AI 一边查一边写,为什么反而漏掉了关键结果?
工具并行能省下等待,却也会带来乱序、过期结果和提前收工。用一份软件选型报告,拆开异步 Agent 真正需要记住的几件事。
让 AI 查三份资料,它查完第一份才开始第二份,看着就有点着急。既然几个网站互不相关,为什么不一起查?等资料的时候,也可以先列提纲、整理已有信息,总比坐着不动好。
这个直觉没错。麻烦出在后半句:资料还没齐,AI 已经开始写了。最快返回的结果进入正文,最慢的结果抵达时,结论可能已经定下,甚至报告都交出去了。
我更愿意把这件事理解成协作问题。一个人请三位同事帮忙查东西,不会因为其中两人先回复,就忘记第三人还在忙。AI 要做到同样的事,需要的不只是“同时调用工具”,还得知道谁没回来、回来的是哪一轮结果,以及哪一步必须等。
三份资料,为什么不能谁先来就用谁
假设我们要为一个小型开源项目选择文档工具。需求很具体:能离线导出、允许商业使用、三个人协作时维护成本可接受。这是一个说明机制的假设案例,不是某次真实产品测评。
AI 把工作分成三路:查功能,查许可证,查部署方式。功能页面很好抓,很快回来了;部署文档稍慢;许可证藏在另一个仓库里,还没找到。
这时,AI 完全可以先列出候选工具,整理功能表格,把“离线导出”这一列填好。它也可以把结论写成“目前功能条件满足,商业使用条件待核验”。这些工作用到了已有证据,并不要求假装其他证据也已经到齐。
但如果它写下“推荐这个工具,三个条件都满足”,就越过了一条很具体的边界:许可证任务仍在执行,结论却已经把它当成通过。
问题并不一定是模型读不懂许可证,也可能不是工具失败。工具最终会正确返回,只是那个结果还没有进入最终判断。这种错误特别容易藏起来,因为报告里已经有链接、有表格、有流畅的解释,读者很难看见后台那一个尚未结束的任务。
缺少结果和结果为否,是两种不同的状态。没查到许可证,不能写成“不允许商业使用”;还没查完,也不能写成“没有发现限制”。一句听起来谨慎的话,仍可能把未知偷偷换成肯定。

省下的是等待,不是依赖
把几个工具调用并排发出去,通常叫并发;允许主任务在结果返回之前继续做别的事,是异步。二者常常一起出现,但不是同一件事。一个系统可以并发查询三份资料,然后等三份都齐了再继续;也可以在其中一份回来时,就把它交给模型处理。
先看最容易算的一笔账。假设三个查询各需要三秒、五秒和八秒,完全串行要等十六秒。如果它们真正互不依赖,资源和限流也不构成阻碍,一起发起时,全部到齐的理想等待时间接近八秒。这些数字只是示意,不是任何模型或平台的实测。
省掉的是重叠的空等。八秒的查询不会因为另外两路开跑,就自动变成三秒。最终结论如果依赖最慢的那一路,结论仍然要等它。
而且,不是所有步骤都可以一起开始。先找到某个工具的准确版本,再查那个版本的许可证,是有先后关系的。若版本尚未确定,就随便拿一个许可证页启动分析,虽然更早开始,回来也可能没有用。
我会把任务拆成两种线:一条是可以重叠的工作,一条是必须先后发生的证据链。前者决定能快多少,后者决定哪些等待不能省。只看“开了几个工具”,看不出真正的效率。
这也解释了为什么一味增加并发不一定更快。工具可能共享网络连接、同一个网站的访问额度,或同一份可修改文件。排队、重试和相互覆盖,可能把省下来的时间又吃回去。对于共享文件的写入,甚至首先要解决谁能改,而不是谁先开工。

