B 的补丁一应用就把 A 的改动覆盖了。这个问题的本质是“共享工作区”没有并发控制。我给 Beads 加了一层简单的文件级锁机制。任何 Agent 在下发变更到工作区之前必须声明它将要修改哪些文件路径executor 检查这些路径上有没有未释放的锁。如果已经被锁住后到的任务会进入 waiting 队列等锁释放之后重新尝试。这个机制实现起来不难但对防止互相踩踏非常有效。除了锁还有一个版本对齐的问题。每个 Agent 拿到任务时我都会在 prompt 里附带一个workspace revision字段告诉它当前工作区的基线版本。它的补丁必须基于这个基线生成。如果它生成补丁期间工作区已经被别的 Agent 推进了几个版本这条补丁会被标记为“过期”而打回重做。这个设计和 Git 的 rebase 逻辑有些类似但实现上要轻量得多。从实际体验看这层并发控制大概减少了 80% 以上的文件冲突问题剩下的 20% 靠审阅 Agent 处理成本已经非常可控了。4. 第一阶段 Pipeline从需求到可运行代码的完整流程4.1 需求解析与任务拆解阶段的设计逻辑先看整个 Pipeline 的入口。用户提交的需求描述先进 Paseo 的一个前置节点做规范化——不是让架构师直接动手而是先用一个轻量的预处理节点把需求里模糊的部分标准化明确用户角色、明确输入输出、明确验收标准。预处理节点产出的是一份“需求规格 Bead”架构师 Agent 拿到的已经是相对清晰的材料不用再花时间反复理解原始需求。架构师 Agent 拿到规格之后做两件事。第一件事是技术方案设计确定模块怎么划分、接口怎么定义、数据模型怎么设计。第二件事是把整个实现拆成若干个可独立执行的任务每个任务标注了涉及的文件路径、依赖任务和验收条件。这一步是最耗时的但也是最关键的——任务拆得越清晰后面开发 Agent 的效率和质量就越高。拆完之后这些任务会按照依赖关系被 Paseo 调度成一张执行 DAG。没有依赖的任务可以并行跑有依赖的任务必须等待上游完成后才能启动。比如“新增用户表结构”和“设计前端表单校验”两个任务没有依赖关系就可以并行而“实现列表查询接口”依赖“新增表结构”就必须排队。4.2 编码阶段并行和串行的取舍开发 Agent 的执行方式是整个 Pipeline 里最容易出问题的环节也是我调整最多的部分。一开始我贪图效率把十几个任务全部并行丢给开发 Agent 跑结果惨不忍睹。表面上看起来每个任务都在独立完成但拼到一起的时候问题全出来了一个 Agent 假设了某个工具函数不存在另一个 Agent 恰恰在写这个工具函数但因为并行没有完成于是一堆“资源暂时不可用”的报错。后来我把调度策略改成了“有限并行”同一时刻最多允许 3 个开发 Agent 并行执行并且它们在文件路径上不能重叠。没有文件依赖的任务可以并行共享文件的必须串行。这个调整直接让我的有效交付率提交的补丁能被成功应用的比率从 35% 提到了 78%代价只是总时长多了几分钟非常划算。每个开发 Agent 执行时Paseo 还会注入一套必要的上下文相关的 Beads 摘要、接口定义、已存在的代码结构说明。这些内容都是从 Beads 索引里即时查出来的不是静态写死在 prompt 里的所以能保证上下文和当前任务匹配。4.3 测试执行和结果回填让测试 Agent 独立生成用例开发 Agent 提交补丁之后测试 Agent 就要登场了。这个环节的设计原则是“不信开发的话”。开发 Agent 说“我测过了”我们不听测试 Agent 必须从需求规格和验收条件出发独立生成测试用例并执行。测试 Agent 的输入是需求规格 Bead、变更文件列表和测试脚手架信息。它生成测试用例之后会实际在工程目录里跑起来把结果汇总成测试报告 Bead。测试报告不仅包含通过/失败的结论还会列出它认为覆盖不够的路径作为审阅阶段的重要参考。执行测试这一步我用的是容器化环境每次跑都基于最新的工作区快照重新构建避免脏环境干扰结果。一个独立小工具的测试大概需要 20-40 秒一个包含前后端的模块可能需要 2-3 分钟。这个开销可以接受因为如果让有问题的代码流入下一阶段返工成本会高得多。4.4 失败分支的处理机制重试到底该不该自动执行Pipeline 跑失败时最忌讳的就是“无脑自动重试”。我踩过一个很经典的坑测试 Agent 跑某个测试一直失败我设置了 3 次自动重试结果它每次失败后都“换个姿势”重新生成测试用例但被测代码本身就有问题。它折腾了 3 次浪费了一堆 token最后测试报告显示“失败”开发 Agent 看一眼就知道是代码问题气得要死。后来我把重试逻辑改成了分级处理如果失败原因是“测试环境没起来”“依赖没装好”这类基础设施问题自动重试 2 次如果失败原因是“测试断言不过”“编译报错”这类业务代码问题不重试直接进入“修复循环”。修复循环会由开发 Agent 读取失败报告、修改补丁、重新提交但整个循环最多执行 2 轮超过之后系统会把问题升级到人工处理。现在回头看这个分级处理机制救了不少次项目。没有它自动重试会浪费大量资源有了它系统在自己该解决的问题上自动修复在自己不该解决的问题上及时止损。