Planner-Worker Separation for Long-Running Agents

在复杂的多周项目中并行运行多个AI智能体时，会产生重大的协调挑战：

• 扁平化结构会引发冲突、工作重复，还会导致智能体之间互相干扰
• 通过带锁定机制的共享文件开展动态协调会成为瓶颈——大多数智能体的时间都耗费在等待上，而非实际工作
• 地位平等的智能体会变得规避风险，逃避困难任务，仅做出微小的、安全的变更，而非着手进行端到端的实现工作
• 没有任何智能体负责解决棘手问题或把控整体项目方向

将Agent角色划分为分层的规划者-执行者结构：

• 规划者（Planner）：持续探索代码库并创建任务。他们可以为特定领域生成子规划者（Sub-Planner），让规划工作本身具备并行性与递归性。
• 执行者（Worker）：承接任务并专注于完成任务。他们无需与其他执行者协调，也不用考虑全局情况。会全力推进分配到的任务直至完成，然后提交变更。
• 评判者（Judge）：在每个周期结束时，判定是继续执行还是已达成目标。

这种结构形成一个迭代周期，每个迭代都会重新启动，以此避免偏差与视野局限。

graph TD
    subgraph 规划层
        P1[规划者Agent]
        P1 --> SP1[子规划者：领域A]
        P1 --> SP2[子规划者：领域B]
        P1 --> SP3[子规划者：领域C]
    end

    subgraph 执行层
        SP1 -->|创建任务| W1[执行者1]
        SP1 -->|创建任务| W2[执行者2]
        SP2 -->|创建任务| W3[执行者3]
        SP2 -->|创建任务| W4[执行者4]
        SP3 -->|创建任务| W5[执行者5]
    end

    subgraph 评估层
        W1 -->|提交变更| J[评判者Agent]
        W2 -->|提交变更| J
        W3 -->|提交变更| J
        W4 -->|提交变更| J
        W5 -->|提交变更| J
        J -->|是否继续？| P1
    end

规划者-执行者分离的适用场景：

1. 大型代码库：需要人类团队耗时数月完成的项目（代码量超100万行、文件数超1000个）
2. 高难度目标：从零构建复杂系统（如网页浏览器、Windows模拟器、Excel克隆版）
3. 大规模迁移：原地框架迁移（如从Solid迁移到React、Java LSP实现迁移）
4. 性能优化：为提升速度采用不同语言进行完全重写（如从C++重写为Rust）

实现注意事项：

• 角色专属模型选择：不同模型擅长不同角色。即便存在专注于编码的执行者模型，也应选用专注于规划的模型来承担规划者角色。
• 全新启动：每个周期都应从全新状态开始，以避免长期运行的context引发的偏差和视野局限。
• 并行规划：规划者可以生成子规划者，使规划过程本身具备并行性和递归性。
• 执行者隔离：执行者应聚焦于单个任务，无需处理与其他执行者的协调工作。

Prompt设计至关重要：要让Agent实现良好协作、避免异常行为并长期保持专注，需要针对prompt开展大量实验。

优点：

• 可扩展性：数百个Agent可在单一代码库上同时工作数周
• 明确的职责归属：规划者（Planners）掌控全局；执行者（Workers）负责任务完成
• 并行规划：可通过生成子规划者来扩展规划能力
• 降低协调开销：执行者无需相互协调
• 避免思维局限：带有全新启动环节的迭代周期可防止任务偏离方向

缺点：

• 系统复杂度高：需要用于角色划分和任务分配的编排基础设施
• 提示词工程难度大：协调行为需要大量的提示词实验
• 成本高昂：让数百个Agent同时运行数周的成本不菲
• 并非完全高效：存在大量Token浪费，但实际效果远好于预期
• 仍在发展完善中：规划者应在任务完成时触发唤醒；Agent有时会运行超时