单agent落幕，双agent才能解决复杂问题！附LangGraph+Milvus实操

做agent简单，但是做能落地的agent难，做能落地的长周期agent更是难上加难！

这是不是你搞agent开发时的常态？

长周期 Agent落地失效，通常来说，会分两类典型模式：

第一种发生在任务初期：收到“搭建类 claude.ai 的 Web 应用”这类高阶指令后，采用贪心策略一次性推进全量开发，执行中逐步丢失上下文，最终在功能开发半途耗尽上下文窗口；后续新实例面对无进度文档的半成品代码库，需要耗费大量精力梳理复盘，才能恢复应用基础功能。

第二种发生在项目中后期：已有部分功能落地后，新 Agent 因缺乏全局目标认知，仅看到局部功能可用便过早判定任务完成，忽略大量未实现的功能模块。

表面上看，这两种失效模式发生在项目的不同阶段、表现形式也截然不同，但深挖本质就会发现，其核心原因完全一致：Agent无法准确确认任务切分的粒度，进而导致多个会话间的上下文传递出现断裂或偏差。

既然找到了问题的根源，那么该如何针对性解决这一核心痛点？

本文将从架构设计、状态恢复、功能验证三个核心维度，详细介绍如何通过双Agent架构、基于文件与向量数据库的状态恢复机制，以及测试驱动的功能验证，系统性破解长周期Agent的落地难题。

01

为什么需要两个 Agent？

要解决任务切分粒度不准和上下文传递失效的问题，首先需要从架构层面搭建清晰的分工机制。

不久前，Anthropic 发布了一套双 Agent 架构方案，这套方案由两个agent组成：Initializer Agent + Coding Agent。

其中，Initializer Agent的核心职责是“当领导”，负责统筹全局，具体需要完成三件核心工作：

第一是任务拆解，即把用户的高级需求精准展开为具体的、可验证的功能点。以claude.ai克隆项目为例，Initializer Agent不会停留在构建一个对话应用这种模糊表述上，而是会将其细化为200多项具体功能，每一项都清晰描述了用户可执行的具体操作和对应的预期结果，让后续开发有明确的执行标准；

第二是进度跟踪，通过创建进度追踪文件，实时记录每个功能的完成状态，让开发进度可视化，避免出现局部完成即判定整体结束的误判；

第三是环境搭建，编写初始化脚本（init.sh），提前配置好开发所需的基础环境，确保后续Coding Agent能快速启动开发，无需在环境配置上耗费额外精力。

与Initializer Agent的统筹角色相对应，Coding Agent的职责是充当“专家”，在Initializer Agent的指挥下聚焦具体功能的落地执行。

其核心工作逻辑是增量迭代：每轮会话只选择一个功能进行实现，完成后先进行充分测试，再用描述性的提交信息将代码提交到Git，同步更新进度文件，最后结束会话，，从根本上避免了半成品代码堆积和上下文丢失的问题。

需要特别注意的是，进度追踪列表的格式选择对Agent的执行效率影响极大。这里更推荐采用JSON格式，尽量不要用Markdown格式，因为模型在编辑JSON时更倾向于精准修改特定字段，但处理Markdown时容易产生意外的格式变化或整体重写。这种差异在处理包含数百个功能项的大型列表时会尤为明显，可能直接导致进度追踪失效。

一个标准的功能项JSON结构如下：

{

 "category": "functional",

 "description": "New chat button creates a fresh conversation",

 "steps": [

  "Navigate to main interface",

  "Click the 'New Chat' button",

  "Verify a new conversation is created",

  "Check that chat area shows welcome state",

  "Verify conversation appears in sidebar"

 ],

 "passes": false

}

这种结构化格式让 Agent 能够清晰地理解每个功能的范围和验证标准，同时通过 passes 字段追踪完成状态，为跨会话的进度衔接提供可靠依据。

02

从文本匹配到语义检索：Agent 记忆的升级

在解决了任务切分和增量开发的问题后，另一个影响长周期Agent落地的关键痛点在于：跨会话的状态恢复与经验复用。

起初，基于进度文件与Git的状态恢复机制在项目初期能正常运行，但随着项目规模扩大，三类问题会逐渐凸显：一是Git历史提交次数超过数百次后，线性扫描的效率会大幅下降，无法快速定位关键信息；二是基于文本的查找只能匹配关键词，无法理解“JWT刷新令牌”与“用户认证”这类语义关联，导致历史经验无法有效复用；三是各项目的经验被孤立存储，无法跨项目迁移复用，增加了重复开发成本。

