Anthropic、OpenAI与腾讯的Agent协作实践,人机分工边界在哪一步
Anthropic的chaos loop、OpenAI的Performance Factory与腾讯LoopForge三套系统,均实现coding agent全流程执行工程任务。核心共性在于:人负责启...
近期,Anthropic、OpenAI与腾讯分别披露了其内部或开源的Agent工程化实践案例——Claude Code主导的chaos loop压测、Performance Factory自动性能排查系统,以及LoopForge需求交付SOP工作台。三者虽目标不同,却共同指向一个关键问题:在端到端软件交付中,哪些环节应交由Agent完成,人在哪一节点必须介入?答案逐渐清晰:人的角色正从“执行者”转向“规则设定者”与“临界决策者”,而Agent则承担起可回滚、高重复性的闭环操作。
Anthropic的chaos loop:单一会话连续两周压测预发环境
Claude Docs于2024年9月16日上线,作为文档编辑器,其上线前面临数百万级文档并发压力的挑战。为提前验证系统韧性,团队在9月4日启动“chaos loop”——让一个常驻的Claude Code会话接管镜像生产环境的预发集群,持续两周进行高强度压测与自修复。
该循环结构高度自动化:压测harness将功能推至饱和(如单日新建1000万份文档、22,000连接重连),Claude通过Datadog MCP读取指标、日志与trace等监控数据,生成多个修复选项并推荐最优解。若改动易撤销(如代码热更新、配置调整),Agent直接执行并部署至预发;若涉及数据库schema变更等不可逆操作,则暂停并请求工程师确认。
整个过程中,主会话作为协调者,最多同时调度30个sub-agent并行处理不同故障场景,还通过Slack MCP联动其他基础设施团队的Agent,共享踩坑经验以优化扩容方案。值得注意的是,系统上线后20亿次请求仅出现60个服务器错误,且从未触发回滚——这背后是Agent对埋点缺失的主动补全能力:例如在内存优化中,它先误判缓存问题,经多轮压测与profiling后定位到“每敲一次键即复制文档”的根本原因,最终将单文档内存占用从3GB降至180MB,所需Pod数量从500+降至约50。
OpenAI的Performance Factory:告警驱动的常态化性能守护系统
与Anthropic的“一次性加固”不同,OpenAI的Performance Factory是一个常驻系统,专为应对性能退化而设。当监控系统触发告警,系统自动创建任务,由Agent全程跟进直至指标恢复。
其工作流分为五步:检测异常→根因分析→编写修复代码并开PR→工程师评审与合并→部署后验证。其中,根因分析与代码编写由Agent完成,平均每天处理17次任务,三个月内累计1,700多次排查,定位600多个根因;而PR合入与部署仍由人类工程师执行——这是典型的“可撤销归Agent,不可逆归人”原则。
该系统的关键支撑在于状态外化:每个任务独立生成Codex turn(即一次完整推理会话),状态记录在任务文件中,而非依赖单一长上下文。这意味着即使工程师中途介入处理,Agent可在人工完成后继续后续步骤。系统运行三个月间,人工抽查100条根因建议,准确率达70%;累计1,700+次调查中,平均每日17次,已定位600+真实根因。
腾讯LoopForge:开源SOP驱动的团队协作工作台
腾讯开源的LoopForge则面向更广泛的团队协作场景,将需求交付拆解为标准化流程(SOP):需求定型→方案设计→开发实现→独立评审→测试验证→人工验收→发起MR→交付汇总。其中,Agent负责前六步的自动化推进,而“人工验收”与“发起MR”两个节点被明确设为强制停顿点——MR禁止自动合并,必须由人确认。
与前两者相比,LoopForge更强调流程可控性与可审计性。所有任务状态落盘至产物文件,每一步均可被人工随时接手;当某环节失败(如测试未通过),系统挂起任务并通知负责人,待处理完毕后自动续跑。这种设计降低了对模型长上下文记忆能力的依赖,更适合中大型团队复用。
本周,LoopForge在GitHub Go语言周榜上涨4,716星,反映出开发者对其工程化落地路径的认可。
三者的共识与分歧:分工逻辑统一,状态管理分野
尽管触发机制与规模差异显著(chaos loop为上线前冲刺、Performance Factory为常驻守护、LoopForge为日常协作),三套方案在人机分工上高度一致:
- 人聚焦于“启动前”与“交接点”:启动时明确定义完成标准、需审批的决策项及Agent权限边界;运行中不干预过程,仅在Agent主动停顿请求时介入。
- Agent处理可撤销动作:包括代码编写、部署、测试执行等;而数据库schema变更、PR合并、生产发布等不可逆操作,一律留给人。
真正的分歧在于任务状态的存储方式:
- Anthropic采用单一长会话连续运行,依赖模型在多次上下文压缩后仍保持目标一致性——这对模型长期记忆能力要求极高,风险集中;
- OpenAI与LoopForge则将状态写入外部文件或任务记录,每次操作启动新Agent实例,实现“状态解耦”。这种方式更稳健、可追溯,也便于多人协同,因此被多数团队视为更可行的落地路径。
当前,Agent已能独立完成从问题发现、根因定位、代码生成到部署验证的大部分闭环动作,但人类仍未退出核心决策环。这种“人在关卡、Agent在通道”的协作范式,正在重塑软件工程的执行逻辑:工程师不再疲于重复劳动,而是专注于定义边界、评估风险与判断价值。随着工具链成熟,未来人机协作的边界或将进一步后移——但只要存在不可逆操作与价值权衡,人的临界介入就仍是系统安全的最后防线。
