AI 编码 agent 最大通病:局部优化 vs 全局一致性
Bavwu · reddit · 2026-11-21
作者基于一年大规模使用 Cline、Claude Code、Codex 等工具(混用 Claude、OpenAI、GLM、Kimi、DeepSeek 多家订阅)的经验,指出 agent 最核心的问题是局部优化损害全局一致性——每个决策局部合理,累积起来却让项目整体恶化,称为「架构熵」。
六个反复出现的问题及对策:
- 只加不改:agent 在错误实现外包裹兼容层、fallback 和补丁,而不是替换它。对策:明确要求替换并清理过时实现及其引用/注释/文档,无理由不保留向后兼容。
- 子 agent 丢失全局视野:编排者把模糊、孤立的任务委派给子 agent,缺上下文,各部分拼不起来。对策:给子 agent 完整目标、架构、接口、依赖和验收标准,明确指定集成责任人。
- 永远的 80% 问题:所有任务「完成」但功能只有 60-80%,每轮补救只完成剩余的 80%,类似芝诺悖论;自主循环会无限发现新任务。对策:以可观察的端到端功能定义成功,对照原始目标验证结果。
- 重造而非复用:agent 发现不了已有实现,导致同一应用里出现多套颜色选择器、导航、校验逻辑、状态管理。对策:要求先搜索现有实现,建立规范共享组件,引入新系统需说明理由。
- 上下文污染:agent 依据过时/错误的文档和注释行事,更糟的是它写错的实现被写成文档,被后来的 agent 当成权威规范——昨天的错误变成明天的规格。对策:维护单一事实来源,区分提案与已实现架构,清理过时文档,对照实际行为验证假设。
- agent 审 agent:两个 agent 基于同样的错误假设会自信地达成一致并通过审查。对策:让审查者拿到原始需求、测试实际功能、把代码质量审查与架构及结果验证分开。
作者指出这些问题人类团队也有,但 agent 决策速度和规模会放大架构熵。
「编程与Agent」频道最新
- Anthropic 推出 Claude 前置部署工程师学习路径:约 9.5 小时 11 门课 — Redo · 2026-11-21
- LTX 2.5 视频模型随机实测:搭配 ComfyUI 开源提示词生成工作流 — FeePrestigious7272 · 2026-11-21
- AI 粗剪一次生成 5 个版本,在 FCP 内用 audition 直接评估挑选 — Technovangelist · 2026-11-21
- 全程只用手机:开发者在外跑腿时给 Hex 做出 Android 版并准备提 PR — johnlindquist · 2026-11-21
- 10 个开源 agent 测试仓库盘点:从 Promptfoo 到 UK AISI 的 Inspect — victor_explore · 2026-11-21
- 用 Ollama 跑 DeepSeek 加 FCP MCP,3-4 分钟自动完成 35 分钟视频粗剪 — Technovangelist · 2026-11-21