向量数据库通过语义检索解决了这些问题。

其核心逻辑是将进度记录、Git提交信息等历史数据转换为向量嵌入，当Agent需要查询历史信息时，只需输入查询语句，向量数据库就能在毫秒级响应时间内找到语义相关的内容。

在这一场景中，Milvus数据库的优势尤为突出：一方面，Milvus Lite支持轻量化部署，可像SQLite一样直接嵌入应用，无需复杂的集群配置；另一方面，我们也可以采用Milvus的docker、k8s版本，全都原生支持主流的嵌入模型API，且通过TextEmbedding功能，Agent无需手动处理向量生成，直接用自然语言查询语句就能检索历史记录，大幅降低了使用门槛。

03

代码跑通≠功能完成：测试驱动的功能验证闭环

即便解决了任务切分和记忆复用问题，长周期Agent仍可能因功能验证不充分导致落地失效。

因为，很多时候，Agent在实现功能后，仅通过简单的代码测试或curl命令测试就标记功能完成，但这类测试往往无法覆盖真实使用场景，很容易遗漏实际应用中的问题——这一痛点在Web应用开发中尤为明显。

要解决这一问题，可以让Agent使用浏览器自动化工具进行端到端测试。对于Web应用而言，就是通过Puppeteer等工具，模拟真实用户的操作流程：打开页面、点击按钮、填写表单、检查页面元素等，只有当功能通过这种全流程的真实场景测试后，Agent才能将其标记为完成。

这种测试方式让 Agent 能够发现仅从代码层面无法察觉的问题。比如一个对话功能，代码逻辑可能完全正确，API 返回也符合预期，但在浏览器中可能因为 CSS 问题导致用户看不到回复内容。通过浏览器自动化测试，Agent 可以截图验证页面显示是否符合预期，从而发现这类问题。

但这种方法也有局限性。某些浏览器原生功能，特别是系统级弹窗（如确认对话框、文件选择器），无法被 Puppeteer 这样的自动化工具访问。依赖这些原生弹窗的功能往往更容易出现测试盲区。在设计应用时需要考虑这一点，尽量使用可测试的自定义 UI 组件替代原生弹窗。

04

动手实操：LangGraph 管状态，Milvus 管记忆

为了让上述方案总结更容易理解，下面通过一个实操示例，展示如何通过LangGraph和Milvus的协同，实现长周期任务重，双Agent的状态管理与记忆复用。

该示例的核心逻辑是“短期记忆+长期记忆”的协同工作：LangGraph的检查点机制负责维护单个会话内的状态一致性，确保会话内的开发流程不中断；当需要跨会话查询历史信息时，由Milvus提供语义检索支持，帮助Agent快速恢复上下文，彻底避免从零开始的冷启动问题。

from sentence_transformers import SentenceTransformer

from pymilvus import MilvusClient

from langgraph.checkpoint.memory import MemorySaver

from langgraph.graph import StateGraph, START, END

from typing import TypedDict, Annotated

import operator

import subprocess

import json

# ==================== 初始化 ====================

embedding_model = SentenceTransformer('all-MiniLM-L6-v2')

milvus_client = MilvusClient("./milvus_agent_memory.db")

# 创建集合

if not milvus_client.has_collection("agent_history"):

  milvus_client.create_collection(

    collection_name="agent_history",

    dimension=384,

    auto_id=True

  )

# ==================== Milvus操作函数 ====================

def retrieve_context(query: str, top_k: int = 3):

  """从Milvus检索相关历史（核心要素：语义检索）"""

  query_vec = embedding_model.encode(query).tolist()

  results = milvus_client.search(

    collection_name="agent_history",

    data=[query_vec],

    limit=top_k,

    output_fields=["content"]

