入选理由亲历多代理开发含评审量化结果
过去几天，我用自己写的 subagent-team 技能带着一支「AI 团队」做开发 烧了 Claude/Codex/Gemini 几个号的周额度以及数百刀 API，对一个 monorepo 项目进行了大改版 把全部委派记录翻出来做了一次复盘： 主 Agent 是 Claude Code，司机是 Opus 5.5 High，下游工具是 codex / agy 和 opencode（接了 Claude API 和 codex 小号） 内部子代理 300 多个，外部 agent 任务 200 多个（Codex、agy、OpenCode） 项目不小，有两个移动 App 加八个左右的 Cloudflare Workers 服务，做了 SDK 升级、鉴权收拢、预付积分计费、AI 网关和界面改版。主会话由 Opus 5.5 当总监，负责拆任务、写契约、验收和提交，其余的活都派出去 最意外的发现是，外部 agent 最划算的用法不是写代码，而是评审。我让 Codex 的 gpt-6.1-sol 用 high 只读评审计费和鉴权代码，7 次全都找到了真问题：扣了费却没返回结果、重复扣费、借内部令牌读到别人的数据。换一家厂商的模型来看，正好能补上自家模型的盲区。内部评审也很值：72 次里有 21 次提出阻塞问题，几乎全被实现方确认，误报只有 1 条 第二个发现是，返工多少看任务风险，不看模型档次。Opus 和 Sonnet 写的代码，经评审后需要返工的比例都是 67%。只要碰到钱、鉴权、表结构，谁写都得过几轮评审，所以与其换更贵的模型，不如一开始就把评审轮次排进工期 effort 也不是越高越好：Opus 开 xhigh，每个任务中位 19 分钟、3.7 到 11.5 美元，评审照样每次都挑出该修的问题；Sonnet 用 medium 做小而明确的改动，大约一分钟，几分钱到一美元多 还有一个容易被忽略的角色是「联络员」。每个外部任务都配一个 Haiku low 的子代理，负责派活、等结果、跑验收、核对改动范围，绝大多数顺利完成 外部 agent 经常因为沙箱限制跑不了测试，真正把关的是这一层。外部任务的几次失败也都出在环境上（effort 设置被重置、沙箱拒绝、超时），没有一个改了范围之外的文件，也没有一份结果需要扔掉重做 低档模型当联络员； 中档模型做明确的小改动和调研； 强模型做有风险的实现； 顶级模型和另一家厂商的强模型负责评审；