我给AI代理配备邮件而非更好推理能力,它们开始互相修复代码错误。
摘要
一位开发人员构建了一个多代理框架,其中自主AI代理通过类似电子邮件的系统通信,提交错误报告并互相修复代码,凸显了协作胜于个体推理的价值。
我见过的大多数多代理设置都将代理视为孤立的工人。每个代理获得一个任务,执行它,返回结果。彼此之间没有意识。没有协调方式。只是并行执行,共享一个剪贴板。我一直在公开构建一个多代理框架。出乎我意料的是,最重要的竟然不是推理能力,而是通信。在我的系统中,每个代理都是一个领域专家。邮件系统只关心邮件。路由系统只关心路由。它们生活在各自的目录中,拥有自己的身份文件、自己的记忆、自己的测试。每次会话都会触发一个钩子,在任何其他操作之前加载身份。没有代理会冷启动。问题在于协调。代理无法写入自己目录之外的文件——有一个硬性阻止跨分支写入的机制。这是设计使然。但这也意味着,一个发现别人代码有bug的代理不能直接去修复它。所以我给了它们电子邮件。我原本以为:代理们会共享数据。传递结果。也许同步状态。但实际发生的是:它们做的第一件事就是互相提交错误报告。一个代理在另一个代理的域中发现了一个测试失败。它发送了一封电子邮件:“嘿 @routing,当你分支名中包含点时,你的路径解析会失败。这里是回溯信息。”路由代理被唤醒,读取邮件,然后修复了问题。没有人类介入其中。
“send”和“dispatch”之间有区别——send只是把信件投进邮箱。dispatch则是投递信件并同时按响门铃。它会启动代理并将其指向收件箱。
drone @ai_mail send @routing "Bug report" "Path fails on dotted names..."
drone @ai_mail dispatch @routing "Fix needed" "Traceback attached..."
Send = 邮件。Dispatch = 邮件 + 唤醒。
邮件代理有696个测试。不是因为有人坐下来写了696个测试用例。而是因为它在生产环境中不断出错,每次修复都增加了一个测试。路由系统有80多个会话的经验,只做路由这一件事。这些代理之所以可靠,并不是因为它们有更好的模型——而是因为它们几个月来一直在失败和修复。代理们可以自由地互相调度。如果测试运行器在另一个代理的代码中发现了一个bug,它会直接唤醒那个代理。协调器无需批准。只有协调器本身被保护,不会被调度——你不想让一个工作代理为了杂活而唤醒CEO。安全强制机制并非传统方式。代理无法通过直接写入另一个代理的收件箱文件来伪造消息——它们必须使用邮件系统。写阻止也是如此。是硬性强制,而不是“请勿”。
有一个监控层,这样我就不会盲目飞行。每个代理操作都有音频提示——我无需盯着终端就能听到正在发生什么。实时仪表板显示一切。如果一个代理遇到相同的错误2-3次,观察者会捕捉到模式并调度正确的专家进行调查。我通过可见性而非审批关卡保持参与。
整个项目是开源的。pip install aipass + 两个初始化命令即可运行。基于CLI,构建在Claude Code上。目前专注于Linux。
[https://github.com/AIOSAI/AIPass\](https://github.com/AIOSAI/AIPass)
真心提问——有其他人尝试过给代理通信能力而不是仅仅更好的推理吗?我看到的一切都是关于让单个代理更聪明。似乎没有人在构建协调层。
相似文章
我让几个 AI 编码智能体共享同一个仓库。在每次隔离运行中,它们都破坏了彼此的工作,而当我放开权限后,它们竟然开始互相发消息了
这是一份关于一项开源实验的实地报告,测试多个 AI 编码智能体如何共享一个代码库:在隔离分支中,每次运行都会产生语义冲突但文本上可合并的工作;而共享工作目录加上一个轻量级“决策模型”裁判(Jev)改善了协调;无监督的智能体间消息通信也自发出现了。
AI 智能体也有了邮箱。它们干的第一件事,就是互相提交 bug 工单。
AIPass 是一个开源的多智能体框架,其中各个专职 Agent 通过内部邮件系统相互通信,从而在无需人工干预的情况下实现自动 Bug 上报与跨智能体协作。该框架历时七个月构建,包含 18 个智能体并通过了 21,000+ 项测试,只需一条简单的安装命令即可在 Claude Code 上运行。
如何不再手动协调多个AI代理,让它们直接对话
作者描述了手动协调多个AI编程代理的繁琐过程,并介绍了Accord Agents——一个开源共享工作空间,使代理能够讨论并相互审查工作成果,同时整个过程对人工保持透明。
我受够了 AI 编写的那些一眼假的文字
一位开发者开发并开源了一款工具,强制 AI 编码代理在发送邮件、提交代码和发消息之前,先将其放入人工审核队列,由用户进行编辑和批准,从而减少那些明显带有 AI 痕迹的内容以用户名义发布出去。
经验分享:构建用于处理 GitHub、Discourse 和邮件的 AI Agent(开源维护的真实用例)
作者分享了为 Seafile 构建 AI Agent 的案例研究,该 Agent 通过同步知识库并提供可操作建议,协助维护人员在 GitHub、Discourse 和邮件中分流处理支持请求。