从头构建多智能体系统学到的经验

https://www.infoq.com/presentations/multi-agent-system-lessons/

这是 Shopify 高级工程师 Paulo Arruda 在 QCon 上的演讲，讲的是他从 2024 年底到 2025 年上半年在 Shopify 实际构建多 Agent系统的经历。他说这更像是一个故事，技术细节有，但核心想传递的是那些网上看不到的亲身经验。

故事起点是测试生成。Shopify 是一个巨大的 Rails 单体应用，AI 工具开始帮工程师写代码之后，PR 质量开始变得难以保证，他想研究 AI 能不能帮助补充测试覆盖率来兜底。他尝试过构建文件依赖图、为每个源文件生成 GPT 摘要、用语义关系建图的方案，但成本极高、难以维持更新，最终放弃。

转折点是 2025 年 2 月 Claude Code 的研究预览版上线。他发现 Claude Code 用 Grep 和文件读取来搜索代码，效果和向量索引方案差不多甚至更好，但完全不需要维护索引。更重要的是，这意味着 Agent 可以在任意代码库里操作，不需要预处理。

从这个观察开始，他真正开始探索多 Agent 架构。他踩过的坑里最有普适价值的有两条。

第一条是专才 Agent 的效果远远好于通才 Agent。给一个 Agent 一个宽泛的任务，它会尝试做太多事、每件事都做不精；把同样的工作拆分给多个各自专注于特定范围的 Agent，结果更好，出问题的时候也更容易定位到哪个 Agent 在哪个步骤出了问题。