一句话摘要
构建一组 AI Agent 在无人值守时自动交付生产级代码。
如何构建一个 AI agent 集群，在你睡觉时交付生产代码
July 14, 2026 · 6 min read · View source ↗ AI
我将拆解如何构建一个 AI agent 集群，它替代了软件团队日常所做的大部分工作。
直接开始。
我以开发开发者工具和 agentic 系统为生。我关注的是，当 AI agent 触及真实生产流水线时它们会如何表现，而不是玩具 demo。私信开放，欢迎合作。
在我上一篇文章里，我说我会带一小批构建者走一遍他们的第一个 agentic 流水线设置。已经有几个人跟我走完了，其中一个现在正在跑一个完整的自我交付循环。
这个提议依然有效。如果你在构建类似的东西，回复或私信我你当前的设置，我会指出它与真正集群之间的差距。
大多数开发者仍然用十年前的方式交付代码。他们开一张工单。他们写函数。他们写测试。他们开一个 pull request。他们等。他们合并。他们盯着仪表盘。
他们自己就是那条流水线。
如今用 AI 构建的最有生产力的团队已经不再这样做了。他们改为构建集群。每个 agent 拥有一个阶段。各个阶段并行运行。版本在团队睡觉时发布。
一位在快速增长 AI 创业公司的工程负责人，不久前说得非常直白：
"我不再写代码了。现在我写的是写出代码的那个循环。"
这一句话，就是集群如此重要的原因。
交付软件本来就已经是一条流水线：规格、实现、测试、评审、部署、监控。每一个运转良好的工程组织都在跑这个序列。过去的唯一区别是，它需要十几个工程师坐在每个阶段里。现在不再需要了。
我花了过去几周搭建这个集群。它一夜之间读完工单。它起草实现计划。它写代码。它写并运行测试。它对着第二个模型评审自己的 diff。它开 PR，并在任何人类看它之前标记出任何有风险的地方。
到这篇文章结束时，你将了解一个五 agent 交付集群的架构、在一个周末搭建它的设置，以及破坏大多数首次尝试的三种失败模式。
我们开始。
第 1 部分：集群到底是什么
一个提示词问一次问题，然后停下。
一个循环持续工作，检查自己的进度，直到任务真正完成。
一个集群是多个并行运行的循环，每一个都是专家，每一个的输出喂给下一个。
这就是全部的心智模型。
第 2 部分：运行它的设置
用普通脚本手工搭这个，很快就会崩。当一个 agent 需要等另一个 agent 时，它崩了。当你的状态需要跨周期持久化时，它崩了。当你想让五个循环在五个不同的模型上并行运行时，它崩了。
你真正需要的，是一个编排层，它能够：
把一个任务扇出到专业化的循环
把任意模型指派给任意步骤
在运行之间保持状态
持续运行，直到一个真实、可检查的条件被满足
第 1 步：安装 CLI
第 2 步：连接你的模型
对于规格编写、实现和测试这类样板步骤，用一个又快又便宜的模型；评审步骤用一个更强的推理模型。
第 3 步：起草循环
用大白话告诉 CLI 你想要什么：
draft me a program that runs five agents in sequence: spec writer, implementer, tester, reviewer, deployer. run it every time a new ticket lands. use the fast model for the first three agents and the strong model for review.
下面大概就是最终循环的样子：
这就是整个集群。一个文件。五个 agent。永远运行。
第 3 部分：五个 agent
每一个严肃的工程组织都跑同样的五个交付阶段。下面就是替代它们的集群。
创作者从不评审创作者自己的工作。Reviewer 永远运行在一个与写出代码不同的、更强的模型上。
第 4 部分：它如何替代一个团队
过夜交付。集群在团队睡觉时消化积压任务。每天早上，都有已经实现、测试、评审过的 pull request 等在那里，等待的是一个人类的决定，而不是人类的劳动。
爆发模式。把一大堆积压或一次大重构扔给集群，几十张工单在一个下午被尝试，而不是一个 sprint。
回归监视。集群持续重跑整个测试套件，在用户看到之前就标记出退化。
第 5 部分：破坏大多数首次尝试的失败模式
跳过独立的评审 agent。让写代码的同一个模型也批准它，注定会有盲区。
没有状态持久化。一个没有记忆的集群，每一轮都重试同一个坏掉的方案，而不是从上次的拒绝中学习。
没有真正的停止条件。"agent 说它完成了"不是停止条件。用一些可检查的东西：测试通过、错误率低于阈值、覆盖率高于某个设定值。
守住这三点，集群就能产出生产级的交付输出。
总结
交付软件已经是一条流水线。五个阶段：规格、实现、测试、评审、部署。
一个由五个专业化 agent 组成的集群，可以为你跑每个阶段，每个都用适合其复杂度的模型，持续运行，而不是等一个人类把工单挪到下一列。
你不再是自己当流水线。你成了架构师。
你仍然在手工把工单挪过看板，还是你已经成了那个在你睡觉时挪动它们的集群的构建者？
Prompts
npm install -g agent-orchestrator
mkdir ship-swarm
cd ship-swarm
orchestrator init
orchestrator /providers
export default async function shipSwarm(orchestrator) {
while (true) {
const ticket = await orchestrator.nextTicket();
const spec = await orchestrator.agent('spec-writer', {
model: 'fast',
task: 'Turn this ticket into a structured implementation plan: ' + ticket.body
});
const code = await orchestrator.agent('implementer', {
model: 'fast',
task: 'Write the implementation against the plan.',
spec
});
const tests = await orchestrator.agent('tester', {
model: 'fast',
task: 'Write and run unit and integration tests. Report coverage gaps.',
code
});
const review = await orchestrator.agent('reviewer', {
model: 'strong',
task: 'Check the diff for correctness, security issues, and style drift.',
code, tests
});
if (review.passed) {
await orchestrator.agent('deployer', {
model: 'fast',
task: 'Deploy to staging. Monitor error rates for two hours. Roll back on regression.',
code
});
}
await orchestrator.sleep('new-ticket');
}
}
Article tables:
Agent | Job | Model
Spec Writer | Turns a raw ticket into a structured implementation plan | Fast
Implementer | Writes the code against the plan | Fast
Tester | Writes and runs tests, flags coverage gaps | Fast
Reviewer | Checks the diff for bugs, security issues, and style drift | Strong
Deployer | Ships to staging, monitors, and rolls back on regression | Fast
Tags: # X # AI # Guide
Related articles
How I use Grok Bots to rank brands on AI answers that it feels illegal
Name this bot `CrowdReply - Scout`.
Grok Bot AI MCP Slack
原文参考：https://maxed.wiki/posts/how-to-build-a-swarm-of-ai-agents-that-ships-production-code-while-you-sleep/ （Maxed.wiki，本页为站内中文整理）