核心工作流

| 角色 | 职责说明 |
|---|---|
| Team Lead | 理解需求、拆解任务、协调调度、质量把关 |
| 前端专家 | 负责 UI/UX 实现与交互逻辑 |
| 后端专家 | 设计 API、数据库、服务架构 |
| QA 专家 | 编写测试用例,覆盖边界场景 |
| 代码评审专家 | 确保代码规范、安全与可维护性 |
| 调研专家 | 评估技术选型,对比方案优劣 |
| 运维专家 | 规划部署、监控与弹性伸缩策略 |
| UX 设计师 | 提供界面原型与用户体验建议 |
使用指南
1. 切换到 专家团(Experts)模式
在 Qoder 聊天面板顶部,点击模式切换按钮,选择 专家团(Experts)模式。
2. 需求规划
专家团(Experts)模式内置了生成规划能力,在执行任务前会先生成实施方案:- 描述需求:清晰说明目标、技术栈偏好、质量要求等
- 生成计划:Team Lead 分析需求并生成结构化的实施计划
- 审阅调整:你可以在执行前修改计划,补充遗漏的步骤
- 确认执行:计划确认后,专家团队开始并行工作
3. 任务列表
在任务执行过程中,聊天面板底部会显示实时任务列表:- 待开始:等待执行的任务项
- 进行中:当前正在执行的任务
- 已完成:已完成的任务项


- 终端命令命中黑名单或被识别为高风险操作
- 工具调用次数达到上限
- 其他需人工强干预的异常情况
4. 子智能体(专家)
Team Lead 会根据任务需要动态调度不同领域的专家子智能体,在会话流中,你可以看到每个专家智能体执行的状态,点击可查看详情。专家之间互不阻塞、并行执行,Team Lead 负责实时对齐和整合结果。
- Web 端验证能力:用于 Web 端功能验证,可自动打开网页、执行交互、截图反馈。详见 浏览器智能体。
- 代码评审能力:自动检查代码规范、潜在安全问题、性能瓶颈等。
- 调研能力:从互联网检索技术资料和最佳实践,辅助技术调研与决策。详见 浏览器智能体。
5. 自定义子智能体(专家)
除了内置专家,你还可以创建自定义子智能体来扩展专家团能力。比如针对特定技术栈、业务场景或团队规范,定制专属专家。详见 子智能体文档。6. 专家自演进机制
大多数 AI 工具能完成任务,却无法沉淀经验——每次面对新需求都要重新理解上下文。Experts 模式内置双向进化机制,让你的 AI 团队持续成长:| 进化维度 | 说明 |
|---|---|
| Expert Skill(个体进化) | 每位专家在任务中持续优化专项能力,用得越多,越了解你的技术栈和偏好 |
| Team Skill(团队进化) | 系统记录每次组队经验,下次遇到相似任务直接召集历史最优阵容 |

什么场景适合用 Experts 模式?
Experts 模式为中大型工程任务而生——当你期望端到端一次性交付高质量结果时,它能发挥最大价值。以下是三类典型场景:| 场景 | 示例任务 | Experts 如何帮你 |
|---|---|---|
| 前后端全栈开发 | 开发用户管理模块(注册、登录、信息管理) | Team Lead 生成方案,前后端专家并行开发,QA 同步测试,代码评审把关质量 |
| 复杂问题定位与修复 | 线上性能瓶颈,涉及多个微服务 | Team Lead 召集后端和运维专家,协同分析日志、追踪调用链、定位并修复 |
| 技术方案调研 | 评估 GraphQL 替代 RESTful API | 调研专家搜集资料,前后端专家评估技术栈影响,输出可执行调研报告 |
对于简单、明确的文件修改,智能体(Agent)模式依然是更高效的选择。
最佳实践
- 让 Experts 更懂你的意图
| 技巧 | 说明 |
|---|---|
| 描述最终目标 | 说清楚你想要什么结果,而不只是要做什么操作 |
| 提供上下文 | 相关的业务背景、现有代码结构、技术约束 |
| 明确质量要求 | 是否需要测试、文档、代码规范检查 |
| 说明优先级 | 哪些是必须的,哪些是可选的 |
- 随时干预,无需中断
- 修正方向:发现偏离预期?直接说明需要改进的点,Team Lead 会实时调整
- 补充需求:有新想法或遗漏?随时补充,专家团队会增量完善
- 变更优先级:需求变化?告知新的侧重点,团队会重新分配资源
开始使用
专家团(Experts)模式已上线,立即体验: Your AI expert team, ready to build alongside you. 你拿到的,不只是代码——是一份经过规划、实现、测试、评审的完整交付物。常见问题
- 执行过程中可以修改需求吗? 可以。你可以随时补充信息或调整方向,Team Lead 会协调专家团队适应变化。
- 专家团(Experts)模式的成本和耗时如何? 专家团(Experts)模式适合中高复杂度任务。相比单 Agent,耗时会增加,但质量提升显著(内部测试显示质量提升约 67%)。对于简单任务,单 Agent 更高效。