Scénario pratique avancé · Scénario 5

Pratique de l’Agent

En s’appuyant sur ADD, la collaboration multi-agents et le Micro-Agent Pattern, maîtrisez la méthode complète de mise en œuvre des Agents, de la décomposition des tâches et de la répartition des rôles jusqu’à la gouvernance d’ingénierie et la validation de livraison, afin d’intégrer réellement la collaboration des agents au processus de développement de l’équipe.

Objectifs d'apprentissage

Comprendre le processus complet d’ADD, de la décomposition des objectifs à la validation de la livraison, et être capable d’organiser le rythme de collaboration en conséquence
Capable de concevoir des relations de collaboration entre des rôles tels que Planner / Executor / Reviewer
Comprendre les contrats de contexte, les frontières d’autorisations et les mécanismes de synchronisation dans les systèmes multi-Agent
Capable d’identifier et de gérer des problèmes tels que la dérive du contexte, le travail en double et le manque de clarté des responsabilités

Méthodologie

Flux de travail ADD

1
Décomposition des objectifs：Commencez par décomposer l’objectif en unités de tâche vérifiables et livrables, au lieu de confier directement des exigences floues à un grand agent.
2
Répartition des rôles：Définir les entrées, les sorties et les limites de responsabilité pour différents rôles, tels que Planner, Coding Agent, QA Agent et Reviewer.
3
Contrat de contexte：Définir clairement quel contexte partager, quand synchroniser et quels faits doivent être vérifiés dans le code ou la documentation.
4
Boucle fermée de validation：Former une boucle de livraison fermée grâce aux tests, aux builds, aux vérifications manuelles et aux commentaires de relecture, plutôt que de vérifier uniquement si l’Agent dit que c’est « terminé ».

Modèle de collaboration multi-agents

Planner / Executor / Reviewer

Convient aux tâches dont le flux de livraison est clair : le Planner les décompose, l’Executor les implémente et le Reviewer est responsable des contrôles qualité.

Specialist Swarm

Convient aux problèmes transverses tels que la sécurité, les performances, l’interface utilisateur et l’architecture, chacun fournissant un jugement indépendant, puis le contrôleur principal les synthétise.

Micro-Agent Network

Découpez les tâches complexes en unités de responsabilité minimales afin d’améliorer la substituabilité, mais une gestion du contexte plus stricte est nécessaire.

Human-in-the-loop

Exigez une confirmation manuelle aux étapes clés telles que l’approbation humaine, les mises en production et les écritures dans des systèmes externes afin de contrôler les actions à haut risque.

Points clés de la gouvernance d'ingénierie

  • • Observabilité: Enregistrer les entrées, le résumé des décisions, les résultats et les raisons d’échec de chaque Agent
  • • Contrôle des limites: définir quels Agent sont en lecture seule, quels Agent peuvent écrire et quelles actions doivent être approuvées
  • • Mécanisme de déduplication: éviter que plusieurs agents fassent la même chose grâce à la liste des tâches, au owner et aux dépendances
  • • Contrôle des coûts: Commencer par un filtrage avec des rôles légers, puis faire appel à des modèles coûteux pour les décisions clés

Applications des outils d’IA

Utiliser Claude Code pour organiser le flux de collaboration

  • • Utiliser la décomposition des tâches et la répartition du travail entre sous-agents pour clarifier d’abord qui est responsable de l’exploration, de l’implémentation et de la revue
  • • Utilisez un état de tâche partagé pour enregistrer le propriétaire, les dépendances et l’état d’avancement, afin de réduire la dérive du contexte
  • • Prévoir une confirmation manuelle pour les actions à haut risque afin d’éviter les « faux positifs de l’automatisation »

Analyser les échecs à l’aide de journaux structurés

Enregistrer les entrées de la tâche, les décisions clés, la chaîne d’appels et les causes d’échec vous aide à distinguer si le problème provient de la décomposition des besoins, d’un contexte insuffisant ou d’erreurs d’implémentation lors de l’exécution.

Cas pratique

Cas 1 : pipeline de revue de code multi-agent

  • • L’Agent principal lit le périmètre des modifications et les répartit entre les spécialistes de la sécurité, des performances et de la maintenabilité
  • • Chaque spécialiste émet un avis indépendant, afin d’éviter l’angle mort du « un Agent fait tout »
  • • Le relecteur synthétise les avis contradictoires et conclut sur l’autorisation ou non de la fusion

Cas 2 : flux de développement d’agent de la demande à la livraison

  • • Le Planner lit le PRD et la structure du code, puis génère une liste de tâches exécutable
  • • Coding Agent implémente les modifications selon les tâches, QA Agent exécute la vérification et Reviewer effectue la validation finale
  • • Conserver une approbation manuelle aux étapes telles que les mises en production, les modifications de base de données et les écritures dans des systèmes externes

Liste de contrôle des acquis d’apprentissage

Capable de décomposer des objectifs complexes en tâches indépendantes adaptées à l’exécution par un agent
Être capable de définir des limites claires d’entrée, de sortie et d’autorisation pour différents agents
Comprendre les mécanismes de synchronisation, de relecture et d’escalade dans la collaboration multi-agents
Savoir gérer les modes d’échec à l’aide des journaux, de l’état des tâches et des contrôles de validation
Capable de distinguer les différents objectifs pédagogiques de la page « Compétences de base » et de la page « Pratique avancée »