用职责与权限约束四类编程子智能体
文章以代码审查、测试编写、资料研究和文档编写四类角色演示子智能体配置。核心是明确单一任务、输入材料、文件读写权限、报告格式与禁止事项,使执行结果可检查。
AI 深度解读
多开几个 AI 窗口,再分别冠上「审查员」「测试员」的名字,并不会自动得到一支可靠的开发团队。作者的主张是:子代理应该是一份附带权限的岗位说明,明确做什么、能改哪些文件、如何交付,以及绝不能做什么。
原文用 reviewer、test writer、researcher、doc writer 四种角色串起一次开发任务。它最有用的部分,是把「分工」落到了文件权限、执行顺序和可核查的报告上。对于已经用 AI 写代码、又开始尝试多代理协作的程序员,这些约束比角色提示词更值得先设计。
角色是否成立,要看它能改哪些文件
作者给每份子代理配置规定了相同的五个部分:角色、输入材料、工具与权限、输出格式、禁止事项。
角色用一句话定义工作,同时说明什么时候该用、什么时候不该用。输入材料则是交给代理的任务包,包括目标、允许读取的文件、diff 或规格,以及准确的验证命令。输出不能只说「完成了」,而要有固定格式,让人能在一分钟内检查清楚。
这里的任务包,可以理解为一次任务的交接单。代理不需要自己猜需求、猜检查范围,再临时编一个验收标准。
五部分里,作者最强调权限。如果两个代理都能修改所有文件,即使一个叫 reviewer,另一个叫 test writer,也只是两个拥有相同能力的通用代理。
因此,所有配置都遵守两条底线:reviewer 只读;同一个文件在同一时间只能有一个代理拥有写权限。后者叫「one writer rule」。需要改同一文件的任务必须串行执行,不能为了并行而让它们同时动手。
角色边界要由权限落实,不能只靠提示词提醒。
这也解释了作者为什么反复强调禁止事项。它们不是统一贴上的行为守则,而是针对岗位最容易越界的地方设限:审查员不能顺手修复,测试员不能改实现,研究员不能把调查变成代码提交。
测试失败可以合格,审查通过必须有证据
test writer 的任务是根据行为规格写测试,不负责实现功能。它收到的材料包括带示例的规格、函数签名,以及用于参考风格的现有测试文件;写权限只覆盖任务包中点名的那个测试文件。
在作者描述的演示里,被测函数还是桩实现,新测试运行失败。这是预期结果。测试员应报告写了哪些测试、执行了什么命令、真实结果是什么,以及哪些用例没有覆盖。
这里有一个容易被忽略的区别:测试员完成了任务,不等于测试已经通过。为了让结果变绿而补实现、把断言改成错误输出,或者删掉旧测试,都会破坏这一步的价值。跳过的测试也不能记成通过。
reviewer 则检查已经完成的 diff,判断它是否符合原始任务和仓库规则。它的任务包有四项:原始任务包、diff、变更文件、测试命令。其中,测试命令必须来自仓库规则文件,不能临场发明。
reviewer 可以读取任意文件、运行测试套件,但不能写文件。报告先列问题,按严重程度排序,每项写清文件、问题和证据;然后说明检查了什么、没检查什么,最后给出 accept 或 send back 的结论。
为什么连小修复也不允许?作者举了一个典型失败模式:审查员发现问题后直接修好,再提交一份干净的报告。这样既隐藏了原实现的错误,也让修复绕过了独立审查,记录里还看不到问题曾经存在。
发现问题和修复问题需要分开,审查报告才有可追溯性。
研究按问题插入,文档等验收后再写
researcher 只回答一个具体问题,产出供协调者决策的简报。任务包必须说明问题、答案要支持什么决策,以及允许使用哪些来源,优先官方文档。
作者甚至规定:一个问题如果需要两句话描述,就拆成两个任务包。这是一种限制范围的办法,目的是阻止研究员把一次确认扩展成漫无边际的调查。
它对仓库只读,也只能使用指定来源。报告前两行直接回答问题,后面列出证据和来源,无法确认的内容明确标成 unconfirmed。研究员不能顺手修改代码,也不能把没有确认的说法写成事实。
doc writer 的启动条件更严格:任务包里必须有已经验收的 diff、reviewer 的结论,以及实际运行过的使用示例。它只能修改点名的文档文件,可以读代码和测试、运行示例,但不能改代码。
交付内容包括文档变更、示例及其真实运行输出、发现的不一致,以及没有覆盖的内容。如果代码行为与原本准备写的文档冲突,就把冲突报告出来,不能靠措辞掩盖,更不能虚构示例输出。
四种角色串起来,顺序是:测试员先写测试并如实报告失败,一个 worker 完成实现,审查员检查 diff 并运行完整测试套件,验收后再由文档员收尾。研究员在出现事实性疑问时介入,并非每次都必须经过的固定关卡。
作者用一个简单标准检查整条流程:每次文件变化,都应该能指出当时究竟是谁拥有写权限。
我的判断
这套方案最有说服力的地方,是保护了验证环节的独立性。测试员不能迁就实现,审查员不能自行修复,文档员不能把计划写成已有能力。这些约束能让失败留在记录里,方便后续追查。
但原文没有提供多代理与单代理的完成时间、缺陷率、成本对照,也没有给出团队长期使用的数据。它展示的是一套配置思路和演示流程,不能据此认定四个角色一定更快、更省钱。作者说大批量阅读适合交给更便宜的模型,也只是经验判断,没有给出模型名或质量对照。
「测试就是规格」同样有前提:输入规格必须足够准确,测试也得覆盖关键行为。实现符合测试,不代表需求一定正确;reviewer 仍然需要对照原始任务判断。
还有一个落地细节原文没有讲清:只读究竟由工具权限强制执行,还是仅写在配置文字里。一般团队采用时,应确认所用工具是否真的能限制写入。另外,测试和示例可能生成缓存、快照或构建产物,所谓「允许执行但不允许写文件」需要在环境里定义清楚。
对于一次小改动,单代理完成修改,再交给独立审查步骤,可能更省交接成本。多代理的价值需要用任务规模和验证需求来衡量,不能用角色数量证明。
能拿来做什么
- 给现有 AI 编程任务补一份交接单,写清行为示例、文件范围、仓库规定的验证命令和报告格式,减少代理自行猜测验收条件的空间。
- 在前端或 Node 项目里拆分测试与实现时,让测试员只写指定测试文件,并要求报告真实执行结果;实现尚未完成时,允许测试如实失败。
- 把 AI 审查配置为只读,要求按严重程度列出文件、问题和证据,再交回实现者修改,保留完整的问题记录。
- 更新 README 或使用示例前,先确认代码已验收,并实际运行示例;遇到行为不一致时先报告,不让文档替代码作出承诺。