SPOQ：多代理软件工程的专家编排队列

多智能体AI系统显示出自动化软件工程任务的前景，但现有方法面临协调开销、质量控制差距和有限的人工监督等问题。我们引入了 SPOQ（专家编排队列），这是一种结合了三个创新的方法：（1）基于波的拓扑调度，根据任务依赖图计算并行执行波； (2) 在执行之前（计划验证）和之后（代码验证）应用质量指标的双重验证门以减少返工周期； (3) 人类代理 (HaaA) 集成，其中人类专家参与分解并可以在执行过程中进行咨询。 SPOQ 使用三层代理层次结构（Opus 工作人员、Sonnet 审阅者、Haiku 调查员）来优化成本质量权衡。我们通过四个实验评估 SPOQ。实验1：波调度接近关键路径下界（比率1.03--1.11，加速比达到14.3倍）；在 2 插槽本地后端上，它可提供稳定的 1.4 倍加速。实验2：SPOQ将计划覆盖率从93.0提高到99.75，消除循环计划，并将并行度从31.0提升到75.25。实验 3：双重验证将每个任务的缺陷数从 0.34 个减少到 0.20 个，并将测试通过率从 91.25% 提高到 99.75%。实验 4：人工审核将每个任务的残留缺陷从 0.47 减少到 0.03。结果在本地托管的开放权重模型 (Qwen3.6-35B-A3B) 上复制，验证收益是否归因于编排而不是任何特定模型。跨 17 个存储库、8,589 项提交、1,822 项任务和 13,866 项测试（99.87% 通过率）的纵向研究提供了生态验证。