5. Agent 的“记忆”与经验复用把 Beads 变成团队的长期资产5.1 Token 是成本记忆是资产随着项目推进我发现一个很微妙的变化同样的技术风险Agent Team 处理得越来越顺手。比如项目的代码风格约定、某些模块的历史决策原因、已知的技术债位置这些信息第二次遇到时系统处理得明显更精准。原因不是模型变聪明了而是 Beads 库里积累了越来越多“历史记忆”。每一个 Bead 都记录了之前的决策和结果新的任务被执行时Agent 可以通过索引查到类似的历史记录参考之前的做法。这让 Agent Team 的每一轮执行都不再是“从零开始”而有了一种积累感。我特意把 Beads 库和 Git 历史放在一起每次交付完成之后系统会把本次交付对应的 Beads 快照和 Git commit 绑定。之后任何时候需要回溯“某个功能是怎么一步步做成现在这个样子的”只要看 commit 关联的 Beads 时间线就行。5.2 沉淀一次成功修 bug 的路径让它变得可复用举一个真实的例子。某次测试发现了一个典型的“竞态条件” bug开发 Agent 花了三个来回才修好。修完之后我没有让这次经验白白流失而是把排查路径和修复方案做成了一类新的模板 Bead存进了 Beads 库。这个模板记录了竞态条件 bug 的典型特征、排查步骤、常用修复模式。下次再出现类似的并发问题时测试 Agent 的失败报告会自动带上“这可能属于竞态条件类 bug”的提示开发 Agent 拿到提示后会先按模板里记录的路径快速排查再决定是否采用模板中的修复模式。实测下来同一类问题的修复轮次平均从 3.1 轮降到了 1.2 轮效果显著。这里的关键是模板不能是静态文本而是可被 Agent 查询的结构化 Beads。我会把模板拆成“特征描述”“排查步骤”“修复示例”三个字段分别写入不同类型的 Beads。这样模型能按自己当前遇到的问题去匹配最相关的那部分内容而不是把整篇模板塞进上下文。5.3 团队 WikiBeads 索引的另一种打开方式后来我干脆做了一个小的可视化面板把 Beads 库里的数据按类型和标签聚合展示。看起来就像团队的 Wiki但它是自动生成的——每个 Agent 的关键产出都会实时反映在面板上不用任何人手工维护。面板上能看到三类信息当前进行中的任务和负责人、已经完成的任务和产出摘要、最新的技术决策和理由。这些信息对调试系统非常有帮助平时跑完一条 pipeline我不用去翻日志在面板上扫一眼就知道发生了什么。对团队协作来说这个面板也让 Agent 的工作变得更可解释——不是黑盒每一步都有据可查。6. 真实跑下来的性能数据与调优笔记6.1 实测数据两个不同类型的任务跑出来的结果技术方案说得再多不如拿真实数据说话。我这里整理了两个代表性的实测结果一个是很简单的静态页面项目另一个是一个带数据库操作的小工具模块。第一个项目需求是“实现一个包含登录页和首页的个人中心静态页面登录后展示用户信息”。整个 Pipeline 从输入需求到交付代码总共耗时 4 分 12 秒产生 7 个 Beads经历 2 次任务并行最终交付代码 12 个文件 860 行。一次通过没有走修复循环。第二个项目需求是“实现一个用户管理模块支持增删改查和分页数据存 SQLite提供 REST API”。这个任务明显复杂总共耗时 13 分 48 秒产生 23 个 Beads经历 3 轮开发-测试-审阅循环。前两轮都因为测试没通过打回第三轮通过。一看时间分布光“测试失败-修复-重新测试”就占了将近一半的时间。值得说明的是这两个数据都是在模型质量和上下文策略比较稳定的情况下跑的。如果模型服务本身波动很大数值会涨得很夸张这一点后面会提到。6.2 对比调优前后的关键指标变化我在整个迭代过程中记录了两次比较完整的基线可以作为参考。性能指标初版自由对话版调优后PaseoBeads变化幅度单轮耗时复杂任务~28 min~14 min降低 50%有效交付率补丁可应用率35%78%提升 2.2 倍上下文峰值消耗128k tokens42k tokens降低 67%修复循环平均轮次4.6 轮1.8 轮降低 61%可追溯性出问题能否定位根因基本靠猜通过 Beads 链可回溯质的提升初版的数据是自由对话模式跑出来的每个 Agent 都在“聊”看似很热闹但实际交付效率很低。调优后最大的变化不是单个 Agent 变强了而是整个系统的“浪费”变少了——不重复沟通、不重复生成、不互相覆盖。这也印证了我一直坚持的原则Agent 团队的瓶颈从来不是模型的智商而是前后端的衔接和组织方式。6.3 调优过程中踩到的三个坑逐一说明第一个坑是prompt 里同时塞了太多 Beads 摘要导致 Agent 抓不住重点。我本来是想“让 Agent 视野更广”把相关 Beads 的摘要都放进上下文结果模型把摘要里最显眼的内容当成最重要的真正关键的验收条件反而被忽略。解决办法是控制摘要数量只放与当前任务直接相关的 Beads并且把验收条件单独用一个结构化字段写清楚。第二个坑是重试导致的“环路风暴”。某个 Agent 在某次调用中因为输出格式不符合 schema 被重试重试时它生成的代码和第一次完全不同但两个版本都写进了 Beads。