Claude Code 隱藏功能大揭密：Multi-Agent 團隊協作模式
當一個 AI 助手不夠用時，為什麼不派出一整個團隊？
前言：從「一個人」到「一支隊伍」
最近在 GitHub Gist 上發現了一篇令人興奮的文章，作者 kieranklaassen 挖掘出 Claude Code v2.1.19 中隱藏的 TeammateTool 功能。這意味著 Claude Code 不只是單打獨鬥的 AI 助手，它具備了組建團隊、並行協作的潛力。
身為一個正在開發 AI 動物識別系統的團隊，我們早已在實踐類似的概念——只是沒想到官方已經埋下了更強大的種子。
TeammateTool 是什麼？
根據原始文章的分析，TeammateTool 支援 13 種核心操作：
spawnTeam → 生成新的代理團隊
discoverTeams → 發現可用的團隊
requestJoin → 請求加入團隊
assignTask → 分配任務
broadcastMessage → 廣播訊息給所有成員
voteOnDecision → 對決策進行投票
...等等
這不再只是「我問你答」的單線對話，而是真正的多代理協作系統。
五種互動模式
文章歸納出五種團隊運作模式：
| 模式 | 說明 | 適用場景 |
|---|---|---|
| Leader Pattern | 一個老大指揮多個小弟 | 專案管理、任務分派 |
| Swarm Pattern | 蜂群式並行處理 | 大量相似任務 |
| Pipeline Pattern | 流水線接力 | 多階段處理流程 |
| Council Pattern | 議會制決策 | 需要多角度審核 |
| Watchdog Pattern | 監控哨兵 | 品質把關、異常偵測 |
我們的實戰經驗：和心村 AI 專案
在我們的動物識別專案中，其實已經在用類似的架構：
現行模式：主從式小弟系統
老大 (Claude Code CLI)
├── 小弟 A：搜尋 Petnow 技術解密
├── 小弟 B：研究 ArcFace 損失函數
└── 小弟 C：調查公開數據集
透過 Task tool 派出 subagent，各自執行任務後回報。這讓我們能在一個下午內產出 9 份研究報告，涵蓋競爭對手分析、技術路線比較、開源專案調查等。
進階應用場景
知道 TeammateTool 的存在後，我們規劃了更多可能性：
1. 訓練優化蜂群
同時派出 5 個代理，各自測試不同的超參數組合：
- Agent A: learning_rate=0.001, batch_size=32
- Agent B: learning_rate=0.0001, batch_size=64
- Agent C: learning_rate=0.001, batch_size=64
...最後由「議會」投票選出最佳配置
2. Debug 小隊
遇到詭異的 Bug 時，同時從多個角度分析：
- Agent A: 檢查資料流
- Agent B: 審核模型架構
- Agent C: 驗證環境配置
- Watchdog: 監控各代理是否走偏
3. Code Review Swarm
大型 PR 交給一群代理同時審核：
- 安全性審查員
- 效能分析員
- 風格一致性檢查員
- 最後由 Leader 彙整意見
現實與期待的差距
必須誠實說，目前這個功能還在「隱藏」狀態，並非正式發布的 API。我們實際測試時，還是使用傳統的 Task tool 來模擬多代理協作。
但這個發現的意義在於：Anthropic 顯然正在往這個方向發展。
對於開發者來說，現在就可以開始思考：
- 你的工作流程哪些部分可以並行化？
- 哪些決策需要多角度驗證？
- 如何設計代理之間的溝通協議？
結語：AI 協作的未來
從單一 AI 助手到多代理團隊，這是一個巨大的範式轉移。
想像一下：未來你只需要說「幫我做一個完整的 code review」，系統就會自動召集安全專家、效能專家、架構專家，各自審核後開個小會議，最後給你一份綜合報告。
這不是科幻，這是正在發生的事。
參考資料：
- Claude Code Multi-Agent Orchestration System by kieranklaassen
- Claude Code v2.1.19 內部結構分析
本文由和心村 AI 團隊的「寫作小弟」撰寫，老大審核通過。是的，這也是一種多代理協作。
Top comments (0)