最近用 ChatGPT、Codex 同时推进多个开发任务时我越来越明显地遇到一个新问题单个PR没问题不代表多个PR合在一起以后也没问题。比如一个大型项目里同时开了三个Agent任务。Agent A负责改鉴权逻辑。Agent B负责调整缓存。Agent C负责修改公共DTO。三个任务互相看起来都很独立。每个Agent都在自己的Branch里工作。各自测试通过。各自CI也是绿色。Code Review单独看也找不出明显错误。于是三个PR陆续合并。结果最后一个PR合进主干以后线上测试突然失败。更麻烦的是Git根本没有Conflict。三个PR都能顺利Merge。代码也能编译。但最终系统行为就是不对。这时候真正的问题已经不是哪个Agent写错了而是三个“单独正确”的改动组合起来以后破坏了彼此原本依赖的假设。这也是多Agent并行开发里非常容易被低估的一层PR Correctness不等于 Composition Correctness。一、先给核心判断Git没有冲突不代表业务没有冲突我们平时最熟悉的是Text Conflict。两个人同时修改同一行代码。Git没法自动决定保留谁于是直接报Conflict。这种反而好处理。因为系统明确告诉你这里发生冲突了。真正麻烦的是Semantic Conflict——语义冲突。两个PR修改的是不同文件。甚至不同模块。Git完全可以自动合并。但它们改变的系统假设彼此矛盾。例如Agent A修改鉴权逻辑认为userId永远来自当前登录态。Agent C修改DTO以后允许某些后台任务不再携带userId。两个PR单独测试都成立。合到一起后台任务直接被新鉴权逻辑拒绝。Git不会告诉你“这里冲突了。”因为文件层面根本没有冲突。真正冲突的是对系统行为的理解。二、为什么多Agent特别容易放大这个问题人工开发时同一个团队成员通常会知道“隔壁那个人正在改什么。”开会。聊天。Review。上下文会自然传播。但多个Agent并行工作时每个Agent看到的往往是自己的任务上下文。Agent A知道我要重构鉴权。Agent B知道我要优化缓存。Agent C知道我要改DTO。每个Agent都能在自己的局部范围里做出非常合理的选择。但它们未必知道其他Branch正在同时改变哪些系统条件。于是会形成一个很典型的问题Local OptimizationGlobal Collision。每个Agent都把自己的任务做对了。系统却在最后组合阶段出错。三、一个很典型的现场缓存和权限分别都改对了假设原来用户权限每次请求都会实时查询数据库。Agent A负责优化权限逻辑。它增加了一条规则权限变化以后必须立即生效。自己的测试全部通过。与此同时Agent B负责优化性能。它给用户权限结果增加了5分钟缓存。它的测试也完全正确。单独看Agent A没有Bug。Agent B也没有Bug。但两个PR合并以后权限修改之后缓存还可能继续保存旧结果5分钟。系统最终行为变成“必须立即生效”的权限被“允许缓存5分钟”的策略破坏了。这类问题不一定有异常。报错。编译失败。甚至功能测试都可能大部分正常。真正出问题的是两个改动对同一份业务语义做出了不同假设。四、所以多个PR真正危险的不是“改同一个文件”我反而觉得改同一个文件没那么可怕。因为Git很容易暴露问题。真正危险的是不同文件修改了同一个系统行为。比如一个PR修改API默认值。另一个PR修改Consumer处理逻辑。一个PR修改数据库字段约束。另一个PR修改写入逻辑。一个PR调整Feature Flag。另一个PR把相关旧逻辑删掉。一个PR修改缓存TTL。另一个PR假设数据实时一致。这些地方文件可能相距非常远。但业务意义上是同一个Change Surface。所以多Agent并行以后真正应该建立的不是File Conflict Map。而是Semantic Dependency Map。五、Merge Order为什么会影响最终结果假设有两个PR。PR A修改公共接口并保留旧字段兼容。PR B基于旧接口重构Consumer同时把旧字段处理逻辑删除。如果先合A再合B主干最终可能直接失去旧兼容路径。