Agent Arena

同时调度多个 AI 模型执行同一任务，并排比较它们的解决方案，然后选择最佳结果应用到你的工作区。

[!warning] Agent Arena 是实验性功能。它在显示模式与会话管理方面存在已知限制。

Agent Arena 让你在同一任务上让多个 AI 模型相互竞争。每个模型都在自己独立的 Git 工作树中作为一个完全独立的代理运行，因此文件操作永远不会相互干扰。当所有代理完成后，你可以比较结果并选择一个胜者，将其合并回主工作区。

与子代理不同，子代理是在单个会话中委派聚焦的子任务，而 Arena 代理是完整的、顶级的代理实例——每个代理都有自己的模型、上下文窗口和完整的工具访问权限。

本页涵盖：

• 何时使用 Agent Arena
• 启动 Arena 会话
• 与代理交互，包括显示模式和导航
• 比较结果并选择胜者
• 最佳实践

何时使用 Agent Arena

Agent Arena 在你希望评估或比较不同模型如何处理同一问题时最为有效。最适用的场景包括：

• 模型基准测试：在实际代码库中评估不同模型在真实任务上的能力，而非使用合成基准
• 最佳选择 (Best-of-N)：获取多个独立解决方案，然后挑选出最佳实现
• 探索方法：观察不同模型如何推理并解决同一个问题——对学习和获取洞察很有帮助
• 降低风险：对于关键变更，在提交前验证多个模型是否趋近于相似的实现方案

Agent Arena 比单个会话消耗更多 token（每个代理都有自己的上下文窗口和模型调用）。当比较的价值能证明成本合理时，它才最为有用。对于日常任务，如果你信任默认模型，单个会话效率更高。

启动 Arena 会话

使用 /arena 斜杠命令启动一个会话。指定要竞争的模型和任务：

/arena --models qwen3.5-plus,glm-5,kimi-k2.5 "将认证模块重构为使用 JWT 令牌"

如果省略 --models，将会出现交互式模型选择对话框，让你从已配置的提供商中选择。

启动时发生什么

1. 工作树设置：Qwen Code 为每个代理在 ~/.qwen/arena/<session-id>/worktrees/<model-name>/ 下创建隔离的 Git 工作树。每个工作树精确镜像你当前工作目录的状态——包括暂存的更改、未暂存的更改以及未跟踪的文件。
2. 代理生成：每个代理在自己的工作树中启动，拥有完整的工具访问权限及其配置的模型。代理按顺序启动，但并行执行。
3. 执行：所有代理独立工作，无共享状态或通信。你可以监控它们的进度，并与其中任何一个交互。
4. 完成：当所有代理完成（或失败）后，进入结果比较阶段。

与代理交互

显示模式

Agent Arena 目前支持进程内模式，所有代理在同一终端进程内异步运行。终端底部的标签栏允许你在代理之间切换。

[!note] 分屏显示模式计划在未来实现。 我们打算支持基于 tmux 和 iTerm2 的分屏布局，每个代理拥有独立的终端面板，实现真正的并排查看。目前仅支持进程内标签切换。

在代理间导航

在进程内模式下，使用键盘快捷键切换代理视图：

标签栏显示每个代理的当前状态：

与单个代理交互

当查看某个代理的标签时，你可以：

• 发送消息 — 在输入区域输入内容，向代理发送额外指令
• 批准工具调用 — 如果代理请求工具批准，确认对话框会在其标签内显示
• 查看完整历史 — 滚动浏览代理的完整对话，包括模型输出、工具调用和结果

每个代理都是一个完整的、独立的会话。你能对主代理做的任何事情，都能对 Arena 代理做。

比较结果并选择胜者

当所有代理完成后，Arena 进入结果比较阶段。你会看到：

• 状态摘要：哪些代理成功、失败或已取消
• 执行指标：每个代理的持续时间、推理轮数、token 使用量和工具调用次数
• Arena 比较摘要：共同更改的文件与仅由某个代理更改的文件、行变更数量、token 效率，以及基于每个代理的 diff、指标和对话历史生成的高级方法摘要

一个选择对话框会列出成功的代理。选择一个将其更改应用到你的主工作区，或者放弃所有结果。按 p 键可以快速预览高亮代理的结果，按 d 键可以在选择胜者前切换查看该代理的详细 diff。