后面其他 Agent 读到这两个版本就凌乱了都不知道该信哪个。后来我在每次重试前先把上一次的产出 Bead 标记为superseded并且在下游查询时默认排除这个状态的数据问题立刻消失。第三个坑是测试环境和真实运行环境不一致。有一阵子测试报告显示全绿但交付的代码一到用户手里就崩。排查了半天发现是容器的 Node 版本和线上版本不一样某些新语法在线上不支持。修法很简单把容器基础镜像锁定到和线上完全一致的版本。这个坑和 Agent 本身一点关系都没有纯粹是工程环境的细节但恰恰是这类细节决定了 Agent Team 能不能真正交付可用的东西。6.4 模型成本跑一个复杂任务大概烧多少钱最后说一下大家最关心的成本问题。以我用的模型 API 均价来算一个复杂模块类似上面用户管理模块的 token 消耗大约是 65 万 token 左右折合人民币大概 8-12 元。其中大头是开发 Agent 生成代码和测试 Agent 跑测试时反复读取 context 的部分大约占了 60% 以上。如果想省成本最有效的手段是减少无效重试和控制 Bead 全文加载次数。比如给每个 Agent 设置“最多完整加载 N 个 Bead”的配额或者对特别长的 Beads 先让它读摘要确认需要再全文加载。这套机制配合起来单任务的 token 消耗大概还能再降 30% 左右代价是偶尔会漏读一些细节需要靠审阅 Agent 补位。7. 如果你也准备照抄这套方案我的建议7.1 别一上来就搞六七个角色先跑通三个我见过很多人一上来就设计什么“CEO Agent”“CTO Agent”“架构师 Agent”“产品经理 Agent”一大堆结果每个角色的 prompt 都是抄来抄去的空话跑起来根本没法用因为任务边界非常模糊。我的建议是起步阶段只留三个角色架构师、开发、测试。这三个角色刚好覆盖“设计-实现-验证”的最小闭环。跑通之后再根据实际需要增加角色比如你觉得交付质量不够再加审阅 Agent觉得需求解析太弱再加预处理节点。角色设计和建模一样最忌讳一次性想得太全。多余的抽象不只是代码量的问题它会分散上下文、增加消息流转的复杂度还会让调试变得特别痛苦。7.2 Bead 类型的定义要“先粗后细”别一上来就搞绝对的规范化一开始我把 Bead 设计得特别细什么“用户接口定义 Bead”“数据库表结构 Bead”“前端路由 Bead”全部分开。看起来很有条理但用起来非常痛苦——Agent 产出的数据经常跨类型分类不清晰的时候它就会硬塞进一个不合适的类型后面查询时反而找不着。后来我把类型收敛到前面说的五个大类每个大类里用标签tag做细分。比如“技术方案 Bead”下面可以有“后端架构”“数据库设计”“接口规范”等不同的标签。这样 Agent 的分类负担小了很多系统查询的灵活性却更高了。等到某个标签的数据量大到需要单独拉出来管理时再把它升级成独立的 Bead 类型这个时机才比较合适。7.3 一定要给 Beads 库做个概览面板这一点可能很多人会忽略。Beads 库用起来很爽但如果只有一个 API 没有可视化界面你会经常处于“不知道现在系统里到底有哪些东西”的焦虑状态。尤其是 Debug 的时候一份概览面板能帮你快速定位问题出在哪个环节、哪个 Bead 的状态不对。我的面板逻辑很简单按 Pipeline 阶段分组展示 Beads每个 Bead 显示类型、创建时间、上游引用、状态。接入实现也就两三百行代码但这东西的投入产出比高得惊人。它不只是调试工具也是 Agent Team 的“仪表盘”每次跑完一条 Pipeline 扫一眼就知道哪里好哪里坏省去了大量人工审查时间。这篇文章写到这里基本上把我从单 Agent 到多 Agent 团队的关键决策、落地方式、真实数据和值得注意的坑都盘了一遍。最后再分享一个我自己坚持了很久的原则Agent Team 这个方向不要迷信某个框架或某个模型能解决所有问题真正决定上限的永远是“职责边界是否清晰、数据流转是否可控、经验能否沉淀复用”这三件事。围绕这三件事持续做工程化打磨哪怕模型换了一代又一代这套架构的收益都不会消失。 从单Agent到Agent Team：Paseo编排与Beads状态管理实战
前一篇把骨架立起来之后项目停更了一段时间。原因很简单跑通 Demo 只是第一步真正让我卡住的是“单 Agent 能干活但一堆 Agent 在一起反而互相捣乱”这个尴尬局面。这篇主要记录我从单 Agent 原型切到 Paseo 做编排、用 Beads 管理状态和复用之后整个软件开发 Agent Team 才真正像一支团队的过程。如果你也在搭类似的软件开发 Agent Team正卡在“Agent 之间有对话但没协作”“上下文乱成一锅粥”“改一个地方崩三个环节”这类问题上这篇应该能给你省不少时间。我会把角色拆解、消息流设计、状态落地方式和真实跑出来的性能数据都摊开讲尽量讲透“为什么这么做”而不只是贴代码。1. 