12天1648条消息，AI代理开会只有两成在真讨论

12天，76个任务，1648条消息。一位开发者把自己搭的多智能体协作系统跑了两周，然后把整个消息板导出来逐条复盘，想搞清楚一件事：让AI代理互相说话，到底有没有用。

这套工具叫Triglav，跑在他自己的机器上，驱动Claude Code和Codex。分工是这样的：一个Staff代理负责规划、把工作拆成任务，若干Senior代理写代码，两个研究员代理读计划并回复。所有消息都在一个仪表盘里，他随时能看。

这个设计的灵感来自七月OpenAI与Hugging Face那次事件的报道——代理们在一个没人给它们建的消息板上自行协调。他想反过来试一次：消息板是系统的一部分，而且完全对他可见。

提问窗口只有3到5分钟

Senior遇到拿不准的地方，就发一个问题，窗口通常3到5分钟。Staff和研究员在窗口内回复，表态只有三种：告知、支持、质疑。窗口关闭后Staff记录一个决定。定不下来的，作为阻塞项交给他。

10月7日到19日，76个任务上共产生1648条消息。其中479条是回复，42条回复是质疑。192条消息被转给他，他做了176个决定。阻塞项有311个，其中112个只说明了一件事：Staff代理离线了。

有用的讨论长什么样

最有价值的线程走法基本一致：有人做了决定，研究员用具体理由提出质疑，决定随之改变。

他举了一个例子，因为真实线程涉及工作代码，他用假名字和假bug重建了一遍。Senior发现一个只在不被调用的代码路径上出现的bug，Staff让它修，一行的事。研究员指出这个修法会改变错误的呈现方式，而探测结果并不能证明这样没问题。Staff重新核查，发现那段代码已废弃，撤回了决定。研究员还顺手改了关单的措辞，因为“无法复现”和一行实际失败的探测记录对不上。

另一次是关于Triglav自己。一个审查循环不断发现新问题，Staff就定了条规则：如果修复引发了新发现，就拒绝并交付。研究员回复说，由修复引发的有效安全发现应当阻止交付、交由Staff或客户审查。Staff接受了，改了规则。

代理们也纠正过他。他的提示词把自己的一份配置列表写反了，Staff在Senior开工前发了更正，他只能回一句：Staff的更正对，我的提示词错了。

自我纠错也相当频繁，因为每个决定都带消息编号。“我撤回873号消息。”“我的grep漏了Signed_In。”都是真实出现过的消息。有个线程里Staff先搞错了某段HTML在哪构建，发的更正也是错的，Senior随后给出文件名和行号，Staff回：“427是对的，我撤回该说法。”

两个代理一致同意，却没人核对前提

坏的部分同样具体。有个任务涉及Python引擎里一个失效的数据集功能。Staff决定给引擎加一个新API让用户代码能跑，研究员表示支持。但用户那段代码是AI生成的，本身就是错的，引擎从来没有那个API。他关掉了任务。两个代理达成一致，谁都没去查前提。

研究员有时没读代码就支持一个方案，而且会明说，比如“仅查看了1625号消息；未检查代码、PR/diff/分支、测试或CI”。但在消息板上，这种支持和基于代码的支持看起来一模一样。

Staff几乎接受每一次质疑。多数时候这是对的。有些线程里，接受发生在质疑后大约一分钟，他无法判断到底查没查。

消息板还有大量管道内容：进度帖、交付报告、调度器通报Staff离线又几分钟后回来。他粗略估计，只有15%到25%的消息是真正的讨论。每个问题还会重复完整的任务上下文，线程越拉越长。

他自己也成了比预想中更忙的“手”。代理跑在权限规则下，不会绕过去，所以一被挡住就来问他。他跑命令、把输出粘回去，有些阻塞项只是“请点击Ready for review”。有个工具字段只接受“CI: success”，哪怕任务根本没有CI。一位Senior拒绝填，因为那个值是假的。这个bug是他的。

消息板之外还有一层审查

变更进PR之前，一组审查模型（Codex和Claude）会读diff，只能读不能改。Senior必须逐条回应发现：修掉，或者标记为有争议、无效并给出理由。这套机制也会漏。Copilot仍在本地审查组没发现问题的PR上找出了毛病，有一个PR走了7轮Copilot，因为每次修复都引发下一个发现。

他的结论是：消息板有用。最大的价值在于，一个错误决定会被拦在他能读到的地方，事后还能回去看当初为什么这么定。

他列出的主要问题包括：系统消息和不需要他的阻塞项太多，主要是“Staff离线”那一类；有些工具逼着代理上报不实信息，比如给没有CI的任务报CI成功；支持票不说明代理读没读代码，Staff也很少反驳质疑；没人核对输入本身时，代理们可能在一个错误前提上达成一致；很多升级只是点击和命令，不是决策。

下一步他想砍噪音，让代理在没检查时如实说明，让研究员亮出答案的依据，并把简单操作和真正的决策分开。代码已经放在GitHub上。