从Vibe Coding到多智能体并行：Kieran的下一代编程方法

这是一篇关于如何用多智能体并行重塑个人开发效率的实战分享。Kieran展示了他如何把AI当成“工程团队”，在真实工具链中跑多个任务、做研究、写代码、互相Review，让编程方式发生质变。

为什么“多智能体编程”是Vibe Coding之后的必然一步

这一段最重要的价值在于，它解释了为什么“感觉式写代码（Vibe coding）”并不是终点。Kieran一上来就点破了变化的本质：“It's like I'm a manager and I have like a team of people that are very capable。”他不再把AI当成一个聊天窗口，而是当成一组可以被调度的执行者。

在他的视角里，Agentic Coding 并不是更聪明的模型，而是一种新的协作范式。你不再是亲手敲每一行代码，而是像经理一样拆任务、分配工作、验收结果。他强调，“running parallel is a good trick”，真正的跃迁来自并行：三个任务同时跑，而不是排队等AI一个个完成。

这里有一个重要但容易被忽略的点：AI并不介意被反复指挥。Kieran说得很直白：“the AI doesn't care. They will happily do whatever you want.” 正是这种‘不抱怨、不疲劳’的特性，让多智能体协作在软件工程里第一次变得现实。

从Cursor到Claude Code：工具不重要，工作方式才重要

很多观众关心具体用什么工具，但Kieran刻意把话题往上抬了一层。他提到Cursor的爆发式增长时说：“It's not about the tool… it's about how do you reset and rethink how you work with these tools？” 这句话几乎点出了整个视频的主旨。

在演示中，他使用的是Warp终端，把自然语言直接当作指令输入，而Claude Code负责真正的执行。他描述这个体验时非常生活化："which is type what I want it to do"。重点不在界面炫不炫，而在于你是否愿意把‘怎么做’交出去。

这种转变对工程师心理冲击很大。过去我们控制每个细节，现在更像是在定义目标、边界和验收标准。Kieran反复强调，真正需要学习的不是某个IDE，而是如何把任务拆解到AI能稳定执行的粒度。

现场演示：并行Agent如何同时写功能、做Review

视频中最有含金量的部分，是Kieran直接展示多Agent并行跑任务的过程。他让子Agent分别处理不同功能，而且“they are on different branches here”。这不是比喻，而是真实的软件工程流程：并行开发、分支隔离。

更有意思的是，这些Agent并不只是‘写代码的手’，而是分工明确。有的负责实现功能，有的负责Review。Kieran指着还在运行的任务说：“these are still going… because you have like AI reviewing and AI implementing。”这意味着反馈不再是开发完成后的一个阶段，而是持续发生的。

他也坦诚，这套系统“pretty bare bones”，并不完美，但已经足够改变效率曲线。关键技巧仍然是并行：在一个子Agent里同时跑三件事，而你只需要在高层做判断。

把AI当研究员，而不是搜索引擎

除了写代码，Kieran特别强调Claude Code在‘教你东西’上的价值。他给了一个很具体的定位：“This is a great use case… just teach me stuff… It's really good at research.” 这不是简单的问答，而是长时间、结构化的研究任务。

这类任务传统上非常消耗工程师精力：查资料、对比方案、理解上下游依赖。现在可以交给一个Agent持续跑，而你去做更高层的决策。这也是为什么他认为Agent适合“long running tasks”。

当然，这一切并不简单。他在结尾也提醒：“there are rules， there are many LM workflows.” 多智能体不是魔法，而是一套需要被设计、被约束的工作流系统。

“Think ultra hard”：如何真正榨干模型能力

在一些看似随意的细节里，Kieran透露了他的‘使用心法’。比如他说，在提示中加入“Think ultra hard”，会显著提高Claude的思考深度：“those words will increase the thinking levels”。

这并不是玄学，而是对当前大语言模型工作机制的经验总结。模型对‘思考强度’的暗示非常敏感，而大多数人从未系统性地利用这一点。

这也再次呼应了他的核心观点：Agentic Coding 的门槛不在模型，而在人的方法论。谁更早掌握这些‘指挥AI的语言’，谁就能更早获得非线性的效率优势。

总结

这场对话真正稀缺的，不是某个新工具，而是一种已经在真实工作中被验证的协作范式：把AI当成可以并行调度的团队。对工程师来说，下一阶段的竞争力，很可能取决于你是否愿意从“执行者”转向“管理者”，以及你是否能设计出适合AI运行的工作流。

关键词： AI Agent， 多智能体编程， Claude Code， Cursor， 代码生成

事实核查备注： 视频人物：Kieran Klaassen；频道主持：Peter Yang；工具：Cursor、Warp、Claude Code；关键概念：Agentic Coding、并行Agent、子Agent、分支开发；原话引用均来自视频片段原文。