  )

  if results and results[0]:

    return [hit["entity"]["content"] for hit in results[0]]

  return []

def save_progress(content: str):

  """保存进度到Milvus（长期记忆）"""

  embedding = embedding_model.encode(content).tolist()

  milvus_client.insert(

    collection_name="agent_history",

    data=[{"vector": embedding, "content": content}]

  )

# ==================== 核心要素1：Git提交 ====================

def git_commit(message: str):

  """Git提交（原文核心要素）"""

  try:

    # 实际项目中会执行真实的Git命令

    # subprocess.run(["git", "add", "."], check=True)

    # subprocess.run(["git", "commit", "-m", message], check=True)

    print(f"[Git提交] {message}")

    return True

  except Exception as e:

    print(f"[Git提交失败] {e}")

    return False

# ==================== 核心要素2：测试验证 ====================

def run_tests(feature: str):

  """执行测试（原文强调的端到端测试）"""

  try:

    # 实际项目中会调用Puppeteer等测试工具

    # 这里简化为模拟测试

    print(f"[测试验证] 正在测试功能: {feature}")

    # 模拟测试结果

    test_passed = True # 实际会根据测试结果返回

    if test_passed:

      print(f"[测试通过] {feature}")

    return test_passed

  except Exception as e:

    print(f"[测试失败] {e}")

    return False

# ==================== 状态定义 ====================

class AgentState(TypedDict):

  messages: Annotated[list, operator.add]

  features: list# 所有功能列表

  completed_features: list # 已完成功能

  current_feature: str # 当前正在处理的功能

  session_count: int # 会话计数器

# ==================== 双Agent节点 ====================

def initialize_node(state: AgentState):

  """初始化Agent：生成功能列表和工作环境"""

  print("\n========== 初始化Agent启动 ==========")

  # 生成功能列表（实际会根据需求生成详细的功能清单）

  features = [

    "实现用户注册功能",

    "实现用户登录功能",

    "实现密码重置功能",

    "实现用户资料编辑",

    "实现会话管理功能"

  ]

  # 保存初始化信息到Milvus

  init_summary = f"项目初始化完成，生成{len(features)}个功能点"

  save_progress(init_summary)

  print(f"[初始化完成] 功能列表: {features}")

  return {

    **state,

    "features": features,

    "completed_features": [],

    "current_feature": features[0] if features else "",

    "session_count": 0,

    "messages": [init_summary]

  }

def code_node(state: AgentState):

  """编码Agent：实现、测试、提交（核心循环节点）"""

  print(f"\n========== 编码Agent会话 #{state['session_count'] + 1} ==========")

  current_feature = state["current_feature"]

  print(f"[当前任务] {current_feature}")

  # ===== 核心要素3：从Milvus检索历史经验（跨会话记忆） =====

  print(f"[检索历史] 查询与'{current_feature}' 相关的历史经验...")

  context = retrieve_context(current_feature)

  if context:

    print(f"[检索结果] 找到 {len(context)} 条相关记录:")

    for i, ctx in enumerate(context, 1):

      print(f" {i}. {ctx[:60]}...")

  else:

    print("[检索结果] 无相关历史记录（首次实现此类功能）")

  # ===== 步骤1：实现功能 =====

  print(f"[开始实现] {current_feature}")

  # 实际会调用LLM生成代码

  implementation_result = f"已实现功能: {current_feature}"

  # ===== 步骤2：测试验证（核心要素） =====

  test_passed = run_tests(current_feature)

  if not test_passed:

    print(f"[会话结束] 测试未通过，需要修复")

    return state# 测试失败则不推进

  # ===== 步骤3：Git提交（核心要素） =====

  commit_message = f"feat: {current_feature}"

  git_commit(commit_message)

  # ===== 步骤4：更新进度文件 =====

  print(f"[更新进度] 标记功能为已完成")

  # ===== 步骤5：保存到Milvus长期记忆 =====

  progress_record = f"完成功能: {current_feature} | 提交信息: {commit_message} | 测试状态: 通过"

  save_progress(progress_record)

  # ===== 步骤6：更新状态并准备下一个功能 =====

  new_completed = state["completed_features"] + [current_feature]

  remaining_features = [f for f in state["features"] if f not in new_completed]

  print(f"[进度统计] 已完成: {len(new_completed)}/{len(state['features'])}")