为什么从“单 Agent 原型”切到 Paseo 编排这个跨步值不值1.1 前篇遗留的问题单 Agent 根本撑不起“团队”这个说法前一篇里我用单个 Agent 接了代码库索引和命令行工具看起来能完成不少任务但用了一周就发现天花板很明显单个 Agent 的上下文窗口有限需求一复杂前半段的设计文档和后半段的代码修改就会互相挤占上下文空间更麻烦的是它没有真正的任务边界——让一个 Agent 既当架构师又当测试工程师结果往往是它在设计阶段就开始写代码在测试阶段又开始改需求。单独跑几个 Demo 看不出问题一旦接真实需求所有缺陷都会放大。我遇到最典型的一个场景让单 Agent 实现一个带分页的列表页它在生成接口代码时“记着”要用某个分页参数等生成前端组件时又把这个参数的名字改了导致最后联调完全对不上。这本质上不是模型的智力问题而是职责边界和状态传递出了问题。所以那段时间我基本得出一个结论软件开发 Agent Team如果没有清晰的编排层和状态管理层充其量是一个“会聊天的代码生成器”。要做成“团队”必须引入两样东西——负责调度的编排运行时和负责让 Agent 之间共享、沉淀数据的统一载体。这就是 Paseo 和 Beads 进场的直接原因。1.2 Paseo 在团队模型里到底承担什么Paseo 在我这套系统里的定位非常纯粹它是一个多 Agent 编排运行时负责定义“谁在什么条件下做什么事结果怎么流转”。它不直接写代码也不直接做测试它只干三件事路由、调度、生命周期管理。路由的意思是某条消息进来之后Paseo 根据话题topic和上下文状态决定把消息投递给哪个 Agent。比如需求描述一旦出现“实现XX功能”这类结构化的输入它就路由到架构师 Agent架构师产出的设计文档被确认后产生的一组任务又会被路由到开发 Agent 的工作队列里。调度解决的是“多个 Agent 同时想干活谁先谁后”的问题。Paseo 里每个 Agent 的入参和出参都有明确的 schema调度器可以判断任务之间的依赖关系。比如测试执行必须等开发 Agent 的补丁合并到工作区之后才能跑这种依赖关系在 Paseo 里用 edge 来表达比我之前用 if-else 手工维护状态机要清晰得多。生命周期管理则解决“Agent 挂了怎么处理”的问题。真实开发中模型调用超时、返回格式非法、中间节点抛异常都是常态。Paseo 允许我为每个节点定义超时、重试和降级策略。比如架构师 Agent 调用超时两次之后系统不会直接把整个 pipeline 废掉而是走一个降级分支——使用上一次成功的设计草稿继续往下走并把异常记录到监控面板里。不选 LangGraph 或 CrewAI 而选 Paseo原因也算简单LangGraph 的图模型很强大但在这个场景里我需要的路由是“基于角色和话题”的而不是纯粹的 state machineCrewAI 上手快但它的角色协作比较偏“对话流”不适合需要精确控制产物格式和写入路径的开发场景。Paseo 刚好处在两者中间——有足够的自由度又不逼我把所有流程都建模成状态机。1.3 Beads 的角色不是框架是粘合剂如果说 Paseo 是团队的“项目经理”那 Beads 就是团队共用的“共享白板”——所有 Agent 的输入、输出、中间产物、测试结果都落到 Beads 上谁需要谁去取而不是靠 Agent 之间互相传话。我最早踩的坑就是把数据直接塞在消息里A Agent 生成的完整设计文档直接拼到 B Agent 的 prompt 里。一开始看着挺直接但很快就发现两个问题一是 prompt 长度爆炸设计文档动辄几千 token再加上上下文窗口里已有的内容平均一次请求要烧掉两三万 token成本翻了好几倍二是无法溯源某个文件改动是谁做的、基于哪份设计文档做的全都查不到。Beads 解决了这两个问题。它的核心抽象就是“一个带类型的、可寻址的、可持久化的数据单元”。每个 Bead 有唯一的 id、类型类型、元信息和正文。Agent A 产出的设计文档是一个 BeadAgent B 读取需求时只需要按 id 或类型去查对应的 Bead读完把结论再写成新的 Bead。这样所有中间产物都有记录、有版本、可按需取用而不是全部堆进上下文里。所以我说 Beads 是“粘合剂”它粘合的不仅是数据还有团队协作的时间轴——谁在什么时候产出了什么全都留在里面这不仅方便调试也为后面做经验复用打下了基础。2. Agent Team 的角色拆解架构师、开发者、测试者、审阅者的协作关系2.1 四个角色的职责边界现在的 Agent Team 一共有四个角色职责边界非常明确。这个边界不是我自己拍脑袋定的而是跑了两三轮真实需求之后一点点收敛出来的。一开始我也试过搞“全能 Agent”“超级 Agent”但协作效果很差最后才明白一个道理智能体协作里边界清晰比单个角色能力强更重要。角色输入输出核心关注点架构师 Agent需求描述、现有代码索引技术方案、任务拆解清单技术选型、模块拆分、风险识别开发 Agent任务清单、技术方案、相关代码上下文代码补丁、文件变更集代码可编译、风格一致、接口对接正确测试 Agent变更文件列表、需求验收条件测试用例、测试执行结果覆盖关键路径、定位回归问题审阅 Agent代码补丁、测试结果审查意见、合并/修复建议代码质量、安全隐患、是否有明显坏味道架构师 Agent 不需要了解具体某个函数的实现细节它只负责把需求翻译成技术方案并把大任务拆成可以独立执行的小任务。