多智能体写码论文用凝聚度切分任务，API 成本降 35%
blaizedsouza · x · 2026-07-21
这篇论文叫 《When Parallelism Pays Off: Cohesion-Aware Task Partitioning for Multi-Agent Coding》，核心观点是：多智能体写代码只有在任务切分符合依赖结构时才真正有效。
作者把多 agent 编排形式化为一个图切分问题，提出 Cohesion-aware Coder（Co-Coder）。它会先做静态分析构建依赖图，识别结构性枢纽文件，再用社区发现做分区，最后由一个依赖感知调度器执行任务。
在 DevEval 和 CodeProjectEval 的 28 个真实任务上，这套方法：
- 相比顺序执行和基于文件的并行基线，拿到了更好的 Pareto frontier，
- 通过率最高提升 14.0%，
- 端到端墙钟时间最高加速 2.10×，
- API 成本最多降低 35%。
论文的结论很直接：并行编码 agent 并不天然更强，只有当编排方式服从代码依赖和凝聚度时，收益才会真正出现。
「编程与Agent」频道最新
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27
- Mirendil 发布首个模型 Fern：上下文窗口达 1000 万 token — shayan_ · 2026-10-27
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- 用 Claude Code 当 iPhone 取证器:挖出「已删」照片的 30 天隐藏副本 — alex_verem · 2026-10-27
- 用 Claude Code 审计 iPhone 备份，揪出被删照片的全部藏身处 — alex_verem · 2026-10-27
- Yuchen Jin：手机不是移动 IDE，而是 agent 舰队的控制台 — Yuchenj_UW · 2026-10-27