研发Loop的上下文优化与多Agent协作实践

导读

在 Workspace 上做研发时,Loop 每轮都要重装上下文,代码读写与工具结果又不断叠加,触发压缩后还会损伤任务依赖的操作规范。本文从上下文优化、Skill 结构优化、Subagent 任务拆分三方面改造流程,使多轮复杂任务执行更快、结果更准确,以研发测试交付全流程无人工介入的案例演示效果。

01 问题:当前研发流程慢在哪里

1.1 人工参与频次高

一次典型的研发流程

1.2 可用上下文窗口大小逐渐减小,注意力随时间衰减

研发 Loop 指「需求 → 方案 → 实现 → 测试 → 评审 → 验证」这条闭环。六个环节本身不慢,慢的是每一步都要把历史上下文重新装载一遍:PRD、代码、测试输出、模型思考、历史轮次全部挤在同一个窗口里,越往后越贵,也越容易漏。

达到模型最大上下文、触发压缩之后:

把这件事量化,会看到三条叠加的约束:

  1. 上下文窗口有限。 模型配额 max_tokens 为 256k,推理与思考内容一并计入。底座与 Skill 正文属于每轮必带的固定成本,工具结果与思考块属于越滚越大的变动成本。
  2. 底座内容每轮重发。 典型排查会话优化前每轮需承载 84k tokens。上下文越长,每轮延迟与 token 成本越高;反过来说,固定成本一旦削减,每一轮调用都持续受益。
  3. 注意力衰减。 上下文越长,位于中部的信息越容易被忽略(lost-in-the-middle);而超限触发的自动压缩是有损的------被丢弃的不只是冗余信息,还有完成任务所依赖的操作规范。这一点在下一节的两起事故里有具体表现。

结论:上下文不是越大越好。「只装载当轮必需的信息」应该是一条硬性工程约束,不是风格偏好。

1.3 压缩的问题,压缩不是免费的

事故一:6.7k 的操作规范被压成 0.2k 摘要。 一份 SKILL.md 因上下文超限被自动压缩,摘要保留了「是什么」,丢掉了「怎么做」------具体命令、路径、边界条件。后续三步全部按压缩后的摘要执行,直到测试环节才发现口径不对。这不是模型的错,是压缩把「任务依赖的操作规范」当成了冗余信息。代价是可量化的:门控顺序连续 4 轮受阻,反复 validate 却只能反复试错,最终为重新摸索流程消耗了 74k tokens。

事故二:8 分钟内 74 次 DOM 快照。 主会话承担前端验证时,为定位一个渲染问题连续抓取页面快照,把主上下文撑爆;随后触发的压缩又丢掉了正在使用的那份失败日志。时间线很清楚:00 开始验证、02 累计超过 20 次、04 触发第一次压缩并丢掉部分页面认知、06 因不确定而重复读取再次压缩、08 共 74 次调用且主任务进度被页面验证操作挤占------从「读得快」直接滑进「读不完」。

两次事故的共同点:问题不在「上下文不够大」,而在「该省的没省、该留的被压掉了 」。判断一条信息该不该进入上下文,标准不是「有没有用」,而是「是不是这一轮决策的直接依赖」。

02 解决方案

两条路径,各自治一种成本:

  • A 指令拆分,治「每轮必带」的固定成本。控制指令分量:主路径常驻,细则与异常分支外置按需加载。
  • B 多 Agent 拆分,治「每轮新产生」的增量成本。控制输出回流:拆的不是 Agent,而是「文件读取发生在谁的上下文里」。

两条路径必须一起上,只做一半都不成立:

  • 只做 A:工具结果照样把主上下文撑到 30k 以上。
  • 只做 B:每个子 Agent 开局仍带着 19~23k 的固定注入(底座 + Skill 正文),拆得越多,固定成本付得越多。
  • A 是每轮必带的固定成本,一次削减长期受益;B 是每轮新产生的增量成本,作用于每一轮调用。前者一次性投入,后者逐轮兑现。

合起来,典型会话每轮 84k → 28k(−67%)。下面第三节分别展开这两条路径。

03 具体做法

3.1 指令拆分的五项措施与实测收益

按成本性质把措施分成两组:前三条削「每轮必带」的固定成本,后两条削「每轮新产生」的增量成本。

两点说明:①②③ 属于指令治理,重构一次就长期生效;④⑤ 属于运行时治理,作用在每一轮调用上,需要插件机制配合。直接砍 SKILL.md 会伤功能。做法是把指令分成两层:主路径正文常驻,细则与异常处理外置成可按需读取的片段;触发条件写进入文件,正文里只留「什么时候该去读哪一段」。

关键前提是常驻部分必须能独立完成常见请求。否则模型每次都要去读片段,往返次数增加,总成本反而上升。

3.2 多Agent拆分,过程隔离,只把结论带回来

指令侧优化后,剩下的大头是工具结果。一次排查要读二十来个文件、跑几轮命令,全部原文进入上下文,很快又回到 30k 以上。

做法是把「读文件」这件事从主会话移到子任务:子任务在自己的上下文里读完、判完,只回一段自包含结论。主会话不读 DOM 快照、不读全量 diff、不读被读过的源码。