开发 Agent 拿到任务之后只关心自己这一个 slice 的实现不关心全局设计。测试 Agent 是独立的它不能使用开发 Agent 写出来的那套逻辑来验证自己必须从验收条件出发重新生成用例。审阅 Agent 作为最后一道闸门检查代码变更是否真的满足需求有冲突就打回通过则进入交付流程。一开始我也担心这种“流水线式”的分工会不会太死板但实际跑下来效果出奇的好。因为每个 Agent 的 prompt 都只需要专注于自己那一小块专业知识上下文消耗大幅下降输出质量也稳定了很多。2.2 角色之间的消息流设计消息流的设计是整个系统里最值得抠细节的地方。我的做法是用 Paseo 的 topic 机制定义了一套流转协议每个角色只监听自己关心的 topic。这样新增一个角色时不需要改动其他角色的代码只需要定义它订阅哪些 topic、产出哪些 topic 就行。默认的流转链路是这样的需求进入requirements话题架构师 Agent 监听这个话题产出design和task.breakdown两类 Beads开发 Agent 监听task.assigned话题把拿到的任务拆成具体的文件变更变更落到patch.produced话题上测试 Agent 收到之后开始跑测试测试结果进入test.completed审阅 Agent 读取补丁和测试结果后产出review.approved或review.rejected最终所有被批准的变更汇总成一次交付。这里有个很关键的设计消息流里传的不是内容本身而是 Beads 的引用。也就是说开发 Agent 产出补丁之后往patch.produced话题发的是一个 patch Bead 的 id而不是补丁全文。拿到这个 id 的 Agent 如果需要看细节再去取内容。这样每个 Agent 的输入消息都很轻量只有到了真正需要内容的时候才加载上下文压力小了很多。2.3 为什么没有直接上 AutoGen 式的“自由对话”有不少朋友问我为什么不直接用 AutoGen 那一套 multi-agent conversation让 Agent 们自己对话、自己协商不是更接近“团队”吗我试过但很快就放弃了。最大的问题是不确定性。自由对话模式下A 和 B 可能围绕一个很小的技术点来回吵十几个回合消耗大量 token 不说最后还不一定收敛。更麻烦的是排错困难——对话流不固定同一个输入跑两次可能走上完全不同的路径出了问题你很难复现。软件开发这个场景本质上需要的是确定性交付需求进来必须有明确的产物落盘必须有明确的测试结果必须有明确的交付或打回结论。自由对话适合头脑风暴、方案探索不适合把它作为默认的工程化执行路径。所以我的设计是常规流程走确定性 Pipeline只在架构师做技术方案评估时允许有限度的多轮讨论。这个折中方案在灵活性和可控性之间找到了比较好的平衡点。3. Beads 在状态与上下文管理上的实战落地3.1 把 Agent 之间传递的数据封装成 Beads真正动手落 Beads 的时候第一步是先定义清楚有哪些 Bead 类型每个类型长什么样。我把软件开发流程中的核心产物都建模成了 Bead初期只建了五类需求、技术方案、任务、补丁、测试报告。type Bead | { kind: requirement; id: string; payload: Requirement } | { kind: design; id: string; payload: DesignDoc } | { kind: task; id: string; payload: TaskItem } | { kind: patch; id: string; payload: PatchSet } | { kind: test.report; id: string; payload: TestReport };每个 Bead 除了 payload 之外还必须带几个元信息字段创建者 Agent 的 id、上游 Bead 的引用链、创建时间、版本号。有了引用链就可以在任何一个环节回溯前因后果这比打印日志好用得多。我后面排查一个 bug 时就是靠这条引用链找到了“测试报告引用了过期的开发补丁”这个根因。这里必须强约束一件事Agent 只能通过 Beads 写入数据不能直接改工作区文件。哪怕是开发 Agent 要改文件也必须先产出 patch Bead由专门的 executor 组件去应用补丁。这个约束看起来绕了一圈但它保证了所有的变更都可追踪、可回滚也为后面的并发控制留出了空间。3.2 跨 Agent 的上下文持久化为什么不直接把内容塞给下一个 Agent前面提到过我早期是把设计文档全文拼到下一个 Agent 的 prompt 里。为什么后来坚决不这么干了除了成本问题还有一个更隐蔽的坑模型在上下文很长的时候对中间部分的注意力会明显下降也就是说你把 8000 字设计文档塞进去模型可能只认真读了开头和结尾中间的技术细节全被忽略了。Beads 的解决方式是把 Bead 当“可寻址的知识片段”。