开源社区近期发布了一款名为 Pragma 的创新 AI 开发工具，其定位为开源版 WorkBuddy。该项目托管于 GitHub 平台，由开发者 pqpo 发起并开源，旨在构建一个能够协同工作的 AI 专家团。Pragma 的核心机制允许开发者通过自然语言对话，直接创建具备特定职能的“AI 专家”或由多专家组成的协作团队。该项目的技术亮点在于其灵活的底层架构，支持为团队中的不同专家角色配置差异化的“Agent Harness”与底层大模型。例如，在产品设计环节可调用 Gemini 模型，在方案探讨阶段利用 Claude，在代码落地环节使用 ChatGPT 结合 Codex，在代码审查环节引入 DeepSeek，而自动化测试则由 Codex 承担。这种精细化的分工模型，使得架构可以根据任务类型自动选择最擅长的专家进行处理。此外，Pragma 引入了团队记忆共享与团队白板功能，确保了不同专家（运行在不同 Agent Harness 上）之间的上下文连贯性与信息同步。这种设计不仅规避了单一模型在处理复杂全栈任务时的局限性，还通过多模型混用策略有效降低了 API 调用成本，这标志着 AI 辅助编程正从单一的 Copilot 模式向多智能体自治协作模式演进。
事件分析
从技术架构视角来看，Pragma 代表了当前 AI 应用开发中从单一模型向“多智能体系统”演进的典型趋势。该项目并没有仅仅依赖单一的大模型解决所有问题，而是采用了基于角色的路由分发机制。这种架构设计客观上承认了不同大模型在不同任务领域的能力差异，例如 DeepSeek 在代码逻辑推理上的优势，或者 Claude 在长文本方案探讨中的表现。通过引入“Agent Harness”和共享记忆机制，Pragma 尝试解决单体 Agent 容易产生的幻觉问题、上下文丢失问题以及任务执行连贯性差的问题。其产业意义在于验证了“模型组合”的可行性，即开发者不再受限于某一特定厂商的生态，而是可以根据成本、质量和效果灵活混用模型。随着高性能开源推理模型的崛起，此类允许灵活配置的工具将极大降低企业级 AI 应用开发的边际成本，推动软件开发范式向“指挥型”转变。
核心观点：多模型混用与多智能体协作是 AI 原生开发的下一站，关键在于挖掘不同模型在垂直场景中的极致性价比。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册