Orkiestracja wielu równoległych agentów

Masz dwutygodniowy sprint z ośmioma zadaniami. Pracując nad nimi sekwencyjnie, z szczęściem skończysz pięć. Pracując równolegle — z trzema agentami Codex działającymi na worktree’ach, dwoma zadaniami w chmurze obsługującymi refaktoryzacje i tobą przeglądającym i scalającym wyniki — skończysz wszystkie osiem z zapasem czasu. Przepływy wieloagentowe to sposób, w jaki zespoły mnożą swoją wydajność bez mnożenia liczby osób.

Czego się nauczysz

• Framework do dekompozycji pracy na zrównoleglowalane zadania agentowe
• Konkretne wzorce uruchamiania agentów jednocześnie na worktree’ach, w chmurze i lokalnych wątkach
• Strategie scalania, które zapobiegają konfliktom przy łączeniu wyników wielu agentów
• Zabezpieczenia zapobiegające niekontrolowanemu zużyciu tokenów

Framework dekompozycji

Nie cała praca dobrze się zrównolegla. Użyj tego drzewa decyzyjnego:

Zrównoleglaj, gdy:

• Zadania modyfikują różne pliki lub katalogi
• Zadania są niezależne (brak zależności danych między nimi)
• Każde zadanie może być zweryfikowane niezależnie (własne testy, własne sprawdzenie lintingu)

Serializuj, gdy:

• Zadania modyfikują te same pliki
• Zadanie B zależy od wyniku Zadania A
• Potrzebujesz ludzkiego osądu między krokami

Wzorzec trzech powierzchni

Aplikacja Codex (Worktree'y)

Najlepsze do: Implementacji funkcjonalności, naprawy bugów i każdej pracy wymagającej izolacji Git.

Otwórz wiele wątków Worktree w aplikacji, każdy oparty na tym samym branchu:

Thread 1: "Implement the /api/v2/orders endpoint with Zod validation"
Thread 2: "Add database indexes for the orders table queries"
Thread 3: "Write integration tests for the orders API using the test helpers in tests/utils"

Każdy uruchamia się we własnym worktree. Gdy wszystkie się zakończą, zsynchronizuj każdy do tego samego feature brancha używając “Apply.”

CLI (codex exec)

Najlepsze do: Pipeline’ów CI, skryptowanych przepływów pracy i headless automation.

# Run three agents in parallel using background processes
codex exec --full-auto "Fix the TypeScript strict mode errors in src/auth/" &
codex exec --full-auto "Update the OpenAPI spec to match the current routes" &
codex exec --full-auto "Add missing JSDoc comments to all exported functions in src/utils/" &
wait

Każde wywołanie exec otrzymuje własną sesję. Użyj --json dla wyjścia czytelnego maszynowo.

Zadania w chmurze

Najlepsze do: Ciężkich obciążeń, delegowanej pracy i strategii best-of-N.

# Submit multiple cloud tasks
codex cloud exec --env prod-env "Migrate the user service from Express to Fastify"
codex cloud exec --env prod-env --attempts 3 "Optimize the search query performance"

Zadania w chmurze uruchamiane są w izolowanych kontenerach. Użyj --attempts 3 dla strategii best-of-N, gdy istnieje wiele podejść.

Prompt: Równoległa dekompozycja funkcjonalności

Przed rozpoczęciem równoległej pracy poproś Codex o zaplanowanie dekompozycji:

“I need to add a notification system with email and Slack channels. Break this into independent tasks that can be implemented in parallel by separate agents. Each task should modify different files and be independently testable. Output a numbered list with the prompt I should give to each agent.”

Strategie scalania

Gdy wielu agentów kończy pracę nad tym samym projektem, potrzebujesz strategii łączenia wyników:

Sekwencyjne Apply (najbezpieczniejsze)

Synchronizuj worktree’y do feature brancha jeden po drugim, rozwiązując konflikty w miarę ich pojawiania się:

1. Najpierw zsynchronizuj najbardziej fundamentalną zmianę (np. migracja bazy danych)
2. Zsynchronizuj następną zależną zmianę (np. implementacja API)
3. Na końcu zsynchronizuj najmniej zależną zmianę (np. testy, dokumentacja)
4. Uruchom pełny zestaw testów po wszystkich synchronizacjach

Równoległe branche + scalanie PR

Każdy agent tworzy własny branch. Otwórz PR-y z każdego brancha do feature brancha. Użyj kolejki scalania GitHub do ich połączenia.

Cloud Best-of-N

Dla tego samego zadania uruchom 3 próby i wybierz najlepszą:

codex cloud exec --env ENV_ID --attempts 3 "Optimize the database query in orders.ts"

Przejrzyj wszystkie trzy rozwiązania i wybierz to z najlepszymi charakterystykami wydajności.

Zabezpieczenia

Przepływy wieloagentowe mnożą zarówno produktywność, jak i koszty. Ustaw te zabezpieczenia:

• Ogranicz równoczesne wątki: 3-5 wątków worktree jest praktyczne; więcej tworzy wąskie gardło przeglądu
• Używaj GPT-5.1-Codex-Mini do prostych zadań: Zarezerwuj GPT-5.3-Codex dla złożonej pracy
• Monitoruj za pomocą /status: Sprawdź pozostałe limity przed uruchomieniem partii zadań
• Ustaw timeouty dla exec: Długo działające zadania mogą wskazywać, że agent utknął

Kiedy to nie działa

• Konflikty plików między agentami: Dwóch agentów edytowało ten sam plik. Metoda synchronizacji “Apply” próbuje zastosować patch; jeśli się nie powiedzie, użyj “Overwrite” dla jednego i ręcznie scal drugiego.
• Wyczerpanie okna kontekstu: Każdy wątek ma własne okno kontekstu. Jeśli wątek zwalnia, rozpocznij nowy i odwołaj się do wyniku poprzedniego wątku.
• Błędy limitu szybkości: Zbyt wiele równoczesnych zadań w chmurze może trafić na limit planu per 5 godzin. Rozłóż wysyłki w czasie lub ustal priorytety.
• Niespójne wyniki: Agenty nie współdzielą kontekstu. Jeśli Agent B musi wiedzieć, co zrobił Agent A, albo serializuj ich, albo uwzględnij odpowiedni kontekst w prompcie Agenta B.

Co dalej

• Operacje masowe — Skaluj równoległą pracę do dziesiątek plików lub repozytoriów
• Strategie przeglądu — Efektywnie przeglądaj wyniki wielu agentów
• Wzorce kontekstu — Utrzymuj każdego agenta w skupieniu z właściwym kontekstem