Bernstein 确定性多智能体编码

在多智能体协作编码中，如果四个 agent 同时修改同一工作树，往往会产生严重的代码冲突。即便任务分配看似清晰，共享的 Git 状态、不可控的工具调用顺序，也会让最终的合并结果充满不确定性。一旦出问题，很难回溯是哪个环节、哪个 agent 引入了错误。

核心机制与工作流

Bernstein 并不是一个黑盒多智能体框架，而是一套确定性的运行时编排器。它通过以下机制将并行执行与状态管理隔离开来：

• 隔离的 Git Worktrees：每个子 agent 都会在独立的 git worktree 中运行。这意味着它们拥有各自的工作目录和分支，完全隔离了文件系统的写入冲突。
• Lineage Spine 与 Replay Journal：所有 agent 之间的交接（handoff）都会被记录在一个持续运行的血缘主干中。即使整个流程崩溃，你也可以通过回放日志精确还原现场。
• 确定性调度与门控：工作流的执行并非完全依赖模型的自发性。通过预设的 gates，你可以控制任务流转的先后顺序，确保关键步骤在执行前必须通过验证。

运行前置条件与边界

要使用这套工作流，环境需要满足基本的门槛：你必须准备好受支持的 CLI 编码 agent 以及最新版本的 Python 运行环境。目前支持包括 OpenAI Agents SDK v2 在内的多种后端，且对特定模型版本有要求。

注意点：

• 这种架构适合拆解边界清晰的独立编码任务，而非用于极度模糊、需要频繁实时沟通的探索性开发。
• 你需要提供清晰的任务定义与门控验证脚本，编排器本身不负责生成业务逻辑。
• 如果你的下游模型不支持严格的工具调用协议，确定性调度的效果可能会大打折扣。