同样的任务,主会话自己读二十多个文件时,约 40k+ tokens 全部进入上下文;压缩一旦发生,丢的很可能是刚读进来的那个文件,于是回头再读,形成读取循环。拆出去之后,主会话只收到约 1k tokens 的自包含结论,过程细节零回流。

这里要区分清楚:拆的不是「Agent」,而是「文件读取发生在谁的上下文里」。子任务读的是同一份文件,读进来的内容也只占它自己的上下文。

3.2.1 什么时候拆,什么时候不拆

拆不是越多越好。判断标准是反馈循环的紧密度:反馈循环紧的环节(改一行看一眼、反复微调)合在一起做,反馈循环松的环节(读一批文件、出一份结论)拆出去做。

3.2.2 研发Loop场景下要怎么拆

按上面的标准,一条研发 Loop 拆成一个协调 Agent 加十个专职 Agent:

权限不靠提示词约束。「不要改生产代码」这类约束写在提示词里,模型在高负荷下会漂移;可靠的做法是在工具层直接不给写权限,主会话本身也不开浏览器工具。黑盒测试员额外禁止读取实现源码,因为一个读过实现的测试者写不出真正独立的断言。

3.2.3 多Agent协作约定

主会话的职责只有四件:拆任务清单、派发、对账、汇总交付。它能做什么,取决于它拒绝做什么------不自己开浏览器验证、不读 DOM 快照、不读全量 diff、不猜、不原地修。

四条通信约定:

  1. 下发自带上下文:目标、URL、账号、验证清单、报告路径随任务一起下发,子任务不「先问一句」。
  2. 回复自包含:结论 + 汇总 + 逐项明细 + 归因 + 产物路径,主会话不需要回读过程就能验收。
  3. 清单先行:只执行清单逐项对账,不自行扩充或缩减;清单与文档冲突时交回主会话裁定。
  4. 大块产物落盘:报告写文件,回复只带路径与摘要,上下文里不放整段原文。

状态码是这套约定的机器可判定部分。主会话的下一步动作由状态码决定,不需要读懂全文:

另有一条自洽校验:子 Agent 声称 PASS、但报告里出现失败项,判定为契约违约,结论不予采信。

3.2.4 拆的任务粒度与验收门禁

一个子任务 = 一个可独立验收的最小交付物。三条可判定的边界:下限------能写出验收清单;上限------单任务的上下文装得下验收标准;范围------必须显式声明,不含「顺便」。

出环要有门禁。四道门的判据都是命令能跑出来、结果能数出来的,不用形容词:

「不原地修」是硬纪律:缺陷一律回到清单层重新拆分,保证每一轮的收益可归因。

04 端到端交付完整流程

4.1 一次完整的研发Loop时序

按复杂度分两档,同一套角色定义,只差启用几个、走几个环节:

  • lean 档(简单需求,默认):4 环节------定档 → 编码 → 测试段(三路并行)→ 收口。6 个子 Agent 各占一个节点,零人工点。
  • full 档(复杂需求):10 环节、13 个节点,10 个角色全部出场。PRD 评审是全流程唯一停下来等人的环节。

档位由五条判据决定。F1---F5 全部不成立即 lean;任一成立即 full:

判不出来也按 lean:full 判错的代价是多一轮 PRD 评审的人工往返,lean 判错的代价只是少一轮评审与方案,执行角色照跑。lean 只减环节,不减角色。

主会话全程只持有两样东西:任务清单状态、各环节的自包含结论。并行点出现在测试阶段------单测与黑盒测试并行派发,互不阻塞。

4.2 一次完整端到端交付

需求是内部交付系统的「订单到达分析」。从提需求(PRD已提前放到项目根目录),到 CR 合入、pipeline 部署 QA、前端增量复测通过。

人一共出现 4 次:提需求、PRD 评审、技术方案确认、验收。中间两次是要人拍板的判断门,其余环节全自动。

执行流程

需求之后的七个执行环节依次推进:拆清单 → 改代码 → 本地测试 → 本地 review → 提 CR 与部署 → 黑盒与前端验证 → 交付。测试有缺陷则从验证环节回到清单重新拆,四门全绿才出环。

合并动作由部署交付员在 iCode 上完成:评审人 4 小时未打分即触发提醒通知,随后轮询评审状态并合并。提 CR 阶段产出 CR 与 pipeline 两次执行记录。

为什么人只在这 4 处出现:人该出现的位置不是「环节多」,而是「信息最不确定」。验收口径怎么算、改动边界划到哪,这两件事拿不准,后面所有验证都白做;一旦定下来,实现过程就是可被验证的执行------所以两道门之后,7 个执行环节不用人盯,出问题由门禁自动打回重拆。

