最新n1n v2.0.1 正式上线!企业级大模型接口聚合平台 (LLM API Gateway),为您接入 500+ AI Models,价格低至 1 折, 立即尝试

使用 Git Worktrees 并行运行 AI 编码代理实战指南

作者
  • avatar
    姓名
    Nino
    职业
    Senior Tech Editor

软件开发并不总是有着舒适的时间表。最近,我拿到了一份长达29页的需求文档,其中包含30多个问题,从现有的漏洞和功能问题到改进以及全新的功能不一而足。如果使用单个 AI 编码代理按顺序处理所有事情是不切实际的。有些任务需要调查现有的实现,有些涉及多个模块的更改,还有一些则需要开发全新功能。

为了在不打乱工作流的情况下应对这一挑战,我利用了通过 n1n.ai 访问的高性能大模型 API 来支持多个并发代理会话。这种设置使我能够提高开发吞吐量,同时又不会把代码库变成一堆相互冲突的 AI 生成代码的集合。在整个工作流中,我使用了大约 10个分支、多个 Git 工作树以及多个并行运行的 OpenCode 会话。我甚至尝试将相同的功分配给两个不同的代理来比较它们的实现。

以下是我在任务分发、隔离代理环境、分支管理、集成和验证方面的方法。

技术基础

这种方法依赖于三个主要组件的协同工作:

  • OpenCode:用于同时运行多个 AI 编码会话。
  • Git 分支:用于维护独立的开发历史。
  • Git 工作树(Worktrees):为不同的分支提供独立的的工作目录。

理解这些组件如何协同工作非常重要。Git 分支代表一条独立的开发路线。Git 工作树提供与该分支关联的独立工作目录。而由 n1n.ai 路由的高性能模型驱动的 AI 代理,则在该特定目录中执行实际的实现。

与其让多个代理在同一个项目目录中工作,不如为每个代理提供自己的工作空间。Git 工作树的一个主要优点是你不需要多次克隆整个存储库。你可以直接从现有存储库创建独立的工作目录:

git worktree add ../project-task-a -b feature/task-a
git worktree add ../project-task-b -b feature/task-b
git worktree add ../project-task-c -b fix/task-c

每个命令都会创建一个新分支并在单独的目录中检出它。你可以使用以下命令验证你的工作树:

git worktree list

现在,从每个目录启动单独的 OpenCode 会话:

cd ../project-task-a
opencode

对其他工作树重复此操作。每个会话现在都在其自己的工作目录、分支和未提交的更改上运行。一个重要的区别是:运行多个 OpenCode sessions 并不能自动隔离它们。隔离来自于显式将每个会话分配给单独的 Git 工作树。

任务分发与实现契约

创建多个工作树相对容易。决定在其中运行什么才是更重要的工程决策。在分配任务之前,我考虑了三点:

  1. 功能独立性:该任务是否可以在不等待另一个任务的情况下实现?
  2. 代码所有权:代理将修改哪些模块、目录或文件?多个代理是否可能会触及相同的文件?
  3. 依赖关系:实现是否依赖于其他功能、API 契约、数据库架构或共享组件?

例如,实现新的后端 API 和构建不相关的前端组件可以同时进行。但是,如果前端功能依赖于尚未定义的 API,则两个实现都需要进行协调。

我还将代理指令视为实现契约,而不是简单的提示词。每个任务简报都需要传达实际问题、预期行为、相关模块、实现边界、必须保持不受影响的现有功能、依赖关系以及测试期望。诸如“修复仪表板”之类的模糊指令留下了太多的解释空间。具有定义的预期行为和验收标准的任务可以为代理提供更清晰的方向。

双代理实验

其中一个有趣的实验是将同一个问题分配给两个不同的 AI 编码代理。我当时有两种思路,与其立即选择一种,不如将每种思路分配给一个利用通过 n1n.ai 访问的不同底层 LLM 实例的代理。

两者收到了相同的需求,但在独立的 Git 工作树中独立工作,探索各自的方法并产生产生了不同的实现。我刻意没有分享一个代理的实现给另一个,以观察在没有一个实现影响另一个的情况下,如何以截然不同的方式处理同一个问题。

一旦两个实现都准备就绪,我从以下几个方面对它们进行了比较:

  • 正确性:实现是否满足需求,包括边缘情况?
  • 架构兼容性:它是否符合现有的应用程序结构?
  • 可维护性:代码是否易于理解而没有不必要的抽象?
  • 测试:是否有涵盖预期行为的有意义的测试?
  • 集成复杂度:将其引入现有代码库需要多少额外的工作?

分支管理与集成

在理想的并行开发工作流中,每个任务都应该有直接从 master 创建的自己的分支。我实际的 Git 历史要复杂得多。只有两条工作线直接从 master 开始,而其他几个分支是在现有功能分支之上创建的,从而形成了堆叠分支结构。

当一个实现依赖于另一个实现时,堆叠分支非常有用。与其重复未完成的更改或等待所有内容合并到 master 中,不如在现有实现的基础上构建依赖分支。我还使用 git cherry-pick 在开发分支之间有选择地移动提交:

git cherry-pick <commit-hash>

工作树解决了多个代理修改同一本地工作目录的问题,但它们不能消除集成冲突。两个代理可以独立修改不同的工作树,并且仍然产生不兼容的更改。在集成过程中,我遇到了三次需要解决冲突的合并。最大的冲突涉及 17个文件。我结合使用 Git 命令来理解和管理这些更改:

git diff main...feature/task-a
git log --oneline --graph --all
git status
git merge feature/task-a

当发生冲突时,我是通过理解每个实现的企图来解决的,而不是盲目地接受一方。Git 可以识别冲突的更改,但它无法确定哪个实现才在架构上是正确的。

验证与经验教训

多代理开发中最大的错误之一是假设如果每个代理都报告实现成功,则应用程序就可以投入使用了。代理可以成功实现和测试其自己的更改,但这并不能保证组合后的应用程序能够正常工作。集成后,我仍然需要后续提交来修复 TypeScript 错误并更新测试快照。

我的验证过程包括审查集成的 Git diff、解决实现和类型错误、检查测试快照、运行项目的测试套件以及区分现有故障和新引入的问题。代理级验证和系统级验证是两码事。

如果你正在扩展自己的 AI 辅助工程工作流,并需要为并行代理提供可靠、低延迟的模型路由,请在 n1n.ai 获取免费 API 密钥。