如果先合B再合AA的兼容逻辑可能又把一部分旧行为重新带回来。虽然两个最终Git Diff可能非常接近但合并过程中执行的测试、生成代码、配置更新甚至后续PR重新基于主干的结果都可能不同。尤其当一个PR会重新生成SDK。更新Lock File。生成Schema。重写配置。调整Feature Flag时Merge Order就不只是Git顺序问题。而是Integration State变化的问题。所以多个Agent开PR以后不能默认“谁先Review完谁先合。”六、第二个PR合并以后第一个PR的测试结论可能已经失效这个点特别重要。PR A自己的CI通过只能证明PR A 当时的Main是正确的。后来PR B先合进去了。Main已经变了。这时候PR A原来的测试结果其实已经过期。因为真正准备进入主干的是PR A 新Main而不是PR A 旧Main。如果PR A和PR B存在潜在语义依赖那么原来的绿色CI并不能继续证明组合状态安全。所以多Agent并行开发以后真正稳定的流程应该是每次主干发生关键变化后待合并PR重新基于最新Main验证。这也是Merge Queue存在价值的原因之一。七、为什么“每个PR都重新Rebase”还不够Rebase可以解决一部分问题。它至少能让当前PR基于最新主干重新生成。但它主要解决的是代码基线。不自动解决业务组合验证。例如PR A重新Rebase以后。能编译。CI也过。但CI里根本没有覆盖PR B新引入的某个行为组合。所以Latest Main Green CI仍然不等于Composition Verified。真正还需要确认哪些PR之间存在业务依赖。哪些组合需要额外测试。哪些修改会改变彼此的假设。八、多个Agent同时工作前最好先声明“谁依赖谁”我现在越来越倾向在任务拆分阶段就先做PR Dependency。比如三个Agent任务A新增新字段。BConsumer使用新字段。C删除旧字段。这三个任务不能简单理解成三个并行PR。真正关系应该是A先提供兼容能力。B完成迁移。C最后清理。如果强行并行很容易出现C先合了。B还没完成。线上旧Consumer直接断。所以并行执行不代表并行合并。Agent可以同时做。但Integration Order仍然应该人为设计。这点和跨仓库升级其实很像。真正危险的不是执行速度慢。而是所有任务都完成得很快但进入系统的顺序错了。九、哪些地方最容易发生Semantic Conflict我会特别注意下面几类公共DTO和Schema一个Agent改字段结构另一个Agent继续按旧结构假设。Feature Flag一个PR准备逐步启用另一个PR已经把旧逻辑删除。默认值一个模块把默认值改成A另一个模块仍然假设默认是B。缓存一个PR追求实时一致另一个PR增加缓存。权限一个Agent扩大访问范围另一个Agent收紧验证。数据库Migration一个PR增加兼容字段另一个PR提前清理旧字段。公共配置两个Agent分别调整不同模块却共同依赖同一个配置语义。这些地方即使文件完全不同也非常容易产生组合风险。十、所以Review应该多问一个问题这个PR依赖哪些假设以前Review可能主要看代码有没有Bug。测试有没有覆盖。现在多个Agent并行以后我更愿意多问一句这个PR成立的前提是什么比如这个PR假设旧字段还存在。这个PR假设缓存TTL是0。这个PR假设Feature Flag默认关闭。这个PR假设旧Consumer已经全部升级。一旦把这些Assumption写出来就更容易发现另一个PR是不是正在同时改变它。这比单纯比较Diff更有价值。十一、Merge Queue真正解决的是什么很多团队把Merge Queue理解成防止大家同时Merge。其实更重要的是让PR在接近真实合并顺序的状态下重新验证。比如PR A准备进队列。系统把它放到最新Main上跑一遍。如果PR B排在A前面那A最终验证的应该是Main B A而不是几小时前旧Main A这样至少能减少CI绿了但组合以后炸了这种问题。当然Merge Queue本身也不是万能的。如果测试根本没覆盖语义冲突它依然可能放过去。但它至少把合并顺序纳入验证过程。