Worker-Critic模式：AI智能体协作工作流的工程实践

PredictiveScienceLab开源的worker-critic-example项目通过图表生成任务展示Worker-Critic代理工作流模式的工程实现，构建三种实验条件对比框架，探索多Agent协作生成高质量技术图表的最佳实践，为多Agent协作机制研究提供可复用的实验参考。

随着大模型能力提升，Agent架构应用增多，但单个Agent易出现"漂移"（上下文累积导致偏离初始目标）。Worker-Critic模式借鉴代码审查机制，引入独立Critic Agent监控Worker输出质量。项目通过具体图表生成任务构建三种实验条件对比框架，量化评估该模式的实际收益。

设计三种实验条件：

1. 条件A（基线）：单个Agent接收任务描述和基础Prompt独立完成图表生成，作为评估基准。
2. 条件B（同模型评审）：Worker会话持续运行，增加同模型Critic会话（持续存在而非每次重建）审查SVG并提供反馈。
3. 条件C（外部评审）：Worker会话持续运行，每次评审调用外部GPT模型（gpt-5.4-pro），结合历史评审提供第三方视角。

1. Prompt工程：模块化设计，基础Prompt与附加指令分离，通过脚本动态组合生成最终Prompt。
2. 多平台支持：兼容OpenAI Codex（launch_codex_exec.py）和Anthropic Claude（launch_claude_exec.py），各有启动脚本和运行器。
3. 隔离环境：每个运行在独立临时目录（/tmp/worker-critic-example-runs//），有独立git仓库，支持并行运行和完整日志保存。
4. Figma集成：可选，通过MCP服务器读写Figma文件，预检权限失败则中止。

1. 外部评审脚本：scripts/external_review.py接收项目描述、SVG和历史评审，调用OpenAI API输出Markdown详细评审和JSON结构化摘要。
2. 历史记录：保存在runs//reviews/，后续评审可包含历史以保证上下文连续性。
3. Claude评审：scripts/anthropic_review.py调用Azure Foundry上的Claude模型，支持多模型选择并记录兼容性信息。

scripts/build_comparison_artifacts.py收集三种条件最终图表，生成：

• 并排对比PNG
• 迭代过程GIF
• 包含运行根目录、帧数和产物路径的摘要报告，直观展示效果差异。

最佳实践：Prompt版本控制、环境隔离、多平台抽象、完整日志记录、可观察性设计（tmux实时观察）。 研究价值：可测试Prompt策略、比较评审模式效果、探索Critic反馈影响、扩展到其他任务。工业应用场景：文档编写、代码生成、设计稿创建等高质量迭代任务。

当前局限：特定模型名称兼容性问题。未来方向：支持更多AI平台、引入多Critic投票模式、探索Critic自身漂移问题等。