阶段 9 实践 — 单 Agent 与 Planner-Executor 对比

阶段 9 实践 — 单 Agent 与 Planner-Executor 对比

本实践的产出 ⭐ 最小产出：同一任务下单 Agent 与 Planner + Executor 的对比实验记录 完整产出：对比实验 + 三角色委派设计 + 子任务失败演练 + 个人知识库自动化链路复盘

预计投入：6～8 小时。核心目标不是证明多 Agent 好，是拿到数据来判断它值不值。

实践 1 · 单 Agent vs Planner + Executor（⭐ 必做）

任务选择

选一个真实、需要多步、有客观验收标准的任务。推荐：

"调研这 5 条国际航线未来 30 天的最低价分布，找出价格波动异常的航线，并给出可能原因。"

它的好处：步数够多（每条航线要查日历、查航班）、有并行机会、结果可客观核对。

两种实现

要求：两边用同一套工具、同一个模型、同一个任务描述。只改结构。

记录表（各跑 5 次）

必须回答的四个问题

1. B 在哪个指标上真的更好？ 如果一个都没有，说明这个任务不需要拆。
2. B 的额外成本是多少？（token、延迟、实现复杂度）
3. B 的计划出错时会怎样？ 手动把 Planner 的计划改错一条，观察 Executor 是否会盲从。
4. A 的失败模式和 B 的失败模式一样吗？ 通常不一样——A 容易偏航，B 容易"计划僵化"。

验收标准：

• 两套都跑通，7 项指标有数据
• 能给出一句明确结论："这个任务应该用 X，因为 Y 指标上有 Z 的差距"
• 第 3 个问题的实验做了——这是最能暴露 Planner-Executor 结构风险的一步

实践 2 · 主 Agent + 研究 Subagent + 审核 Subagent

任务：设计并跑通一个三角色结构，验证上下文隔离的真实收益。

结构

主 Agent（掌控全局，产出最终交付）
  ├── 研究 Subagent × N（并行，各自独立上下文）
  │     职责：查资料 → 只回传结论 + 依据 + 置信度
  └── 审核 Subagent（独立上下文，对抗立场）
        职责：只拿到产物和判据，被要求"找出问题；找不到才算通过"

关键设计点（每一条都要写清楚）

验证上下文隔离的收益

对比两种做法，各跑 3 次：

要看到的现象：

• 隔离失效时，主上下文迅速膨胀
• 更重要的：结果质量不一定更好——这证明"上下文更多 ≠ 结论更好"，与阶段 1、3 的结论一致

实践 3 · Fresh Brief 与 Fork Directive 对比

选择实践 2 中同一个研究子任务，分别写两份委派：

各跑 3 次并记录：委派 Prompt token、子 Agent 总输入 token、结果质量、遗漏约束数量、主上下文回传长度。

必须检查：

• Fresh 是否因为 Brief 不完整而误解任务
• Fork 是否因为重复背景造成 Token 浪费或指令冲突
• 两种模式的权限、Skill 与工具继承是否符合预期
• 异步运行期间主 Agent 是否避免预测尚未返回的结果

参考：Claude Code：Fork 与 Fresh。

实践 4 · 子任务失败演练

在实践 2 的结构上注入失败，验证降级链路：

第三行是最容易写错的 "审核组件挂了 → 跳过审核继续" 是 fail-open，等于审核不存在。审核失败必须阻塞或降级为人工。这条在阶段 11 会作为安全原则再次出现，这里先在编排层建立直觉。

验收：四种注入都有明确、可预期的行为，且部分成功的结果被交付出来而不是整体失败。

实践 5 · 复盘个人知识库网站的多 Agent 自动化链路

任务：把已经跑过的那套自动化开发链路（远程控制 + 自动化开发）按本阶段的框架重新复盘一遍。

复盘提纲

最后两行是复盘的价值所在 这条链路当时是"做出来了"，现在要回答的是"它值不值"。能诚实地指出"其中两个 Agent 其实应该合并"，比当初做出来更能体现判断力——这也是这份复盘可以作为公开作品素材的原因。

参考材料：远程控制自动化开发。

产出：一份复盘文档，结论要包含"如果重做，架构会怎么变"。

自测

通过标志 在一次真实方案评审中，能对"我们上多 Agent 吧"这个提议，用三个否定性问题（阶段 9 讲义第一节）把讨论拉回到可度量的收益上。

Related Documents

• 阶段 9 讲义
• 阶段 10 实践：最小评测集
• 远程控制自动化开发
• 学习路线