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
- 开发者用 GPT-6 Astra 搭配 Hyper3D Rodin 做出交互式 3D 产品展示 — nikola_mr64990 · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11