下游 Agent 收到的是 Bead 引用和内容摘要它如果判断某个细节需要用到一个字段再去完整加载这个 Bead。这种按需加载的方式有两个好处。一是上下文占用稳定可控不会随着项目规模线性增长二是“摘要触发加载”的机制天然引导 Agent 抓重点而不是被海量细节淹没。为了让 Agent 能“按需”找到 Beads我给每个 Bead 建了一个轻量的索引。索引包含类型、标签tag、创建时间和摘要关键词。比如开发 Agent 要查“用户模块的分页参数”索引会返回所有包含“分页”标签的 Beads 摘要开发 Agent 再从中挑出它真正需要的那一两个完整加载。3.3 共享工作区的并发控制与版本对齐几个 Agent 同时要改同一个工程的代码时最容易出现的问题就是文件互相覆盖。比如开发 Agent A 正在改userService.ts开发 Agent B 同时也要改这个文件里的一个函数两个人基于不同的旧版本修改最后 A 先提交B 的补丁一应用就把 A 的改动覆盖了。这个问题的本质是“共享工作区”没有并发控制。我给 Beads 加了一层简单的文件级锁机制。任何 Agent 在下发变更到工作区之前必须声明它将要修改哪些文件路径executor 检查这些路径上有没有未释放的锁。如果已经被锁住后到的任务会进入 waiting 队列等锁释放之后重新尝试。这个机制实现起来不难但对防止互相踩踏非常有效。除了锁还有一个版本对齐的问题。每个 Agent 拿到任务时我都会在 prompt 里附带一个workspace revision字段告诉它当前工作区的基线版本。它的补丁必须基于这个基线生成。如果它生成补丁期间工作区已经被别的 Agent 推进了几个版本这条补丁会被标记为“过期”而打回重做。这个设计和 Git 的 rebase 逻辑有些类似但实现上要轻量得多。从实际体验看这层并发控制大概减少了 80% 以上的文件冲突问题剩下的 20% 靠审阅 Agent 处理成本已经非常可控了。4. 第一阶段 Pipeline从需求到可运行代码的完整流程4.1 需求解析与任务拆解阶段的设计逻辑先看整个 Pipeline 的入口。用户提交的需求描述先进 Paseo 的一个前置节点做规范化——不是让架构师直接动手而是先用一个轻量的预处理节点把需求里模糊的部分标准化明确用户角色、明确输入输出、明确验收标准。预处理节点产出的是一份“需求规格 Bead”架构师 Agent 拿到的已经是相对清晰的材料不用再花时间反复理解原始需求。架构师 Agent 拿到规格之后做两件事。第一件事是技术方案设计确定模块怎么划分、接口怎么定义、数据模型怎么设计。第二件事是把整个实现拆成若干个可独立执行的任务每个任务标注了涉及的文件路径、依赖任务和验收条件。这一步是最耗时的但也是最关键的——任务拆得越清晰后面开发 Agent 的效率和质量就越高。拆完之后这些任务会按照依赖关系被 Paseo 调度成一张执行 DAG。没有依赖的任务可以并行跑有依赖的任务必须等待上游完成后才能启动。比如“新增用户表结构”和“设计前端表单校验”两个任务没有依赖关系就可以并行而“实现列表查询接口”依赖“新增表结构”就必须排队。4.2 编码阶段并行和串行的取舍开发 Agent 的执行方式是整个 Pipeline 里最容易出问题的环节也是我调整最多的部分。一开始我贪图效率把十几个任务全部并行丢给开发 Agent 跑结果惨不忍睹。表面上看起来每个任务都在独立完成但拼到一起的时候问题全出来了一个 Agent 假设了某个工具函数不存在另一个 Agent 恰恰在写这个工具函数但因为并行没有完成于是一堆“资源暂时不可用”的报错。后来我把调度策略改成了“有限并行”同一时刻最多允许 3 个开发 Agent 并行执行并且它们在文件路径上不能重叠。没有文件依赖的任务可以并行共享文件的必须串行。这个调整直接让我的有效交付率提交的补丁能被成功应用的比率从 35% 提到了 78%代价只是总时长多了几分钟非常划算。每个开发 Agent 执行时Paseo 还会注入一套必要的上下文相关的 Beads 摘要、接口定义、已存在的代码结构说明。这些内容都是从 Beads 索引里即时查出来的不是静态写死在 prompt 里的所以能保证上下文和当前任务匹配。4.3 测试执行和结果回填让测试 Agent 独立生成用例开发 Agent 提交补丁之后测试 Agent 就要登场了。这个环节的设计原则是“不信开发的话”。开发 Agent 说“我测过了”我们不听测试 Agent 必须从需求规格和验收条件出发独立生成测试用例并执行。测试 Agent 的输入是需求规格 Bead、变更文件列表和测试脚手架信息。它生成测试用例之后会实际在工程目录里跑起来把结果汇总成测试报告 Bead。测试报告不仅包含通过/失败的结论还会列出它认为覆盖不够的路径作为审阅阶段的重要参考。执行测试这一步我用的是容器化环境每次跑都基于最新的工作区快照重新构建避免脏环境干扰结果。一个独立小工具的测试大概需要 20-40 秒一个包含前后端的模块可能需要 2-3 分钟。这个开销可以接受因为如果让有问题的代码流入下一阶段返工成本会高得多。