4個AI同時審?fù)环荽a，結(jié)果沒一個結(jié)論相同。這不是bug，是Cursor去年悄悄上線的Background Agents功能——大多數(shù)人只當并行工具用，作者發(fā)現(xiàn)它更適合當「壓力測試儀」。

本文作者正在做一個Angular自動化技能系統(tǒng)，讓AI幫開發(fā)者搞定繁瑣的項目初始化。寫到第二部分時，他突發(fā)奇想：如果讓多個大模型同時審查這套系統(tǒng)，會發(fā)生什么？

答案出乎意料：單個AI發(fā)現(xiàn)不了的問題，在群體評審中無所遁形。

01 | 把AI當顧問團用，而非打字機

Cursor的Background Agents允許同時運行多個AI代理，各自獨立處理同一任務(wù)，互不干擾。作者的操作很直接——把同一套審查指令丟給4個不同模型，讓它們分別「交作業(yè)」。

這個設(shè)計像極了管理咨詢的標準打法：同一份brief發(fā)給四家事務(wù)所，對比報告找盲區(qū)。單個顧問可能遺漏的角落，在交叉比對中會被強制曝光。

但有個前提條件：項目必須已推送到Git且保持最新。代理直接操作倉庫，審的是代碼的實際狀態(tài)，不是你本地沒提交的草稿。

作者最初的動機很務(wù)實。他的技能系統(tǒng)要處理Angular項目的全套初始化——從linter、formatter到第三方庫集成，規(guī)則復(fù)雜且相互勾連。他擔心某些指令表面通用，實則是為過去某次失敗打的補丁，這種「過擬合」會讓系統(tǒng)越用越僵。

單個AI審查時，這類問題很難被標記。但當4個模型用不同「腦回路」掃描同一套規(guī)則時，有人覺得某條指令「過于具體」，有人質(zhì)疑「這里為什么硬編碼」，矛盾點自然浮現(xiàn)。

02 | 一份專門制造「分歧」的提示詞

并行評審的價值不在數(shù)量，而在結(jié)構(gòu)化沖突。作者設(shè)計了一套審查框架，強制每個AI從特定維度切入：

過擬合檢查——專門獵殺那些偽裝成系統(tǒng)方案的臨時補丁。這是技能系統(tǒng)慢性死亡的主因，但常規(guī)審查幾乎從不觸碰。

系統(tǒng)完整性檢查——不看單個技能，看技能之間的契約關(guān)系、執(zhí)行順序、新增子技能是否會破壞現(xiàn)有流程。

失敗模式分析——假設(shè)用戶完全不看文檔，會怎么搞砸？系統(tǒng)能否優(yōu)雅降級？

可維護性審計——半年后的作者自己，還能看懂這些規(guī)則嗎？

四個維度，四種視角。當AI A在過擬合檢查里標記某條規(guī)則「像是為特定項目定制」，AI B可能在系統(tǒng)完整性檢查里追問「這條規(guī)則和前面的沖突檢測如何協(xié)作」。兩個獨立發(fā)現(xiàn)指向同一處代碼，問題坐實。

作者提到一個細節(jié)：他故意沒在提示詞里要求「達成共識」。相反，他鼓勵每個模型堅持自己的判斷——分歧本身就是信號。

03 | 實戰(zhàn)中的意外收獲

在Angular技能系統(tǒng)的審查中，4個AI的反饋呈現(xiàn)明顯的「能力分野」。某個模型對TypeScript配置細節(jié)極其敏感，揪出了eslint規(guī)則與prettier的潛在沖突；另一個則擅長識別用戶流程中的斷點，指出「如果用戶中途取消，臨時文件不會被清理」。

沒有一個模型覆蓋全部問題。但把四份報告疊在一起，作者得到了一張完整的「風險地圖」。

更意外的是「假陽性」的價值。兩個AI同時誤判某處代碼「有問題」，促使作者重新審視——結(jié)果發(fā)現(xiàn)注釋寫得確實模糊，容易讓人誤解。這屬于「沒有bug，但有債務(wù)」的灰色地帶，單模型審查很難觸及。

作者把這個方法命名為「Multi-Agent Task Force」。核心洞察是：LLM的幻覺和盲區(qū)具有「個性」，不同模型的錯誤模式不重疊。當它們被強制就同一對象發(fā)表獨立意見時，共識區(qū)域可信度極高，分歧區(qū)域則需要人工介入。

這與傳統(tǒng)的「多輪自我修正」有本質(zhì)區(qū)別。讓同一個AI反復(fù)檢查，它容易陷入確認偏誤，用更復(fù)雜的邏輯強化初始判斷。換四個不同的「大腦」，才能打破這種回聲室。

04 | 這套方法的邊界在哪

作者沒有回避限制。首先，成本線性增長——4個并行代理意味著4倍token消耗。對于大型代碼庫，這需要精打細算。

其次，提示詞工程變得關(guān)鍵。如果審查框架設(shè)計粗糙，AI們會集體跑偏，產(chǎn)出四份相似的平庸報告。作者花了相當篇幅迭代提示詞，特別是「過擬合檢查」的表述——如何讓AI識別「看似通用、實則特化」的代碼氣味，本身就是一門手藝。

最后，人工整合不可替代。4份報告需要有人閱讀、比對、判斷沖突優(yōu)先級。這不是「自動駕駛」，是「副駕駛軍團」——幫你把地圖畫全，但方向盤還在你手里。

作者正在把這套方法擴展到其他場景：prompt系統(tǒng)驗證、技術(shù)方案評審、甚至文檔準確性檢查。核心邏輯不變——用結(jié)構(gòu)化的多視角沖突，暴露單點審查的盲區(qū)。

他在文末留了一個未完成的實驗：如果讓AI們不僅獨立審查，還能互相質(zhì)疑對方的結(jié)論，會發(fā)生什么？Cursor目前的架構(gòu)不支持代理間直接通信，但作者暗示，這可能成為下一個探索方向。

你的項目里，有沒有哪段代碼「看起來沒問題，但總覺得哪里不對」？或許缺的不是更多時間，而是第四個AI的視角。