在人工智能领域，我们见证了AI能力的持续扩展，这主要得益于训练数据的增加、训练时间的计算资源投入以及测试时间的计算优化。然而，随着技术的不断发展，一种新的方法正在崭露头角——并行智能体技术。这种技术通过让多个智能体同时工作，为AI系统的性能提升和扩展提供了全新的可能性。
并行智能体的兴起
并行智能体正在成为AI扩展的重要新方向。AI能力的提升一直与更多的训练数据、训练时间计算和测试时间计算密切相关。而让多个智能体并行运行，作为一种新兴技术，正在进一步扩展和提升AI系统的性能。
我们从前百度团队和OpenAI的研究中了解到，AI模型的性能可以随着数据和训练计算量的增加而可预测地提升。而通过智能体工作流和推理模型等测试时间计算技术，性能可以得到进一步提升。但这些方法往往需要更长的运行时间。并行智能体工作则提供了另一条提升结果的路径，同时不会让用户等待更长时间。
从串行到并行：AI计算范式的转变
推理模型通常是顺序生成token的，运行时间可能很长。同样，大多数智能体工作流最初也是以串行方式实现的。但随着LLM每token价格的持续下降，这些技术变得更加实用；同时，产品团队希望更快地向用户提供结果，越来越多的智能体工作流正在被并行化。
这种转变不仅仅是技术上的优化，更是对AI计算范式的重新思考。传统的串行处理方式虽然直观，但在处理复杂任务时往往效率低下。而并行处理则能够充分利用计算资源，实现更高效的任务分配和执行。
并行智能体的应用场景
并行智能体技术已经在多个领域展现出其价值：
研究智能体的并行处理
许多研究智能体现在能够同时获取多个网页并并行检查其文本内容，从而更快地合成深度思考的研究报告。这种并行处理能力极大地提高了信息收集和分析的效率，使研究人员能够在更短的时间内获得更全面的结果。
编程框架的智能体编排
一些智能体编程框架允许用户编排多个智能体同时处理代码库的不同部分。我们的Claude Code短期课程展示了如何使用git worktrees实现这一点。通过并行处理不同的代码模块，开发团队可以显著提高软件开发的效率和质量。
设计模式的创新
智能体工作流的一个快速增长的设计模式是，让计算密集型智能体工作数分钟或更长时间来完成一项任务，同时让另一个智能体监控第一个智能体并向用户提供简要更新，以保持信息同步。从这种模式出发，很容易发展到并行智能体在后台工作，而UI智能体保持用户信息畅通，并可能将异步用户反馈路由到其他智能体。
技术挑战与解决方案
任务分解的复杂性
人类管理者很难将复杂任务（如构建复杂软件应用程序）分解为更小的任务，让人类工程师并行工作；扩展到大量工程师尤其具有挑战性。同样，为并行智能体分解任务也具有挑战性。但LLM推理成本的下降使得使用更多token变得值得，而并行使用这些token可以在不显著增加用户等待时间的情况下实现这一目标。
架构设计的创新
混合智能体（mixture-of-agents）架构是组织并行智能体的一种出奇简单的方式：让多个LLM提出不同的答案，然后让聚合器LLM将它们组合成最终输出。这种架构不仅简化了并行智能体的组织方式，还提高了系统的灵活性和可扩展性。
研究进展与未来展望
并行智能体的研究领域正在迅速发展。例如，Ryan Ehrlich等人撰写的《CodeMonkeys: Scaling Test-Time Compute for Software Engineering》展示了并行代码生成如何帮助探索解决方案空间。这类研究为我们理解如何有效利用并行智能体提供了宝贵的见解。
未来，并行智能体的研究和工程探索还有很多工作要做。我相信，能够有效并行工作的智能体数量——就像能够有效并行工作的人类一样——将会非常高。这将进一步释放AI系统的潜力，使其能够处理更加复杂和规模更大的任务。
实施建议
对于希望采用并行智能体技术的组织，以下建议可能有所帮助：
- 从小规模开始：先在小规模项目中测试并行智能体技术，逐步扩展到更复杂的系统。
- 优化任务分配：仔细分析任务特性，设计合理的任务分配策略，确保各个智能体之间的负载均衡。
- 建立有效的通信机制：确保智能体之间能够高效通信和协作，避免信息孤岛。
- 持续监控和优化：实施实时监控系统，及时发现并解决性能瓶颈。
结论
并行智能体技术正在改变我们对AI系统扩展和性能提升的认知。通过多个智能体的协同工作，我们能够在不显著增加用户等待时间的情况下，显著提高AI系统的处理能力和效率。随着技术的不断发展和研究的深入，并行智能体有望在更多领域展现出其价值，为AI系统的未来发展开辟新的可能性。
在这个计算资源日益丰富、用户对响应速度要求不断提高的时代，并行智能体技术无疑将成为AI系统设计中的重要考量因素。通过合理利用这一技术，我们可以构建更高效、更强大的AI系统，为用户带来更好的体验和价值。
图：并行智能体工作流程示意图，展示了多个智能体如何协同工作以提高整体效率
