产品
智能体开发环境（ADE）：如何并行运行多个 AI 编程智能体
如何并行运行多个 AI 编程智能体：什么是智能体开发环境（ADE），如何用 git worktree 隔离每个智能体，怎样拆分任务、避免代码冲突，如何实时监控各智能体的进度，以及为什么 AI 生成的代码仍然离不开人工代码审查。
本文目录
智能体开发环境（Agent Development Environment，ADE）是一个可以同时运行多个 AI 编程智能体的工作空间。每个智能体都有自己的任务、一份相互隔离的代码副本和清晰可见的状态；而人负责拆分工作、监控进度，并在每项改动合并之前进行审查。
核心要点
- 只有当任务相互独立、范围明确且可验证时，并行运行 AI 智能体才能真正带来收益。
- 隔离是第一位的：为每个智能体分配独立的 git worktree 和分支。
- 可观测性是 ADE 的核心功能：一眼就能看出哪个智能体正在工作、在等待、被阻塞，还是已经完成。
- 瓶颈会从生成代码转移到审查代码，所以你能审查多少，就只运行多少个智能体。
- 每一次合并都由人负责：亲自阅读 diff，亲自运行检查。
什么是 AI 编程智能体？
AI 编程智能体是一种由模型驱动的工具，它能读取代码仓库、编辑文件、运行命令和测试，从而完成你描述的任务，而不只是在你打字时提供代码补全建议。常见的例子包括 Claude Code、Codex CLI 和 Gemini CLI 等终端智能体，代码编辑器中的智能体模式，以及在云端沙箱中工作并最终提交 Pull Request 的托管型智能体。
什么是智能体开发环境？
传统 IDE 是围绕“一个人编辑一份工作副本”来设计的，如今许多编辑器也加入了各自的智能体功能。但一旦同时运行多个智能体，你一天工作的重心就从编辑代码变成了协调工作。这个术语有时也写作 agentic development environment，它指的是借助 AI 编程智能体开发软件的环境，而不是用来构建 AI 智能体的工具。
ADE 并不取代你的编辑器或智能体本身。它是位于二者之上的编排层，负责处理那些随着智能体数量增加而成倍增长的工作：
- 工作区隔离：每个智能体都有独立的工作目录和分支，无需手动管理 git。
- 任务跟踪：每个智能体收到的任务说明始终一目了然。
- 实时状态：哪些智能体正在运行、在等待输入、已完成或已失败。
- 审查界面：每个智能体的 diff、执行过的命令和测试结果集中在一处。
- 代码集成：从每个智能体的分支回到主线的受控路径。
为什么要并行运行多个 AI 编程智能体？
处理一项有一定复杂度的任务时，智能体往往要连续运行好几分钟，反复阅读、编辑、测试和修复。如果一次只盯着一个智能体，大部分时间都花在了等待上。并行运行智能体能把等待时间变成产出：一个在重构代码，另一个在为别的模块写测试，第三个在排查一份 bug 报告。
在实践中，大多数并行工作可以归为三种模式：
- 扇出（Fan-out）：从同一份待办列表中拿出几个相互独立的任务，每个任务交给一个智能体，分别合并。
- 多方案竞争：对于不太明确的问题，把同一个任务交给两个智能体，或用不同的指令运行两次，保留更好的结果。
- 流水线：一个智能体负责实现，第二个智能体审查结果或为其编写测试，最后由人拍板。
并行运行 AI 编程智能体有哪些方式？
大多数团队会采用以下四种方式之一，也有很多团队组合使用：
- 终端标签页或 tmux 窗格，每个运行一个智能体、对应一个 git worktree：无需引入新工具，但每个智能体的状态都得自己盯着。
- 编辑器内置的多智能体功能：如果整个团队都在用同一款编辑器，会很方便。
- 在托管沙箱中运行并提交 Pull Request 的云端或后台智能体：本地不运行任何东西，你只需审查 PR。
- 专门的智能体开发环境：所有智能体的状态、diff 和审查都集中在一处。
哪些任务适合交给并行的 AI 编程智能体？
用四个问题来检验每个候选任务：它是否独立于其他正在运行的任务？能否用一份简短的任务说明描述清楚？能否通过测试、类型检查、构建或验收标准来验证？它涉及的是否是代码库中的不同部分？
适合的任务
- 为缺少测试覆盖的模块补充测试。
- 可以清晰复现、影响范围独立的 bug 修复。
- 边界清晰、接口定义明确的独立功能，例如新增一个 API 端点或 UI 组件。
- 可以按目录或包干净拆分的机械性迁移工作。
- 在没有其他人修改的区域完善文档、改进类型定义和修复 lint 问题。
不适合的任务
- 会波及共享类型或数据模型的架构性改动。
- “完成标准”取决于个人品味的任务。
- 两个任务都需要修改同一个核心文件，例如路由、数据库 schema 或依赖清单。
- 依赖于另一个尚未完成任务的产出的工作。
如何运行多个 AI 编程智能体：分步指南
- 把工作拆分成相互独立的任务。
- 用独立的 git worktree 和分支隔离每个智能体。