4.4 失败分支的处理机制重试到底该不该自动执行Pipeline 跑失败时最忌讳的就是“无脑自动重试”。我踩过一个很经典的坑测试 Agent 跑某个测试一直失败我设置了 3 次自动重试结果它每次失败后都“换个姿势”重新生成测试用例但被测代码本身就有问题。它折腾了 3 次浪费了一堆 token最后测试报告显示“失败”开发 Agent 看一眼就知道是代码问题气得要死。后来我把重试逻辑改成了分级处理如果失败原因是“测试环境没起来”“依赖没装好”这类基础设施问题自动重试 2 次如果失败原因是“测试断言不过”“编译报错”这类业务代码问题不重试直接进入“修复循环”。修复循环会由开发 Agent 读取失败报告、修改补丁、重新提交但整个循环最多执行 2 轮超过之后系统会把问题升级到人工处理。现在回头看这个分级处理机制救了不少次项目。没有它自动重试会浪费大量资源有了它系统在自己该解决的问题上自动修复在自己不该解决的问题上及时止损。5. Agent 的“记忆”与经验复用把 Beads 变成团队的长期资产5.1 Token 是成本记忆是资产随着项目推进我发现一个很微妙的变化同样的技术风险Agent Team 处理得越来越顺手。比如项目的代码风格约定、某些模块的历史决策原因、已知的技术债位置这些信息第二次遇到时系统处理得明显更精准。原因不是模型变聪明了而是 Beads 库里积累了越来越多“历史记忆”。每一个 Bead 都记录了之前的决策和结果新的任务被执行时Agent 可以通过索引查到类似的历史记录参考之前的做法。这让 Agent Team 的每一轮执行都不再是“从零开始”而有了一种积累感。我特意把 Beads 库和 Git 历史放在一起每次交付完成之后系统会把本次交付对应的 Beads 快照和 Git commit 绑定。之后任何时候需要回溯“某个功能是怎么一步步做成现在这个样子的”只要看 commit 关联的 Beads 时间线就行。5.2 沉淀一次成功修 bug 的路径让它变得可复用举一个真实的例子。某次测试发现了一个典型的“竞态条件” bug开发 Agent 花了三个来回才修好。修完之后我没有让这次经验白白流失而是把排查路径和修复方案做成了一类新的模板 Bead存进了 Beads 库。这个模板记录了竞态条件 bug 的典型特征、排查步骤、常用修复模式。下次再出现类似的并发问题时测试 Agent 的失败报告会自动带上“这可能属于竞态条件类 bug”的提示开发 Agent 拿到提示后会先按模板里记录的路径快速排查再决定是否采用模板中的修复模式。实测下来同一类问题的修复轮次平均从 3.1 轮降到了 1.2 轮效果显著。这里的关键是模板不能是静态文本而是可被 Agent 查询的结构化 Beads。我会把模板拆成“特征描述”“排查步骤”“修复示例”三个字段分别写入不同类型的 Beads。这样模型能按自己当前遇到的问题去匹配最相关的那部分内容而不是把整篇模板塞进上下文。5.3 团队 WikiBeads 索引的另一种打开方式后来我干脆做了一个小的可视化面板把 Beads 库里的数据按类型和标签聚合展示。看起来就像团队的 Wiki但它是自动生成的——每个 Agent 的关键产出都会实时反映在面板上不用任何人手工维护。面板上能看到三类信息当前进行中的任务和负责人、已经完成的任务和产出摘要、最新的技术决策和理由。这些信息对调试系统非常有帮助平时跑完一条 pipeline我不用去翻日志在面板上扫一眼就知道发生了什么。对团队协作来说这个面板也让 Agent 的工作变得更可解释——不是黑盒每一步都有据可查。6. 真实跑下来的性能数据与调优笔记6.1 实测数据两个不同类型的任务跑出来的结果技术方案说得再多不如拿真实数据说话。我这里整理了两个代表性的实测结果一个是很简单的静态页面项目另一个是一个带数据库操作的小工具模块。第一个项目需求是“实现一个包含登录页和首页的个人中心静态页面登录后展示用户信息”。整个 Pipeline 从输入需求到交付代码总共耗时 4 分 12 秒产生 7 个 Beads经历 2 次任务并行最终交付代码 12 个文件 860 行。一次通过没有走修复循环。第二个项目需求是“实现一个用户管理模块支持增删改查和分页数据存 SQLite提供 REST API”。这个任务明显复杂总共耗时 13 分 48 秒产生 23 个 Beads经历 3 轮开发-测试-审阅循环。前两轮都因为测试没通过打回第三轮通过。一看时间分布光“测试失败-修复-重新测试”就占了将近一半的时间。值得说明的是这两个数据都是在模型质量和上下文策略比较稳定的情况下跑的。如果模型服务本身波动很大数值会涨得很夸张这一点后面会提到。6.2 对比调优前后的关键指标变化我在整个迭代过程中记录了两次比较完整的基线可以作为参考。性能指标初版自由对话版调优后PaseoBeads变化幅度单轮耗时复杂任务~28 min~14 min降低 50%有效交付率补丁可应用率35%78%提升 2.2 倍上下文峰值消耗128k tokens42k tokens降低 67%修复循环平均轮次4.6 轮1.8 轮降低 61%可追溯性出问题能否定位根因基本靠猜通过 Beads 链可回溯质的提升初版的数据是自由对话模式跑出来的每个 Agent 都在“聊”看似很热闹但实际交付效率很低。