AgentRadio：让长程多Agent协作持续感知同伴进展

对于 大语言模型 (LLM) 代理来说，理解大型代码库是一项长期任务：回答一个问题可能需要构建和运行软件、跟踪跨文件的执行情况，并在数十分钟内综合证据。在 SWE-Atlas QnA（生产存储库的长期问题基准）上，单个 Claude Code 代理 (Opus 4.6) 只能解决 32.3% 的任务。在具有干净上下文的代理之间划分工作可以减轻这种限制。然而，代码理解的子任务是相互依赖的。一个代理的发现可以重写另一个代理的任务，因此代理必须在执行过程中进行协调，而不仅仅是在阶段边界处。现有的多代理系统仅通过分阶段切换或同步轮次支持阶段之间的这种交换。沟通和工作仍然是相互排斥的。执行中做出的发现在下一个边界之前无法共享。我们提出了 AgentRadio，一个异步消息传递层，它为编码代理工具配备了三个原语：线程、消息和等待提及。最后一个作为后台任务运行，在不中断前台工作的情况下显示队友的消息，因此每个代理仍然被动地了解其同伴，并将新发现纳入其正在进行的任务中。在分工和协商的五阶段协议下，AgentRadio 组织的四个智能体解决了 62.1% 的任务，比单个智能体高出 29.8 分，比新 Opus 4.8 的克劳德代码 (57.2%) 高出 29.8 分。标题级别的分析显示，随着任务难度的增加，收益不断增长，这与作为基本机制的中期修正一致。我们的代码可在 https://github.com/Coral-Protocol/AgentRadio 获取。