  # ===== 核心要素4：会话结束（明确的会话边界） =====

  print(f"[会话结束] 代码库处于干净状态，可安全中断\n")

  return {

    **state,

    "completed_features": new_completed,

    "current_feature": remaining_features[0] if remaining_features else "",

    "session_count": state["session_count"] + 1,

    "messages": [implementation_result]

  }

# ==================== 核心要素3：循环控制 ====================

def should_continue(state: AgentState):

  """判断是否继续下一个功能（实现增量循环开发）"""

  if state["current_feature"] and state["current_feature"] != "":

    return "code"# 继续执行下一个功能

  else:

    print("\n========== 所有功能已完成 ==========")

    return END

# ==================== 构建工作流 ====================

workflow = StateGraph(AgentState)

# 添加节点

workflow.add_node("initialize", initialize_node)

workflow.add_node("code", code_node)

# 添加边

workflow.add_edge(START, "initialize")

workflow.add_edge("initialize", "code")

# 添加条件边（实现循环）

workflow.add_conditional_edges(

  "code",

  should_continue,

  {

    "code": "code",# 继续循环

    END: END# 结束

  }

)

# 编译工作流（使用MemorySaver作为检查点器）

app = workflow.compile(checkpointer=MemorySaver())

# ==================== 使用示例：演示跨会话恢复 ====================

if __name__ == "__main__":

  print("=" * 60)

  print("演示场景：长周期Agent的多会话开发")

  print("=" * 60)

  #===== 会话1：初始化 + 完成前2个功能 =====

  print("\n【场景1】第一次启动：完成前2个功能")

  config = {"configurable": {"thread_id": "project_001"}}

  result = app.invoke({

    "messages": [],

    "features": [],

    "completed_features": [],

    "current_feature": "",

    "session_count": 0

  }, config)

  print("\n" + "=" * 60)

  print("【模拟场景】开发者手动中断（Ctrl+C）或上下文窗口耗尽")

  print("=" * 60)

  # ===== 会话2：从checkpoint恢复状态 =====

  print("\n【场景2】新会话启动：从上次中断处继续")

  print("通过相同的thread_id，LangGraph自动恢复checkpoint...")

  # 使用相同的thread_id，LangGraph会自动从checkpoint恢复状态

  result = app.invoke({

    "messages": [],

    "features": [],

    "completed_features": [],

    "current_feature": "",

    "session_count": 0

  }, config)

  print("\n" + "=" * 60)

  print("演示完成！")

  print("=" * 60)

  print("\n关键要点:")

  print("1. ✅ 双Agent架构（initialize + code）")

  print("2. ✅ 增量循环开发（条件边控制循环）")

  print("3. ✅ Git提交（每个功能完成后提交）")

  print("4. ✅ 测试验证（端到端测试）")

  print("5. ✅ 会话管理（明确的会话边界）")

  print("6. ✅ 跨会话恢复（thread_id + checkpoint）")

  print("7. ✅ 语义检索（Milvus长期记忆）")

尾声

此前，市面上的agent方案中，多采用单一Coding Agent处理所有编码相关任务，但在真实的软件开发流程中，不同阶段的需求差异极大。

因此需要多 Agent 专业分工：测试 Agent 关注边界条件，质量保证 Agent 负责架构检查，清理 Agent 处理重构和文档。每个 Agent 针对专门领域优化提示和工具集，通过结构化接口协作，就像真实的开发团队。

值得注意的是，这套方案的核心原则：结构化初始环境、增量式进展、状态追踪、验证测试，并非仅适用于软件开发场景，还可迁移到其他长周期任务中：例如科学研究中的数周连续实验、金融建模中的多步骤复杂计算、法律文档的多轮迭代审查等。

随着向量数据库技术的成熟和多Agent框架的完善，让AI可靠完成复杂长周期任务，已经从理论探索逐步进入工程实践阶段，未来将释放更多生产力价值。

作者介绍

Zilliz黄金写手：尹珉

文章来自于“Zilliz”，作者 “尹珉”。