选择胜者后发生什么

1. 胜出代理的更改会被提取为相对于基准的 diff
2. diff 会被应用到你的主工作目录
3. 所有工作树和临时分支会自动清理

如果你想在决定前检查完整的推理路径，选择对话框激活时，每个代理的完整对话历史仍可通过标签栏查看。

配置

Arena 的行为可以在 settings.json 中自定义：

{
  "arena": {
    "worktreeBaseDir": "~/.qwen/arena",
    "maxRoundsPerAgent": 50,
    "timeoutSeconds": 600
  }
}

最佳实践

选择互补的模型

当你比较具有显著不同优势的模型时，Arena 最有价值。例如：

/arena --models qwen3.5-plus,glm-5,kimi-k2.5 "优化数据库查询层"

比较同一模型家族的三个版本，其洞察力不如跨提供商比较。

保持任务自包含

Arena 代理独立工作，彼此无通信。任务应能在提示中完整描述，无需来回讨论：

好的示例：「将支付模块重构为使用策略模式。更新所有测试。」

效果较差的示例：「我们来讨论一下如何改进支付模块」——这需要对话，更适合单个会话。

限制代理数量

最多可以同时运行 5 个代理。实际上，2-3 个代理能在比较价值与资源成本之间取得最佳平衡。更多代理意味着：

• 更高的 token 成本（每个代理都有自己的上下文窗口）
• 总执行时间更长
• 需要比较的结果更多

先从 2-3 个开始，只有当比较价值能够证明增加数量是合理的时候再扩展。

在影响重大的决策中使用 Arena

当任务重要性足以证明运行多个模型是合理的时候，Arena 能大显身手：

• 为新模块选择架构
• 为复杂重构选择实现方案
• 从多个角度验证关键 Bug 修复

对于像重命名变量或更新配置文件这样的常规更改，单个会话更快、更划算。

故障排除

代理启动失败

• 确认 --models 中的每个模型都已正确配置，且 API 凭据有效
• 检查你的工作目录是否是一个 Git 仓库（工作树需要 Git）
• 确保你对工作树基目录（默认为 ~/.qwen/arena/）有写入权限

工作树创建失败

• 运行 git worktree list 检查是否有来自之前会话的过期工作树
• 使用 git worktree prune 清理过期工作树
• 确保你的 Git 版本支持工作树（git --version，需要 Git 2.5+）

代理耗时过长

• 增加超时时间：在设置中配置 arena.timeoutSeconds
• 降低任务复杂性——Arena 任务应聚焦且定义清晰
• 如果代理执行轮数过多，降低 arena.maxRoundsPerAgent

应用胜者失败

• 检查主工作目录中是否有未提交的更改可能导致冲突
• diff 以补丁形式应用——如果在会话期间你的工作目录发生了变化，可能会产生合并冲突

限制

Agent Arena 是实验性功能。当前限制包括：

• 仅限进程内模式：尚不支持通过 tmux 或 iTerm2 进行分屏显示。所有代理在单个终端窗口内运行，通过标签切换。
• 选择前无 diff 预览：你可以查看每个代理的对话历史，但在选择胜者前没有统一的 diff 查看器来并排比较解决方案。
• 不保留工作树：选择后工作树始终会被清理。没有保留它们以供进一步检查的选项。
• 无法恢复会话：退出后无法恢复 Arena 会话。如果在会话中途关闭终端，工作树会留在磁盘上，必须通过 git worktree prune 手动清理。
• 最多 5 个代理：5 个并发代理的硬限制无法更改。
• 需要 Git 仓库：Arena 需要 Git 仓库来实现工作树隔离。无法在非 Git 目录中使用。

与其他多代理模式比较

Agent Arena 是 Qwen Code 中计划支持的多种多代理模式之一。Agent Team 和 Agent Swarm 尚未实现——下表描述的是它们预想的设计，仅供参考。

下一步

探索与并行和委派工作相关的其他方法：

• 轻量级委派：子代理在你的会话中处理聚焦的子任务——当你不需要模型比较时更合适
• 手动并行会话：自己在不同终端中运行多个 Qwen Code 会话，配合 Git 工作树 实现完全手动控制