Субагенты не нужны? AI code review, токены и надёжность | Антон Виноградов

Обсуждаем статью Антона Виноградова You don’t need sub-agents.

Разбираемся, почему мультиагентная оркестрация не всегда ускоряет разработку, как субагенты множат контекст и токены, когда один агент оказывается быстрее и стабильнее, а когда параллельные агенты всё-таки нужны.

В выпуске:

— почему «оркестратор + толпа агентов» может оказаться не архитектурой, а оргчартом;

— как растут расходы на токены при разбиении задач на субагентов;

— почему single-agent pipeline может быть проще, дешевле и надёжнее;

— где субагенты полезны: read-only поиск, сбор контекста, независимые проверки;

— как мерить качество AI code review: latency, токены, стоимость, количество проходов модели, rejects и продуктовые метрики;

— как выбирать между скоростью, ценой и качеством в агентской разработке.

Таймкоды:

01:51 — О чём статья

02:10 — Почему больше участников = больше коммуникационных расходов

03:10 — Кейс code review: специализированные субагенты против одного агента

04:37 — Главная проблема: контекст, токены и цена

06:52 — Переход к single-agent pipeline

08:32 — Сайд-эффекты субагентов: падения, пустые ответы, восстановление состояния

10:11 — Когда субагенты всё-таки уместны

12:10 — Результаты: ревью быстрее, дешевле и стабильнее

13:44 — Аналогия с командами, CI, QA и security-проверками

18:28 — Почему чтение контекста съедает выигрыш от параллелизма

20:49 — Скорость разработки, ожидания и «12 минут — уже долго»

22:03 — Как сравнивать качество ревью до и после отказа от субагентов

24:51 — Риски одного агента: фокус, конфликт целей и специализация

28:28 — Observability и дебаг: один трейс против множества процессов

32:15 — Как менять и тестировать большой prompt

35:04 — Почему фронтирные лаборатории всё равно строят мультиагентные системы

37:33 — Экономика агентов: токены, маркетинг и cost-effective разработка

40:26 — Opus, GLM и выбор модели под пайплайн

42:20 — Какие метрики собирать с первого дня

43:44 — DORA, продуктовые метрики и как не обмануть себя статистикой

49:26 — Итог: не копировать чужой подход вслепую

50:46 — Практический критерий: что выносить в субагенты

52:23 — Почему подходы меняются с релизами моделей и инструментов

53:33 — Что дальше: автономная разработка, предсказуемость и контроль

Ссылки:

* Статья Антона “You don’t need sub-agents”: https://dev.to/tony__vi/you-dont-need-sub-agents-1eh7

* Code Assistants: https://github.com/awinogradov/code-assistants

* Telegram-канал DevSpotting / «Гриненко про»: https://t.me/devspotting

Затронутые темы и материалы:

* Cloudflare: Orchestrating AI Code Review at scale https://blog.cloudflare.com/ai-code-review/

* PostHog: 8 learnings from 1 year of agents: https://posthog.com/blog/8-learnings-from-1-year-of-agents-posthog-ai

* Cognition: Don’t Build Multi-Agents: * https://cognition.com/blog/dont-build-multi-agents

* Cognition: Multi-Agents — What’s Actually Working: https://cognition.com/blog/multi-agents-working

* MAST study: Why Do Multi-Agent LLM Systems Fail? https://arxiv.org/abs/2503.13657

* Claude Code Sub-agents: https://code.claude.com/docs/en/sub-agents

* Anthropic: Effective context engineering for AI agents: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

* Anthropic: How we built our multi-agent research system: https://www.anthropic.com/engineering/multi-agent-research-system

* Temporal: https://temporal.io/

* Z.ai / GLM: https://z.ai/

Поставьте лайк, подпишитесь на канал и напишите в комментариях: вы используете субагентов в разработке или предпочитаете один большой агентский loop?