章节主旨
用「设计差异化酱料配方」这个趣味例子,演示多 agent 并行的两种玩法:一是并行头脑风暴扩大搜索空间,二是 model-chat 让多个 Claude 实例在共享对话室里辩论收敛。
核心论点
- 多 agent 并行的真正价值不是「更快」,而是在相同时间里扫过更大的方案搜索空间、逼出差异化与离群解。(→ 详解1)
- 辩论式多 agent(model-chat)用「时间换 token」拿到共识质量:多实例分轮次讨论、每轮内并行推进。(→ 详解2)
知识点详解
1. 并行头脑风暴:扩展搜索空间 1:06:19
单个 agent 也能列出一堆酱料点子,但同一时间内,单 agent 既难产出高度差异化的清单,又难扫过足够大的方案空间。多 agent 并行化同时铺开,才逼得出印度、波斯、加勒比-拉美 fusion 乃至法式黄油酱这类离群解。
这套 扩展搜索空间 的思路可迁移到任何业务问题:同时收割「低垂果实」型常规解和「离群」型非常规解,而不是让一个 agent 顺着单一思路一条道走到黑。
2. model-chat:多实例辩论共识 1:07:01
作者把辩论封装成一个叫 model-chat 的 Skill:spawn 出多个(演示里 5 个,可要求 ≥10)Claude 实例进驻共享对话室,让它们互相质疑、分歧、再收敛出方案。触发词(如 chat)一喊即启。
调度机制是 Round-robin 轮次 + 每轮内 并行执行:按轮次轮流发言,同一轮里多个实例并行推进。它和前面的随机多 agent 共识是同一笔交易——拿总 token 消耗去换「时间/覆盖度」上的优势。
术语
- model-chat(作者自制 skill,多个 Claude 实例在共享对话室辩论并收敛)
- round-robin turns(轮询轮次,多实例按轮轮流发言)
- outlier solution(离群解,搜索空间边缘的非常规方案,如 tomatillo 果胶做乳化剂的法式黄油酱)