调优后最大的变化不是单个 Agent 变强了而是整个系统的“浪费”变少了——不重复沟通、不重复生成、不互相覆盖。这也印证了我一直坚持的原则Agent 团队的瓶颈从来不是模型的智商而是前后端的衔接和组织方式。6.3 调优过程中踩到的三个坑逐一说明第一个坑是prompt 里同时塞了太多 Beads 摘要导致 Agent 抓不住重点。我本来是想“让 Agent 视野更广”把相关 Beads 的摘要都放进上下文结果模型把摘要里最显眼的内容当成最重要的真正关键的验收条件反而被忽略。解决办法是控制摘要数量只放与当前任务直接相关的 Beads并且把验收条件单独用一个结构化字段写清楚。第二个坑是重试导致的“环路风暴”。某个 Agent 在某次调用中因为输出格式不符合 schema 被重试重试时它生成的代码和第一次完全不同但两个版本都写进了 Beads。后面其他 Agent 读到这两个版本就凌乱了都不知道该信哪个。后来我在每次重试前先把上一次的产出 Bead 标记为superseded并且在下游查询时默认排除这个状态的数据问题立刻消失。第三个坑是测试环境和真实运行环境不一致。有一阵子测试报告显示全绿但交付的代码一到用户手里就崩。排查了半天发现是容器的 Node 版本和线上版本不一样某些新语法在线上不支持。修法很简单把容器基础镜像锁定到和线上完全一致的版本。这个坑和 Agent 本身一点关系都没有纯粹是工程环境的细节但恰恰是这类细节决定了 Agent Team 能不能真正交付可用的东西。6.4 模型成本跑一个复杂任务大概烧多少钱最后说一下大家最关心的成本问题。以我用的模型 API 均价来算一个复杂模块类似上面用户管理模块的 token 消耗大约是 65 万 token 左右折合人民币大概 8-12 元。其中大头是开发 Agent 生成代码和测试 Agent 跑测试时反复读取 context 的部分大约占了 60% 以上。如果想省成本最有效的手段是减少无效重试和控制 Bead 全文加载次数。比如给每个 Agent 设置“最多完整加载 N 个 Bead”的配额或者对特别长的 Beads 先让它读摘要确认需要再全文加载。这套机制配合起来单任务的 token 消耗大概还能再降 30% 左右代价是偶尔会漏读一些细节需要靠审阅 Agent 补位。7. 如果你也准备照抄这套方案我的建议7.1 别一上来就搞六七个角色先跑通三个我见过很多人一上来就设计什么“CEO Agent”“CTO Agent”“架构师 Agent”“产品经理 Agent”一大堆结果每个角色的 prompt 都是抄来抄去的空话跑起来根本没法用因为任务边界非常模糊。我的建议是起步阶段只留三个角色架构师、开发、测试。这三个角色刚好覆盖“设计-实现-验证”的最小闭环。跑通之后再根据实际需要增加角色比如你觉得交付质量不够再加审阅 Agent觉得需求解析太弱再加预处理节点。角色设计和建模一样最忌讳一次性想得太全。多余的抽象不只是代码量的问题它会分散上下文、增加消息流转的复杂度还会让调试变得特别痛苦。7.2 Bead 类型的定义要“先粗后细”别一上来就搞绝对的规范化一开始我把 Bead 设计得特别细什么“用户接口定义 Bead”“数据库表结构 Bead”“前端路由 Bead”全部分开。看起来很有条理但用起来非常痛苦——Agent 产出的数据经常跨类型分类不清晰的时候它就会硬塞进一个不合适的类型后面查询时反而找不着。后来我把类型收敛到前面说的五个大类每个大类里用标签tag做细分。比如“技术方案 Bead”下面可以有“后端架构”“数据库设计”“接口规范”等不同的标签。这样 Agent 的分类负担小了很多系统查询的灵活性却更高了。等到某个标签的数据量大到需要单独拉出来管理时再把它升级成独立的 Bead 类型这个时机才比较合适。7.3 一定要给 Beads 库做个概览面板这一点可能很多人会忽略。Beads 库用起来很爽但如果只有一个 API 没有可视化界面你会经常处于“不知道现在系统里到底有哪些东西”的焦虑状态。尤其是 Debug 的时候一份概览面板能帮你快速定位问题出在哪个环节、哪个 Bead 的状态不对。我的面板逻辑很简单按 Pipeline 阶段分组展示 Beads每个 Bead 显示类型、创建时间、上游引用、状态。接入实现也就两三百行代码但这东西的投入产出比高得惊人。它不只是调试工具也是 Agent Team 的“仪表盘”每次跑完一条 Pipeline 扫一眼就知道哪里好哪里坏省去了大量人工审查时间。这篇文章写到这里基本上把我从单 Agent 到多 Agent 团队的关键决策、落地方式、真实数据和值得注意的坑都盘了一遍。最后再分享一个我自己坚持了很久的原则Agent Team 这个方向不要迷信某个框架或某个模型能解决所有问题真正决定上限的永远是“职责边界是否清晰、数据流转是否可控、经验能否沉淀复用”这三件事。围绕这三件事持续做工程化打磨哪怕模型换了一代又一代这套架构的收益都不会消失。