RE:CZ

AI Agent 模块级软件工程架构设计思考

人工智能软件工程

👤 软件工程师、AI 开发者、对自动化编程和人机协同感兴趣的技术人员
本文记录了作者在 2026 年 1 月 12 日对 AI Agent 在模块级软件工程中应用的思考。作者提出了一种人机协同的架构，关键点包括使用 git worktree 管理代码库、通过 CLI 调用 AI Agent（如 Claude Code）并管理会话、获取 Agent 的结束通知和对话历史以实现透明性。作者计划实现一个自动化脚本，将每个任务分配给独立的 Agent 会话，并通过调度器协调工作流程。文章强调了使用 Agent 而非直接调用 LLM API 的优势，即 Agent 能处理底层复杂性（如探索代码库、调用系统命令、上下文管理），避免重复造轮子。作者打算先实现简化版本来验证思路。
  • ✨ 设计模块级人机协同软件工程架构
  • ✨ 使用 git worktree 管理代码库和 setup 脚本
  • ✨ 通过 CLI 调用 AI Agent（如 Claude Code）开启会话
  • ✨ 获取 AI Agent 的结束通知和对话历史以实现透明性
  • ✨ 实现自动化脚本分配独立会话给 Agent
📅 2026-01-12 · 576 字 · 约 3 分钟阅读
  • AI Agent
  • 软件工程
  • 人机协同
  • Claude Code
  • 自动化
  • 模块化
  • 透明性
  • 调度器

今天是 2026 年 1 月 12 日，周一，早上。

今天早起，回想昨天与 C1 讨论的 AI Agent 设计问题，觉得有些启发，需要记录下。

参考 前情提要，我设计了一个模块级人机协同的软件工程架构。

我在考虑如何实现它。

简单来说，关键点在于：

  1. 需要通过 git worktree 命令，管理代码库，并且给定每个 Repo 的 setup 脚本。
  2. 需要通过 CLI 调用 AI Agent (Claude Code, OpenCode, ...etc)，传入 prompt，开启会话 (Session)。
  3. 需要能拿到 AI Agent 的结束通知。
  4. 需要能拿到 AI Agent 的中间的对话历史，否则无法达成透明性。参考 这篇文档 中提到的可控信任问题，我们需要事中透明性可控性。

基于这些能力，我可以实现一个自动化的脚本，来完成模块级的软件工程任务。

以 Claude Code 为例，

  1. Claude Code 可以通过 CLI 直接传入 prompt，开启一个新的会话。
  2. Claude Code 可以通过 -p 参数，输出结果到 stdout 中时即标识结束。
  3. Claude Code 提供了传入 session ID 的能力，然后可以去 .claude 目录下找到对应的对话历史文件，从而获得历史消息。

既如此，我就可以写一个脚本，来管理这些工作。

每个 Session 都是独立的，干净的，每个 Session 都会被分配给一个 Agent 来完成。

一个 Agent 实例可以被抽象为一个接口，而无所谓它底层是 Claude Code 还是别的。

而调度器则会根据我们预定的工作流程，调度不同的 Agent 来完成任务。

为什么要基于 Agent 而不是 LLM API？因为 Agent 帮我们处理了底层探索代码库、调用操作系统命令、上下文管理和适配 LLM API 的逻辑，这是一个复杂的系统，我认为我们不需要重复造轮子，除非它不满足要求。

我打算先实现一个最简化的版本，来验证这个思路是否可行，请期待后续的进展记录。

See Also