使用并行 AI 代理实现规模化开发
请提供您希望翻译的具体文本内容（除 > Source: … 之外的部分），我将按照要求把它翻译成简体中文并保留原始的格式、Markdown 语法以及代码块和链接。
概述
我一直在尝试一种工作流，通过并行运行多个 AI 代理，每个代理在各自的功能分支上工作，从而倍增开发者的生产力。结果是多个功能同时开发，而我进行监督。
过程
1. 定义任务
扫描代码库中的 TODO、计划功能或待办事项。将每个项转换为结构良好的提示，为代理提供足够的上下文，以便自主工作。
示例提示
任务：实现用户认证
- 在
/api/auth中添加登录/登出接口 - 使用 24 小时有效期的 JWT 令牌
- 遵循
/api/users中的已有模式 - 在
/tests/auth/中编写测试
明确的范围和对已有模式的引用有助于代理遵循既定约定。
### 2. 创建独立工作树
与其频繁切换分支，不如使用 `git worktree` 为每个功能创建独立的工作目录。
```bash
# 为每个功能创建工作树
git worktree add ../feature-auth feature/auth
git worktree add ../feature-dashboard feature/dashboard
git worktree add ../feature-export feature/export现在你拥有三个独立的目录，每个目录对应一个分支。
3. 启动代理
在每个工作树中启动 Claude Code（或类似）代理。
# 终端 1
cd ../feature-auth && claude
# 终端 2
cd ../feature-dashboard && claude
# 终端 3
cd ../feature-export && claude每个代理都可以独立工作，避免冲突——无需切换分支、暂存或处理合并冲突。
4. 监督与指导
在代理工作时，监控它们的进度，并在关键决策点提供指导（例如业务逻辑或架构选择）。这种思维转变在于，你在审阅提案并引导方向，而不是逐行编写代码。
Review Bottleneck
当每小时生成 5–10 个 PR 时，人工审查成为瓶颈。限制因素从代码生成转移到代码审查。
Automated Code Review
Claude Code 可以对其自身输出进行审查。在创建 PR 之前先运行一次审查：
“审查此分支的错误、安全问题以及是否遵循项目约定。要挑剔。”
这可以在问题进入人工审查之前捕获明显的缺陷。
Atlassian’s Rovo Dev Agent
对于使用 Bitbucket 的团队，Rovo 可以自动化审查过程的部分环节。虽然仍处于早期阶段，但方向令人期待。
MCP Integration
针对 Bitbucket 用户，我构建了一个 MCP Server，使 Claude 能直接与 PR 交互——查看差异、添加评论，并通过自然语言管理审查工作流。
最佳实践
小规模开始
不要在第一天就启动 10 个代理。先从 2–3 个并行功能开始，培养你的监督技能。
定义明确的边界
每个代理应在独立的功能上工作。范围重叠会导致合并冲突和浪费精力。
使用一致的提示
为任务提示创建模板。一致性帮助代理产生可预测的输出。
在合并前审查，而不是之后
在 PR 阶段捕获问题。合并后修复问题成本更高。
展望
未来不在于编写更多代码，而在于协调能够高效完成任务的代理。这种工作流从根本上改变了我对开发产能的看法：单个开发者现在可以实际同时管理多个功能流。
技能转变
- 提示工程，用于明确任务规范
- 架构，用于定义清晰的边界
- 审查效率，以在规模化时保持质量
- 编排，用于管理并行工作流
步骤演示
在 Loom 上观看完整演示 (链接已省略)
联系方式
正在尝试类似的工作流吗？我很想了解哪些对你有效——请联系我。
Originally published on javieraguilar.ai
更多 AI 代理项目： 查看我的作品集，了解多代理系统、MCP 开发和合规自动化。