六个 AI Agent 协作设计一款 App，结果让我大吃一惊

“我们习惯了一个人从头到尾做一个项目。但多 Agent 协作的模式让我看到了另一种可能——每个 Agent 都是某个领域的专家，它们的协作产出的质量远超任何单一 Agent。”

嘉宾简介： Tom Krcha 是一位 AI 产品设计师，专注于探索 AI Agent 在产品开发中的应用。他在 YouTube 和 Twitter 上分享的多 Agent 协作实验引起了广泛关注。

核心要点：

一次疯狂的实验

Tom Krcha 一直在思考一个问题：如果让多个 AI Agent 像一个真实的开发团队一样协作，结果会怎样？

为了回答这个问题，他设计了一个实验。项目目标是设计并开发一个任务管理 App（类似于 Todoist）。他设置了六个不同角色的 AI Agent：

每个 Agent 都有独立的 system prompt，定义了它的专业领域、工作方式和沟通风格。关键的创新在于 Agent 之间的沟通协议——它们不是简单地把输出传给下一个 Agent，而是模拟了真实团队的协作方式。

“最让我惊讶的不是每个 Agent 单独的能力，而是它们协作时产生的’涌现效果’——QA Agent 发现的问题会倒逼 Designer Agent 重新思考交互设计，Frontend Agent 的技术约束会影响 PM Agent 的需求优先级。这种动态反馈循环是我没有预料到的。“

Tom 在视频中花了大量时间讲解他如何设计 Agent 之间的沟通协议，因为这是整个系统成败的关键。

最初，他尝试了一种简单的”管线”模式：PM → 设计 → 前端 → 后端 → QA → 发布。但效果很差——因为信息只能单向流动，下游 Agent 无法向上游反馈问题。

改进后的协议更像真实团队的工作方式：

“这种沟通协议的设计花了我整个实验 60% 的时间，“Tom 承认，“但回报是巨大的。有了好的协议，Agent 团队的产出质量显著提升。”

他还分享了一个有趣的发现：Agent 之间偶尔会产生”分歧”——比如设计师想要一个复杂的动画效果，但前端开发认为会影响性能。 PM Lead Agent 需要介入调解，权衡用户体验和技术可行性，最终做出决策。

“这些’分歧’其实是好事。它们说明每个 Agent 都在尽职尽责地从自己的专业角度思考问题。好的产品就是在这种张力中诞生的。“

实验的最终成果让 Tom 自己都感到惊讶。六个 Agent 在 48 小时内完成了：

如果由一个人来完成同样的工作，Tom 估计至少需要两周。

但他也坦诚地指出了局限性：

“多 Agent 协作不是万能的。它特别适合执行明确目标的项目——你知道要做什么，只是需要快速、高质量地做出来。但如果你在探索一个全新的领域，一个有深度思考能力的单一 Agent 可能更好。“

Tom 认为，多 Agent 协作模式预示了软件开发的一个重要趋势：个人开发者将拥有”虚拟团队”。

“想象一下，一个独立开发者可以同时指挥一个由 AI Agent 组成的完整开发团队。这意味着一个人就能做到以前需要十个人才能做到的事情。这会根本性地改变创业的门槛。”

他预测，未来两年内将出现专门的”Agent 团队编排平台”——类似于今天的项目管理工具，但管理的不是人类团队成员，而是 AI Agent。

“我们正在从’人类使用 AI 工具’的阶段，进入’人类管理 AI 团队’的阶段。管理能力将比编程能力更重要。“

问题	回答
最有用的 Agent？	QA Agent，它发现了很多我自己都没想到的边界情况
最没用的 Agent？	项目经理 Agent，人类做这件事效果更好
实验最大的收获？	沟通协议的设计比 Agent 能力本身更重要
推荐什么模型？	Claude 做设计和写作，GPT-4 做编码
下一步打算？	尝试 10 个 Agent 协作开发一个更复杂的 SaaS 产品

本文基于 Peter Yang 频道与 Tom Krcha 的对话深度改写。原始视频时长 42 分钟。