AI-koodauksen rinnakkaisajo: näin Fleet hallitsee useita agentteja

Tehokkaat kielimallit ovat vasta puolet yhtälöstä. Todellinen pullonkaula on se, miten saat kymmenet agentit työskentelemään rinnakkain ilman, että homma menee sekaisin.

Fleet syntyi tästä ongelmasta. Kehittäjä huomasi, että 50 Claude Code -istuntoa yhtä aikaa nopeuttaa projektia merkittävästi – mutta vain, jos joku pitää langat käsissä.

Miksi usean agentin ajo menee pieleen

Useamman agentin pyörittäminen samanaikaisesti tuo esiin samoja ongelmia joka kerta. Kuka tekee mitäkin? Miten estetään, että kaksi agenttia muokkaa samaa tiedostoa? Miten seuraat tokenien kulutusta, kun istuntoja on kymmenittäin?

Erilliset hakemistot ja omat istunnot eivät riitä. Tarvitaan keskitetty järjestelmä, joka ymmärtää tehtävien riippuvuudet ja koko koodikannan tilan.

Fleetin arkkitehtuuri: kolme ratkaisua

Fleet rakentuu kolmen yksinkertaisen periaatteen varaan.

Yksi jono kaikelle

Fleet tallentaa tehtävät keskitettyyn beads-tietokantaan hakemistossa ~/.fleet. Kun luot tehtävän komennolla fleet bd create, järjestelmä muistaa myös hakemiston, jossa tehtävä luotiin. Jokainen agentti käynnistyy juuri oikeassa kontekstissa.

Tämä tarkoittaa, että useat agentit voivat hakea tehtäviä, työskennellä itsenäisesti ja palauttaa tulokset ilman päällekkäisyyksiä.

Agenttien vaihdettavuus

Fleet ei sido sinua yhteen malliin. Tällä hetkellä tuettuja ovat Claude, Agy/Antigravity ja Codex. Uuden agentin lisääminen vie muutaman minuutin. Eri mallit sopivat eri tehtäviin – voit käyttää yhtä arkkitehtuuripäätöksiin ja toista rutiinikoodiin.

Samanaikaisten istuntojen hallinta

Oletusarvoisesti maksimi on kolme rinnakkaista istuntoa, mutta voit nostaa rajan kymmeneen:

fleet config set max_concurrent=10
fleet bd create --title "Refaktoroi autentikointi" --description "..."

Fleet hoitaa jonotuksen automaattisesti. Todellinen rajoite on yleensä tilauksen token-määrä, ei ohjelmisto.

Käytännön komennot

Fleetin CLI pysyy kevyenä:

• fleet tasks näyttää käynnissä olevat tehtävät ja tokenien kulutuksen
• fleet task <id> log kertoo, mitä agentti teki
• fleet task <id> plan paljastaa agentin suunnitelman etukäteen
• fleet config säätää asetuksia lennossa

Tokenit ratkaisevat

Rehellinen totuus on tämä: agenttien määrä ei ole rajoite, tokenit ovat. Useita Claude-tilejä kierrättämällä ja kontekstia siistimällä pääsee pidemmälle kuin lisäämällä agentteja. Monet ovat huomanneet, että CLAUDE.md-tiedostoja ladataan turhaan kahdesti – siivoamalla nämä tuplakuormat token-säästö on ollut suurempi kuin uusien agenttien lisääminen.

Mitä tämä muuttaa

Fleet muuttaa ajattelutapaa. Agentit eivät ole erillisiä työkaluja, vaan koordinoitu tiimi. Voit kirjoittaa speksin, jakaa osatehtävät agenttien kesken ja seurata edistymistä yhdestä paikasta. Kokeilut skaalautuvat: testaa sama tehtävä kahdella eri mallilla rinnakkain ja vertaa tuloksia.

Yksinkertaisuus on vahvuus

Alkuperäinen toteutus oli bash-skripti, joka tarkkaili jonoa. Python-versio lisää tarvittavat rakenteet – riippuvuudet, prioriteetit ja samanaikaisuuden hallinnan – ilman turhaa monimutkaisuutta. Tämä paljastaa olennaisen: rinnakkaisen AI-koodauksen este ei ole tekninen monimutkaisuus, vaan token-budjetit ja tehtävien oikea pilkkominen.

Yhteenveto

Fleet vastaa kysymykseen, miten useita agentteja ajetaan tehokkaasti. Rinnakkaisajo, tehtävien pilkkominen ja tokenien optimointi yhdessä ratkaisevat, miten paljon irti malleista saa. Jos yksi agentti ei enää riitä, Fleet on konkreettinen tapa siirtyä seuraavalle tasolle.