用依赖和写入冲突判断 Agent 任务能否并行
作者复盘自己委派的 290 项任务,发现仅 2 项曾并行,主要耗时来自排队。其做法是先检查任务间的结果依赖和写入冲突,无冲突时每批安排约 3 至 5 项。
AI 深度解读
作者把内部业务工具的开发和修复交给 AI Agent,并给每次委派留了记录。最早的 290 项任务里,只有 2 项曾并行委派。大量互不依赖的工作排在同一条队里,上一项做完了,下一项才发出去。
这篇复盘给了一个发任务前就能用的判断方法:下一项是否要等上一项的结果,两项是否会改到同一处。对平时用 AI 查代码、跑检查、改功能的人来说,这两个问题能帮你分清哪些等待有必要,哪些可以省掉。
能不能并行,先看结果依赖和写入冲突
作者在派任务前问两个问题:
- 我是否必须先看到上一项的结果,才能写出下一项的请求?如果要等,就串行。
- 两项任务是否会改写同一批文件或同一张表?如果会,就串行,或者先划清各自可以修改的范围。
调研、重读代码、检查现有实现这类只读工作,通常两个问题都答「否」,可以一起发出去。「调研 → 决策 → 实现」则要按顺序走,因为每一步的产出都是下一步的输入。最后决定是否采纳结果,也由作者依次判断。
作者把并发量控制在 3–5 项。这个上限来自他自己能审阅多少结果。任务发出后,他等整批结果到齐再集中看,避免每来一条就切回去读、回消息。遇到失败,也只重发失败的那一项。
约 26 分钟是怎么算出来的
在最早的 290 项记录里,委派调用的失败率为 7.2%,其中按全部任务计,只有 0.7% 需要从头重新发出请求。这两个数字回答的是委派有多常出问题,以及有多常需要重来。
采用并行规则后,作者回看了一份包含 328 项任务的新版日志。他检查了 13 批,其中 10 批有互不相关的任务可以同时委派,比例为 76.9%。这里的分母是 13 个批次。
作者用每批任务的耗时总和减去其中最长的一项,再把各批的差值相加,得到 1,560 秒,约 26 分钟。任务耗时包含少量 hook 启动延迟。这个算法估算的是同批任务同时起跑时能省多少等待。原文给出了日志和计算口径,未给出同一批任务分别串行跑、并行跑的实测对照。
这套并行判断只是作者工作流的一环,另外还有角色分工、免费的六字段委派表单 The Six-Field Request Form,以及验收检查。包含并行判断与完整 8 项验收清单的手册 Delegating Work to AI 标价 $12,原文标注优惠码 LAUNCH 可减 $3,截止时间为 2026 年 11 月 23 日 23:59 JST。
我的判断
我认同先检查任务之间的依赖。逐项派发便于随时调整方向,适合后续需求还要靠前一步澄清的工作。几个已经讲清楚的只读任务一起发,能减少空等。批次收齐再审也有代价,如果其中一项拖得久,先返回且可独立使用的结果也会晚一点被看到。
3–5 项并发是作者的经验值,7.2%、76.9% 和约 26 分钟也都来自他的个人日志。换到团队里,两个任务即使各改各的文件,也可能依赖同一份接口契约,或者争用同一个测试环境。判断能否并行时,除了文件和表,还得看共享资源和约定。原文没有给出这些条件下的对照数据。
能拿来做什么
- 排查一个前端缺陷时,可以把重读组件、检查现有测试、梳理 API 调用链同时交给 Agent,等结果收齐再决定改哪里。
- 委派两个 Node 改动前,先在请求里写清各自能改的文件或表。两项都要改同一张表时,先把数据结构定下来,再派依赖它的改动。
- 连续几次觉得 AI 编程慢时,把任务运行时间和因等待而推迟发单的时间分开记。先挑一组独立任务试批量委派,只有失败项需要重新发出。