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
- Coding agents 正走向 AI 写、AI 审、人工批的流程 — aftahi_ai · 2026-07-22
- oMLX 0.5.2 增加菜单栏统计和低比特解码内核 — awnihannun · 2026-07-22
- GitHub 机器人审到上限，PR 还要等 39 分钟 — DanielLockyer · 2026-07-22
- Codex Remote 的 Max 推理强度疑似只在移动端开放 — GabGarrett · 2026-07-22
- 有人用 MCP 做了个 demo，主张商店应把价格和购物车开放给 AI — gelembjuk · 2026-07-22
- 开源 AI SDK provider 让 Vercel 应用接入本地 Codex 订阅 — lgrammel · 2026-07-22