05 上下文优化的可复用的判断

  1. 先削「每轮都带」的固定成本,再治「每轮新产生」的增量------前者一次性投入、长期收益。
  2. 指令分层的前提是常驻部分能独立完成常见请求,否则按需加载会变成更多往返。
  3. 把读文件类工作移出主会话,是收益最大的一刀;主会话只收结论。
  4. 权限与边界要落到工具层,不要指望提示词。
  5. 压缩是有损的:要么让信息在落盘后可回读,要么别让它进入上下文。

06 实践:一段把研发工作流改造成多 Agent 工作流的提示词

前面几节是结论。这一节把它变成可复用的一步:让 Agent 按固定工序,把你手上那条研发工作流拆成多 Agent 方案,并保证拆出来的东西在「上下文成本」和「可验收性」上都站得住。

6.1 怎么用

  1. 把下面的内容换成你自己的流程。越具体越好------有几步、每步产出什么、谁验收、最容易返工的是哪一步。
  2. 整段贴给具备文件与命令工具能力的 Agent(公司内的 DSH,或 Claude Code、Cursor 一类),不需要额外说明。
  3. 它会先追问缺的信息,再出方案。方案出来后按节改,不用从头再来。

6.2 提示词(可直接复制)

xml 复制代码
你是研发流程架构师。你的任务不是写代码,而是把我现有的研发工作流拆成一套多 Agent 协作方案,并保证这套方案在「上下文成本」和「可验收性」上都站得住。【我现有的流程】- 环节:<按顺序列出,例如 需求澄清 → 方案设计 → 编码 → 自测 → 评审 → 提测 → 上线>- 每一步的产出物:<例如 方案文档 / 代码 diff / 单测报告 / 评审意见 / 测试报告>- 验收人:<谁签字才算过>- 最容易返工的地方:<例如 需求理解偏差 / 自测覆盖不足 / 评审反复>【目标】用尽可能少的主会话上下文跑完同一条链路;每个环节的产出都必须可判定。【必须输出的内容,按这个顺序】1. 角色表:角色名 / 一句话职责 / 输入 / 输出 / 写权限(全量写 · 仅测试目录 · 仅方案与台账文档 ·   物理只读)/ 模型档位 / 为什么需要它。某环节不需要独立角色时明确写「合并」,并说明理由。2. 拆分判据:逐个环节判断「反馈循环紧不紧」,紧的合并、松的拆出,给出依据而不是结论。3. 单个子任务的粒度定义:下限(能写出验收清单)、上限(上下文装得下验收标准)、   范围(显式声明,不含「顺便」)。4. 交接协议:主会话下发任务必须带哪些字段;子任务回报必须带哪些字段;   状态码集合及每个状态码对应的动作。5. 验收门禁表:每道门的判据必须是可执行的命令或可数的数字,   不许用「质量良好」「基本通过」这类形容词。6. 失败处理:子任务返回 FAIL / BLOCKED / NEEDS_CONTEXT 时主会话分别做什么;   什么情况下必须停下来问人。7. 权限与安全边界:哪些能力必须从工具层禁用而不是写在提示词里;   哪些动作必须保留人工门禁。8. 迁移步骤:从现有流程切到新方案,先做哪一步、怎么灰度、怎么回退。【约束】- 不要发明新名词。角色就叫「做什么的人」,不要用「一主六从」「舰队」这类缩写。- 不要假设我有人力扩充;方案必须在「1 个人 + 1 个 Agent 工具」的规模下成立。- 每个环节都要能回答「这一步省了什么」:上下文 token、往返次数,或返工次数。- 信息不足时先提问,不要编。一次最多问 5 个问题,且必须是你确实无法从上面推断的。【输出格式】Markdown。第 1、5、6、7 项用表格,其余用短段落。全文不超过 1500 字,宁可少写也不要重复。
相关推荐
七夜zippoe17 分钟前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
硅农程序猿22 分钟前
SOC 物理实现: RTL2GDS 系列(二)—Innovus 初始化
人工智能·嵌入式硬件·硬件架构
梦想很大很大30 分钟前
一句“你好”用了 5671 Token:我在 Workrun 中追查 Agent 隐性成本的过程
前端·人工智能·后端
诗句藏于尽头38 分钟前
游戏《完美神话》-使用Ai-agent进行修复已停服游戏到本地成功部署以及GM端网页完整教程
人工智能·学习·游戏
依晨照旧41 分钟前
从 MQ 积压查出 4000 个线程:不是泄漏,是事件总线的设计代价
人工智能
英辰朗迪AI获客1 小时前
英辰朗迪GEO知识库第188期:动态渲染站点在AI搜索里成了隐形人
人工智能
硅谷秋水1 小时前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
MobotStone2 小时前
AI 能不能越用越会用?从“改答案”到“改进自己”,读懂 RSI
人工智能·算法
jay神2 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计