AI 做复杂任务总 “半途而废”怎么办？Anthropic 双 Agent 架构救场

这是一个非常有意思的实验。

Anthropic 研究团队让 Claude 去做一个复杂项目：

克隆一个 Claude 网页端（claude.ai）。

结果，Claude 不是做不出来，而是做到一半就开始“断片”。

代码写了一半，上下文窗口满了，不得不开新会话继续。

而新会话里的 Claude 面对一堆半成品，完全不知道之前那个 Claude 想干嘛。

更真实的是，有时候做到一半，看起来“好像差不多了”，Claude 就会直接宣布：任务完成。

实际上核心功能还有一大半没做。

今天，Anthropic 发表了一篇技术博客，复盘了这些问题，并给出了他们的解决方案。

01｜AI 翻车的本质：会话之间完全失忆

AI 的上下文窗口长度有限，复杂项目基本不可能在同一个会话中完成。

必须跨多个会话。

但问题是：每开一个新会话，AI 就“失忆”一次。

之前做了什么，现在做到哪了，接下来应该干什么，这些全部都停留在了上一个会话里。

Anthropic 官方这样形容：

这就像一个软件项目，程序员三班倒，但每个人上班时对前一班发生的事情一脸懵逼。没有交接文档，没有代码注释，甚至不知道前一个人为什么要这样写。

很生动形象了。

面对这个问题，上下文压缩有一定作用，可以延长单次会话的有效长度，但还不够。

并且，压缩本身会丢失信息。

02｜AI 两种典型的翻车方式

太贪心，想一口吃个胖子

AI 拿到任务后，会倾向于直接上手实现整个项目。

恨不得一口气把所有功能都写完。

结果，写着写着上下文满了，只能扔给“下一班”。

下一轮对话开始，新 AI 面对的是：半成品代码、没有文档、没有注释。

它只能靠猜，一旦猜错，就需要花大量时间修 bug、重构。

甚至让本来能用的代码又出问题。

太容易满足

当项目进行到中期，有些功能已经实现了。

AI 会看看代码，觉得“差不多了吧”，然后宣布任务完成。

但实际上关键功能可能还没写，用户体验也一团糟。

上面这两种问题本质上是一回事：

AI 不会为未来的自己预留信息。

03｜Anthropic 的解决方案：两个 Agent 分工协作

Anthropic 重新设计了整个工作流程，将 AI 拆成两个角色。

这是一个“双 Agent”架构。

角色一是「初始化 Agent」，只在项目开始时运行一次。

它不写代码，专门负责规划。

把用户的需求拆解成一个完整的功能清单。

在文章开头那个克隆 Claude 网页端的例子里，它拆分出超过 200 个具体功能。

比如“用户可以新建对话”、“用户可以输入问题并按回车发送”、“用户可以看到 AI 回复”。

每个功能都标注为“未完成”，形成一个清晰的待办列表。

然后，它还会创建一个进度文件 claude-progress.txt，来记录每次会话完成了哪些工作。

最后，初始化 git 仓库，写入初始 commit。

角色二是「编码 Agent」，负责之后所有的活。

它有固定的工作流程。

每次启动，第一件事是先弄清楚当前项目的状态。

比如，它会先确认自己在哪个目录，然后读取进度文件和 git 日志，了解之前的会话做到哪了、改了什么、还有哪些功能未完成。

接下来，它会从功能清单中挑选一个优先级最高、还没完成的任务。

注意，只挑一个（避免太贪心）。

实现完这个功能之后，它会写入一条 git commit，并更新进度文件，记录这次会话完成了什么。

这种设计背后的核心思想是：「一次只做一件事，做完就记录，好让下一个会话能顺利接手」。

04｜经常被忽视的一点：测试

还有一个问题：AI 经常自己说“功能已完成”，但实际上根本跑不通。

它也会做测试，但可能仅限于单元测试，或用 curl 请求一下接口。

不会像真实用户那样，从头到尾走完整个流程。

Anthropic 的解决方案是给 Claude 接入浏览器自动化工具「Puppeteer」。

它会像真人一样操作：打开浏览器、点击、输入、查看结果。

只有端到端测试通过了，才标记“完成”。

这个改动效果很明显。

加了浏览器测试后，Claude 能发现很多之前发现不了的 bug。

05｜一个全新的 Agent 工作流程

加了这套机制后，Claude 每个会话开始时的行为变成了这样：

• 先运行 pwd 看自己在哪个目录
• 查看进度文件和 git 日志，了解之前的工作进展
• 查看功能清单，选择要做的功能
• 运行 init.sh 启动开发服务器
• 用 Puppeteer 测试，确认之前的功能还能正常工作

确认没问题之后，才开始开发新功能。

即使上一个 AI 留下了隐藏 bug，当前的 AI 也能在动手之前发现问题，而不是在一堆 bug 上面继续堆“屎山”。

这就是这套流程的好处。

结语

Anthropic 在博客里说，他们的灵感来自：

观察高效的人类程序员每天都在做的事。

这很有意思。

你会发现，写文档、做交接、测试，这些其实都是人类真实世界中软件开发的基本功。

但 AI 不会自动这样做。

因为它再强，也抵不过人类几十年总结出来的工程实践。

如果你在用 AI Agent 做复杂任务，这是几个很具体的建议：

把大任务拆成小功能，让 AI 每次只做一个强制 AI 记录进度，写清楚做了什么、做到哪了用客观的测试手段验证，不要让 AI 自己说“完成了”就结束保持代码库整洁，每次改动都 commit

虽然这些听起来都是常识。

但恰恰是这些常识，决定了复杂项目能不能由下一个 AI 继续推进。