收到回复之前,先认一下是谁
如果三个任务都只是“搜索一下”,结果回来时只给模型一大段文字,模型就得从上下文里猜:这是哪个候选工具的?对应什么需求?这轮任务还有效吗?
可靠的做法,是在发出去时就带一张小凭条。任务编号、输入条件、属于哪一轮需求、预期产物,至少要能对得上。回来以后,先核对凭条,再决定把内容放进哪一栏。
仍用文档工具的例子。第一轮要求“部署在公网,支持在线协作”。查询发出后,用户补充:“实际环境不能联网,必须完全离线。”第二轮需求已经变了,但第一轮查询不会因此神奇地消失。
如果一份“云端协作功能很完整”的旧结果此时返回,它仍可能是事实,也可能写得很详细,却已经不是当前问题需要的答案。不能只凭“刚刚收到”就把它当成最新证据。
这里有两个不同的时间:结果抵达的时间,以及它依据的需求版本。最晚收到的消息,不一定属于最新的一轮任务。把这两件事分开,才有可能处理过期结果。
旧结果也不必一律扔掉。许可证内容也许仍适用,可以标明来源和版本后复用;网络依赖分析则需要重新做。关键是明确判断哪些前提变了,而不是看到整段结果就全盘接收。
如果不做这种区分,异步系统会出现一种很别扭的表现:用户明明已经纠正方向,AI 过了一会儿又被旧工具结果拽回原路。对话表面看是“忘记了我的要求”,底下可能是旧结果没有被隔离。
工作还在跑,不等于结论可以交
我觉得异步任务最重要的一张表,反而很朴素:任务名称、当前状态、依赖关系、结果位置。它不需要把所有中间文本都塞进对话里,却要保留足够的信息,让 AI 随时回答“现在还有什么没做完”。
状态也不该只有成功和失败。正在执行、成功返回、超时、取消请求已发送、已经确认取消,各自意味着不同的下一步。尤其是超时,它首先说明调用方没在预期时间内等到结果,并不自动证明远端什么都没做。
比如 AI 提交了一个文档导出请求,等了很久没有收到文件地址。直接再提交一次,可能生成两份导出任务;若是会产生外部影响的动作,后果还可能更麻烦。较稳妥的顺序是先查已有任务状态,确认能否恢复结果,再决定是否重试。
取消也类似。你告诉工具“别做了”,是一条请求;工具已经停下,是另一条事实。对于正在进行的远端操作,不能只因为本地不再等待,就向用户报告“已取消”。这不是要求每个系统实现完全一样的取消机制,而是要求状态描述忠于实际证据。
回到选型报告,最终提交前要检查三件事:所有必须满足的条件有没有结果,结果是否属于当前需求,结果之间有没有尚未解释的冲突。

这里的“必须”由任务决定。用户只是想随便了解有哪些工具,许可证尚未核实也可以列候选;用户要据此做商业选型,许可证就是影响结论的必要条件。不能把所有未知都当成阻塞,也不能把所有未知都藏到一句“仅供参考”后面。
等待期间,到底可以做什么
最有用的判断,不是“能不能继续工作”,而是“这一步会不会把尚未确认的东西写死”。
在资料没齐的时候,整理问题、列出评估维度、清洗已经拿到的数据,都比较适合做。它们为后续结论打基础,即使某个候选后来被排除,大部分工作仍然有用。
草拟带明确空缺的报告,也可以提前做。例如把表格分成“已核实”和“待核实”,保留一个许可证单元格为空。空白有时比完整更诚实:它提醒接下来还要做什么,也让读者知道哪些部分暂时不能据此行动。
相反,给候选排序、给出购买建议、对外发送最终文件,往往要等关键条件齐备。提前算出来的排序可以作为临时结果保存,但不能在一个必要条件缺失时,把它包装成正式结论。
再换一个写代码的例子。测试还在运行,AI 可以整理本次修改说明,检查差异中有没有无关文件;却不能把“测试通过”先写进交付记录。若测试后来失败,草拟说明仍然有用,那个提前填入的通过状态却会误导后续动作。
更微妙的是,测试结果必须对应被测试的那一份代码。测试开始后又改了文件,旧测试最终全绿,也不意味着修改后的版本通过。给结果带上提交或文件版本,和给资料查询带上需求版本,是同一种办法。
还有一种工作是“看起来能并行,实际会互相改前提”。例如一边让 AI 重命名文件,一边让另一个任务按旧路径生成引用,两个任务各自都能成功,合在一起却是坏的。与其到最后修复,不如在开始前就让后者等待路径稳定,或给它一份明确固定的输入快照。
给 AI 的要求,最好能被检查
日常使用里,不必先学习一整套调度框架。可以把“同时做,别漏了”换成几条更具体的话:独立查找可以并行;每个任务保留编号和状态;需求改变后重新判断旧结果是否有效;最终结论列出仍然缺失的必要证据。
如果任务比较重要,我还会要求它在收工时回答一个问题:这份结论依赖的结果,是否全部已经收到并纳入?这比“你确定完成了吗”更容易落到实处。
还可以做一次很小的验收:故意让最重要的一路晚返回,再看最终报告会不会提前收工;在等待中途改一次需求,看旧答案会不会覆盖新要求;让一次调用超时,看它是否未经查询就重复提交。三个场景不用追求复杂,却比只测试所有工具顺利返回,更容易暴露真实缺口。它们检验的不是模型会不会说“我会谨慎”,而是迟到、变化和失败发生时,系统究竟保留了什么。
对于自己搭建的 Agent,可以把这个问题做成程序检查。必需任务仍在运行,就不能进入正式交付;结果对应的需求版本过旧,就不能直接覆盖新结论;遇到影响外部状态的超时,先查询再重试。模型负责解释内容,程序负责守住这些能够明确检查的条件。
当然,任务越短,状态管理的成本越可能超过收益。只有一次本地查询,等它回来再答就很好。异步值得用在等待明显、独立工作充足、任务又需要持续推进的地方。它不是让所有流程复杂一层的理由。
我期待的“会一边查一边干活”,不是回答框一直有字滚出来,而是它清楚知道哪些事情已经有依据,哪些还悬着。速度可以来自少等几次,可靠性却来自没有把那几次等待忘掉。
评论