- 为每个智能体写一份可执行的任务说明。
- 观察进度、及时解除阻塞、必要时介入。
- 逐个分支审查并合并。
第 1 步：把工作拆分成相互独立的任务
从目标结果出发，而不是从智能体出发。把目标拆分成可以各自独立完成、验证和合并的任务。如果两个任务会修改同一批文件，就把它们合并，或者按顺序执行。写一条简短的依赖说明，例如“依赖任务 2 中的新 schema”，就能避免大部分集成时的意外。
第 2 步：用 git worktree 隔离每个智能体
两个智能体在同一个工作目录中工作，可能会互相覆盖对方的修改，也会干扰彼此的测试运行。最简单可靠的隔离方式是 git worktree：它是挂载在同一个仓库上的额外工作目录，拥有自己的分支。
# One worktree and one branch per agent
git worktree add -b agent/auth-refactor ../app-agent-auth
git worktree add -b agent/billing-tests ../app-agent-tests
# See what is checked out where
git worktree list
# Clean up once the branch has been merged locally (use -D after a squash merge)
git worktree remove ../app-agent-auth
git branch -d agent/auth-refactor默认情况下，git 不允许同一个分支同时在两个 worktree 中检出，而这正是你需要的保护。清理时，如果 worktree 中有已修改或未跟踪的文件，git worktree remove 会拒绝删除；请先提交或丢弃这些改动，或者在确认无误后加上 --force。worktree 隔离的是文件，而不是一切。以下共享资源需要提前规划：
- 依赖和构建产物：每个 worktree 通常都需要单独安装依赖包（node_modules、虚拟环境）并生成各自的构建产物。
- 端口：两个开发服务器无法绑定同一个端口，因此要为每个智能体分配一个端口。
- 数据库：使用各自独立的本地数据库或 schema，切勿共用预发布（staging）环境。
- 环境配置文件：只复制每个智能体所需的非敏感配置。
第 3 步：为每个智能体写一份可执行的任务说明
任务说明中留下的每一处空白，智能体都会用自己的假设去填补。一份好的任务说明简短而完整：
- 目标：用一句话描述要达成的结果，而不是具体实现方式。
- 背景：相关的文件、模块或文档，以及需要遵守的规范。
- 边界：智能体不得修改的内容，例如公共接口、数据库迁移或依赖项。
- 完成标准：必须通过的测试、类型检查或必须实现的行为。
- 交付：需要汇报的内容，例如改动摘要和待解决的问题。
把项目的长期规范写进智能体启动时会读取的文件里，例如 AGENTS.md 或 CLAUDE.md（取决于所用的智能体），就不必在每份任务说明中重复这些约定。
第 4 步：观察进度、及时解除阻塞、必要时介入
智能体开始运行后，你的角色就从作者变成了监督者。按固定节奏查看进度，而不是一直盯着某个智能体的输出滚动；对于权限请求要尽快回应，因为被阻塞的智能体意味着时间的浪费。一旦发现智能体跑偏，就尽早叫停：用一份更精准的任务说明重新开始，通常比挽救一次跑偏的长时间运行更快。
第 5 步：逐个分支审查并合并
按照依赖顺序，一次合并一个分支。每次合并后，把剩下的分支 rebase 到更新后的主线上，并重新运行它们的检查。这个阶段出现的冲突是很有价值的信息：它们揭示出哪些任务其实并没有看上去那么独立。
如何避免 AI 智能体之间的代码冲突
并行智能体之间的大多数冲突，都来自少数几个共享的“热点”：
- 锁文件和依赖清单：每一轮只允许一个智能体新增或升级依赖。
- 数据库迁移：按顺序执行，因为并行生成的迁移可能在执行顺序或 schema 状态上发生冲突。
- 路由、配置等共享注册文件：为每个文件指定唯一的负责方，或者由你先亲自完成修改。
- 生成的代码：合并后重新生成，而不是合并来自多个分支的生成文件。
- 格式化造成的无谓改动：要求智能体不要重新格式化它们本来没有修改的文件。
答案的另一半是保持分支短命：几小时内就能合并的小任务，发生冲突的概率远低于偏离主线好几天的分支。
如何监控每个 AI 编程智能体在做什么？
只有一个智能体时，你看着终端就行。有五个时，就做不到了。对于每个智能体，你都应该能一眼回答以下问题：
- 它在处理什么任务？收到的是哪份任务说明？
- 它处于什么状态：正在运行、等待输入或授权、因错误而阻塞，还是已经完成？
- 到目前为止它改了什么？与基准分支相比的 diff 是什么？
- 它运行过哪些命令？测试和检查是否通过？