十二、我更推荐多Agent任务走“执行并行集成串行”这句话听起来好像降低效率。其实不是。Agent A、B、C完全可以同时分析。写代码。补测试。准备PR。真正进入Main的时候再按照依赖顺序一个一个合。每合一个重新验证下一个。这样你仍然获得了Agent并发执行的速度。但没有把系统集成也变成毫无顺序的并发行为。也就是Parallel Execution Controlled Integration。这是我现在更喜欢的方式。十三、什么时候可以放心并行合并如果几个PR之间业务边界完全独立。没有共享Contract。没有公共Schema。不影响同一份状态。不依赖相同配置。不存在共同运行路径。那并行风险自然低很多。例如一个PR改后台管理页面文案。另一个PR修完全独立的离线报表。它们的Composition Risk就比较小。所以重点不是“多Agent一定不能并行。”而是“并行之前先确认这些任务是不是真正独立。”任务边界判断越准确并行收益越高。十四、一个主指标Composition Validation Coverage这篇我建议只留一个指标Composition Validation Coverage——组合验证覆盖率可以简单理解为已经验证过的关键PR组合数量 ÷ 本次并行开发中识别出的关键组合数量假设三个PR之间存在ABACBC以及ABC4种真正值得验证的组合。当前只验证了A单独。B单独。C单独。那组合验证覆盖率其实接近0%。即使三个PR自己的CI全部是绿色。这个指标的意义就是不再把“单PR验证”误认为“系统组合验证”。十五、多个Agent同时开PR我会怎么安排流程我更倾向于先拆任务 → 标出共享边界 → 标出PR依赖 → Agent并行执行 → PR单独验证 → 确定Merge Order → 基于最新主干重新验证 → 关键组合测试 → 合并重点不在于增加流程。而是提前回答哪些PR可以随便换顺序哪些PR必须A先于B哪些PR合并以后必须重新跑一次关键验证这样多Agent真正提升的是开发吞吐。而不是把Integration Risk一起放大。十六、ChatGPT、Codex在这里最适合做什么不要只让不同Agent各自完成任务。还可以再加一个“集成视角”。让ChatGPT、Codex帮助比较多个PR分别修改了哪些业务概念。有没有共享Contract。有没有共同配置。有没有互相依赖的Feature Flag。有没有一个PR改变了另一个PR的前提。哪些合并顺序更安全。也就是说多Agent之后还需要一次Cross-PR Review。不是Review某个PR写得好不好。而是Review这些PR放在一起以后会发生什么。十七、Plus和Pro怎么判断如果你平时主要让ChatGPT、Codex处理几个独立小任务。PR规模不大。大多数任务彼此无关。偶尔做一次Cross-PR分析。这种情况下Plus通常已经够用。如果你的工作已经是大型仓库。多个Agent同时修改不同模块。一天产生很多PR。还要持续分析共享Contract、Merge Order、CI、组合测试和主干状态。需要Codex在每次主干变化以后继续重跑验证、修复冲突这种高并发、多PR、长时间Agent Workflow已经成为日常那Pro会更适合。真正的判断标准不是同时开几个Agent。而是你是不是已经把多Agent并行开发变成了持续的工程生产流程。最后多个Agent同时开PR为什么每个PR都正确合并以后却可能出错因为单个PR验证的是局部正确性。系统真正运行的是多个变化叠加以后的组合状态。Git只能很好地发现文本冲突。却不一定能发现Semantic Conflict。所以多Agent并行以后真正需要补的一层不是更多单PR测试。而是Integration Order Cross-PR Validation。真正稳定的流程应该是Agent可以并行工作但PR不能无脑并行进入系统。先看依赖。再定Merge Order。每次主干变化后重新验证。最后确认关键组合仍然成立。当ChatGPT、Codex让并行开发速度越来越快以后人真正需要守住的也不只是每个Agent有没有把自己的任务做对。而是这些正确的修改放在一起以后整个系统是不是仍然正确。