多智能体写代码，为什么交付不了软件？

让几个AI智能体一起写代码，这件事本身已经不难了。难的是让它们写出来的东西能拼在一起，真正跑起来。

设想一个很常见的分工：一个智能体负责规划任务，一个写前端，一个写后端，再来一个跑测试。每个角色各司其职，理论上还能并行推进，看起来应该更快。但问题恰恰出在这里——让多个智能体各自生成代码相对容易，让它们产出的代码彼此兼容，要难得多。

举个具体的例子。让前端智能体和后端智能体一起做一个任务管理应用。前端智能体做出了漂亮的待办列表，它期待接口返回一个 assignedUser 字段。而后端智能体实现接口时，用的字段名是 assignee。

两个智能体都完成了任务，都报告成功。但应用跑不起来。

这个例子很小，却指向一个更大的问题：每个智能体单独看都干得不错，整个系统却依然失败。而且这类问题不会因为换了更强的模型、或者把提示词写得更详细就自动消失。真正的挑战在于协调。

先想工作流，再想智能体

设计多智能体系统时，很容易一上来就定义角色：一个规划者拆解需求，一个前端智能体写 React 代码，一个后端智能体搭接口，一个测试者检查实现，一个审查者找 bug。这是合理的起点，但更该先回答的问题是：工作怎么从一个阶段流到下一个阶段？

在决定需要几个智能体之前，先搞清楚一个功能从想法变成可用软件，中间要经过什么。一个简单的开发流程大致是这样：需求 → 规划 → 定义接口契约 → 前端与后端并行 → 测试 → 审查 → 交付。

注意这里的一个细节：前端和后端可以并行，但前提是接口契约已经定义好。没有共享契约，每个智能体就只能各自做假设。它们独立做的假设越多，后面需要返工的量就越大。所以更合理的顺序是先想工作流，再想智能体。

并行来自任务结构，不是智能体数量

拿任务管理应用来说，可以拆成五个任务：需求、接口契约、前端、后端、集成测试。前端和后端不需要互相等待，它们只需要等接口契约。契约一就绪，两个任务就能同时开始。

一个简单的调度器就能判断哪些任务可以运行：当某个任务的所有依赖都已完成时，它才具备运行资格。真实实现里还要跟踪运行中、失败的任务，处理重试，防止多个执行者抢同一个任务。关键在于，不需要手动协调每一步来告诉智能体何时开始，让依赖图来决定就行。

并行应该来自工作本身的结构，而不是单纯因为手头有多个智能体可用。

还有一个值得警惕的问题：智能体说"完成了"，不等于任务真的完成了。设想后端智能体返回一个结果，状态是已完成，摘要写着实现了任务分配接口，测试显示通过。看起来没问题。但如果它根本没跑测试呢？如果它跑错了命令呢？如果测试失败了，而它误读了输出呢？

系统不应该完全依赖智能体对自己工作的描述，而应该自己去跑必要的检查、收集结果。比如依次执行类型检查、测试、构建，任何一步退出码不为零就判定未通过。区别很简单：智能体负责写代码，验证系统负责检查它能不能用。这不意味着测试能证明软件完全正确——它们做不到——但它提供了独立证据，而不是依赖模型的自信。

那失败的时候怎么办？假设前端期待返回 items 和 nextCursor，后端却返回了 data 和 total，集成测试失败。直接把错误丢回给前端智能体让它改，可能是错的——也许问题出在后端没有遵守约定好的契约。

在让智能体再改一次之前，工作流应该先判断到底哪里出了问题。一份有用的失败报告会包含任务编号、失败类别（实现缺陷、契约不匹配、测试缺陷、环境故障）、摘要和证据。这比一句笼统的报错有用得多，编排层可以据此决定是重试实现、重新审视契约、修测试，还是找开发者介入。自动重试也该设上限，同一个问题试了几次还在，系统就该停下来解释发生了什么，而不是无限生成代码。有时候智能体能做的最好的事，就是报告自己被卡住了。

多智能体开发真正有意思的地方，不是让智能体更自主，而是搭一个系统：每份工作都有明确目的，智能体共享同一套假设，并且我们能理解一个任务为什么成功或失败。这需要几样东西配合：能产出有用任务而非模糊指令的规划者、尊重依赖关系的调度器、保持实现一致的共享契约、受控的变更环境、产出真实执行结果的自动检查，以及交付前发现问题的审查流程。

这些想法在软件工程里都不新鲜。依赖图、CI 流水线、接口契约、隔离环境、代码审查，我们早就在用。变化在于，AI 智能体现在也参与到这些流程里，我们需要相应地设计周边系统。

不要一上来就追求让每个智能体完全自主。先做一个小工作流，让它可观测，看它在哪儿出问题，然后去改进那些真正造成问题的部分。

多智能体系统可以有用，尤其当任务边界清晰、包含若干独立工作时。但增加智能体数量，并不会自动让软件开发更快或更好。如果智能体之间不共享契约，如果它们的改动没有被正确集成，如果没有人验证结果，我们可能只是更快地制造错误。

更有用的问题不是我们能同时跑多少个智能体，而是：怎么把多个 AI 智能体的工作，变成一次我们真正信得过的软件变更？