- 它已经运行了多长时间？消耗了多少用量？
通知和仪表盘同样重要。一个智能体为了等一个字的确认而空等十分钟，是并行工作中常见的隐性成本。好的智能体开发环境会在这些时刻第一时间提醒你。
运行多个 AI 编程智能体的成本是多少？
成本分为两部分：模型用量和人力时间。模型用量随智能体数量、运行时长以及读取的上下文量而增长。无论你是按 token 付费，还是在订阅额度内使用，并行智能体都会更快地消耗预算；而多方案竞争则是有意把预算花在最终会被丢弃的工作上。
人力时间是最常被低估的成本，因为每个智能体的产出都需要有人阅读、测试和集成。一条实用的经验法则：用审查同事 Pull Request 的认真程度来衡量，你能审查多少个智能体的产出，就只运行多少个。要同时控制这两类成本：
- 让任务保持小巧，这样运行时间短，diff 也便于审查。
- 让智能体聚焦于相关文件，而不是整个仓库。
- 对跑偏的运行及时叫停，而不是任其跑完。
- 按任务跟踪用量，了解哪些类型的工作值得委派给智能体。
为什么 AI 生成的代码仍然需要人工审查
AI 编程智能体能力很强，但它们无法承担责任。它们可能误解需求，写出断言了错误行为的测试，把错误压下去而不是修复它，或者报告某项检查已通过、而实际上根本没有运行。人写的代码出于同样的原因也要接受审查；并行智能体只不过是以更快的速度产生更多改动。
一个实用的审查闭环分为三层：智能体先对照完成标准自查；可选地，由第二个智能体在全新的上下文中审查 diff；最后由人阅读 diff，决定是否合并。自动化的审查层可以减少干扰，但无法取代最后这个决定。
智能体代码改动审查清单
- 阅读 diff 本身，而不只是智能体对 diff 的总结。
- 亲自运行测试和检查，或者确认它们已在 CI 中运行。
- 留意范围蔓延：任务说明中从未提及的文件被修改了。
- 检查新增的依赖、网络调用，以及任何涉及身份认证、支付或个人数据的内容。
- 确保没有提交任何密钥、令牌或特定于本机的路径。
- 确认新增的测试确实覆盖了新行为，而不只是能通过。
运行多个 AI 智能体时的常见错误
- 让两个智能体在同一个工作目录中运行，结果文件被覆盖、工作成果丢失。
- 让智能体的分支一开就是好几天，直到无法干净地合并。
- 给智能体授予不必要的生产环境凭据或权限。
- 统计的是运行中的智能体数量，而不是已合并且能正常工作的改动数量。
常见问题
IDE 和智能体开发环境有什么区别？
传统 IDE 以“一个人在一份工作副本中编辑代码”为中心，尽管如今许多编辑器已加入智能体功能。智能体开发环境则以“监督多个 AI 编程智能体”为中心，提供工作区隔离、任务跟踪、实时状态，以及受控的审查与合并路径。很多开发者会两者并用：用 ADE 协调智能体，用 IDE 检查或完善它们的工作。
应该同时运行多少个 AI 编程智能体？
你能认真审查多少个，就运行多少个。一个经验法则是：先从两到三个智能体开始，分别处理明显相互独立的任务。只有当你的审查和合并流程跟得上时，才增加数量。如果 diff 要等好几天才能被审查，或者你发现自己不看代码就合并了，说明运行的智能体太多了。
并行运行智能体一定要用 git worktree 吗？
你需要某种形式的隔离，而 git worktree 是最轻量的选择：每个智能体在同一个共享仓库中拥有自己的目录和分支。单独克隆仓库或使用容器能提供更强的隔离，但会占用更多磁盘空间，配置也更麻烦。提交 Pull Request 的托管沙箱把隔离工作从你的电脑上移走了，但审查工作仍然留给你。无论如何，都不要让两个智能体同时编辑同一个工作目录。
AI 编程智能体可以互相审查代码吗？
可以，而且这是一道很有用的额外防线。给第二个智能体一份审查者的任务说明和全新的上下文，它往往能发现缺失的测试、未处理的边界情况和范围蔓延。但它不应该是最后一道关卡：智能体之间可能存在相同的盲区，因此凡是要进入生产环境的代码，仍应由人阅读 diff 并决定是否合并。
让 AI 编程智能体在我的电脑上运行命令安全吗？
在有护栏的前提下是安全的。只给智能体最小必要权限，不让生产环境凭据进入它们的运行环境，并要求破坏性命令或涉及网络的命令必须经过批准。智能体从代码库之外读取的任何内容，例如 issue、网页或第三方文件，都应视为不可信内容，因为其中可能藏有专门用来误导智能体的指令，这种风险被称为提示词注入。使用容器可以进一步加强保护。
Neptay 如何看待智能体开发
我们为客户设计 AI 智能体与自动化方案，同时以 Anlato 品牌打造自有的技术产品。Anlato Space 是 Anlato 产品家族的旗舰产品，也是我们的智能体开发环境：在一个原生窗口中并排运行多个 AI 编程智能体，每个智能体都有自己的任务和状态，每一项改动都等待你的审查。它即将推出。如果你正在为团队设计智能体工作流，或者想关注 Anlato Space 的进展，欢迎发邮件至 hello@neptay.com。