𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗔𝗻 𝗔𝘂𝘁𝗼𝗻𝗼𝗺𝗼𝘂𝘀 𝗔𝗴𝗲𝗻𝘁 𝗧𝗲𝗮𝗺
Ik heb een klein team van agents gebouwd om mijn engineering-workflow te repliceren. Het regelt alles, van het lezen van een taak tot het pushen van een reviewbare branch.
De workflow volgt deze stappen:
- Clarifier: Controleert of de taak specifiek genoeg is.
- Planner: Verkent de codebase en schrijft een implementatieplan.
- Implementer: Voert het plan uit en commit code in chunks.
- Reviewer: Vindt bugs en stijlproblemen.
- Tester: Voert tests en linters uit om stabiliteit te garanderen.
Het belangrijkste geheim is gestructureerde communicatie.
Agents chatten niet met elkaar. Ze zenden gestructureerde tokens uit zoals PLAN_WRITTEN of REVIEW_RESULT. De orchestrator analyseert deze tokens om de volgende stap te routeren. Dit maakt het systeem sneller, goedkoper en voorkomt hallucinaties.
Elke agent heeft een specifieke rol en een specifiek model:
• Planner (Opus): Diepgaand redeneren om bestandspaden en exacte code-wijzigingen in kaart te brengen. • Implementer (Sonnet): Volgt het plan of lost specifieke review-blockers op. • Reviewer (Sonnet): Vergelijkt code met de base branch. Het gebruikt een betrouwbaarheidsdrempel van 80% om ruis te voorkomen. • Tester (Haiku): Voert Go-commando's uit zoals vet, test en lint.
Belangrijke ontwerpkeuzes voor betrouwbaarheid:
- Eén taak per agent: Dit houdt de logica eenvoudig.
- Vaste output-contracten: Dit maakt extra LLM-aanroepen om de intentie te extraheren overbodig.
- Review-retry loop: Het systeem staat maximaal twee pogingen toe om blockers op te lossen.
- Modeloptimalisatie: Ik gebruik dure modellen voor planning en goedkopere modellen voor testen om kosten te besparen.
Je kunt je repetitieve loops automatiseren. Je hoeft ze alleen maar op te schrijven.
Optionele leercommunity: https://t.me/GyaanSetuAi