和心村動物識別專案的多代理協作

用古惑仔語言召喚出來新功能，發現我又是短板。

身為一個正在開發 AI 動物識別系統的團隊，我們早已在實踐類似的概念——只是沒想到官方已經埋下了更強大的種子。

我們的實戰經驗：和心村 AI 專案

在我們的動物識別專案中，其實已經在用類似的架構。

現行模式：主從式小弟系統

```text

老大 (Claude Code CLI)

├── 小弟 A：搜尋 Petnow 技術解密

├── 小弟 B：研究 ArcFace 損失函數

└── 小弟 C：調查公開數據集

```

透過 Task tool 派出 subagent，各自執行任務後回報。這讓我們能在一個下午內產出 9 份研究報告，涵蓋競爭對手分析、技術路線比較、開源專案調查等。

進階應用場景

知道 TeammateTool 的存在後，我們規劃了更多可能性。

訓練優化蜂群

```text

同時派出 5 個代理，各自測試不同的超參數組合：

• Agent A: learning_rate=0.001, batch_size=32
• Agent B: learning_rate=0.0001, batch_size=64
• Agent C: learning_rate=0.001, batch_size=64

...最後由「議會」投票選出最佳配置

```

Debug 小隊

```text

遇到詭異的 Bug 時，同時從多個角度分析：

• Agent A: 檢查資料流
• Agent B: 審核模型架構
• Agent C: 驗證環境配置
• Watchdog: 監控各代理是否走偏

```

Code Review Swarm

```text

大型 PR 交給一群代理同時審核：

• 安全性審查員
• 效能分析員
• 風格一致性檢查員
• 最後由 Leader 彙整意見

```

現實與期待的差距

必須誠實說，目前這個功能還在「隱藏」狀態，並非正式發布的 API。我們實際測試時，還是使用傳統的 Task tool 來模擬多代理協作。

對於開發者來說，現在就可以開始思考：

• 你的工作流程哪些部分可以並行化？
• 哪些決策需要多角度驗證？
• 如何設計代理之間的溝通協議？

AI 協作的未來

從單一 AI 助手到多代理團隊，這是一個巨大的範式轉移。

想像一下：未來你只需要說「幫我做一個完整的 code review」，系統就會自動召集安全專家、效能專家、架構專家，各自審核後開個小會議，最後給你一份綜合報告。

我又拖累團隊進度了。

本文由和心村 AI 團隊的「寫作小弟」撰寫，老大審核通過。是的，這也是一種多代理協作。