AI 辅助

🎯 协作模式详解

多个 Agent 同时分析不同方面
├── [Perf Agent] → CPU 热点
├── [KVM Agent] → VM Exit
├── [NUMA Agent] → 内存亲和性
└── 最后汇总结果

任务按顺序通过多个 Agent
Step 1: [Perf] 识别瓶颈
    ↓
Step 2: [KVM] 深入分析
    ↓
Step 3: [Tuner] 生成方案
    ↓
Step 4: [Test] 验证效果

根据分析结果决定下一步
[Perf Agent] 分析
    ├── CPU 限流? → [Kernel Agent]
    ├── 跨 NUMA? → [NUMA Agent]
    └── VM Exit? → [KVM Agent]

一个 Agent 遇到难题，咨询其他
[Debug Agent] 发现崩溃
    ├── 咨询 [Kernel Agent]
    ├── 咨询 [Memory Agent]
    └── 确认根因

📋 实战案例：KVM 网络优化

用户: 鲲鹏 920 + openEuler，virtio 网卡只能跑到 6Gbps，需要优化到 20Gbps+

## Claude Code 执行流程

### Step 1: Orchestrator 任务分解
目标: 网络吞吐优化 6Gbps → 20Gbps
平台: 鲲鹏 920 + openEuler
类型: KVM 虚拟化网络

### Step 2: 并行诊断（3 个 Agent 同时工作）

[Perf Agent] 分析性能数据...
→ virtio_net 处理占用 15% CPU
→ 中断处理占用 8% CPU
→ 热点: virtnet_send_command

[KVM Agent] 分析虚拟化配置...
→ virtio 队列数: 1 (瓶颈!)
→ vhost 线程: 未绑定 CPU
→ RSS: 未启用

[NUMA Agent] 分析 NUMA 亲和性...
→ vCPU 分布在 Node 0
→ 网卡在 Node 1
→ 跨 NUMA 访问: 38% (性能损失!)

### Step 3: 汇总诊断结果
├── 瓶颈 1: virtio 单队列 (影响 40%)
├── 瓶颈 2: 跨 NUMA 访问 (影响 30%)
└── 瓶颈 3: vhost 线程竞争 (影响 15%)

### Step 4: [Tuner Agent] 生成优化方案
1. 启用 virtio 多队列 (8 队列)
   <driver name='vhost' queues='8'/>
2. vhost 线程绑定到独立 CPU
   <emulatorpin cpuset='2-3'/>
3. NUMA 亲和性优化
   <numatune><memory mode='strict' nodeset='0'/></numatune>

### Step 5: [Test Agent] 生成验证脚本
#!/bin/bash
# 预期吞吐: > 20Gbps
iperf3 -c server -t 60 -P 8

### Step 6: [Report Agent] 生成最终报告
原始吞吐: 6Gbps → 优化后: 25Gbps (预期)
提升: 316%

🔧 如何在 Claude Code 中实践

# 方法 1：明确指示多 Agent 协作

你: 请同时启动以下分析：
    1. [Perf Agent] 分析 CPU 热点
    2. [KVM Agent] 分析 VM Exit 分布
    3. [NUMA Agent] 分析 NUMA 访问模式
    完成后汇总结果。

# 方法 2：流水线模式

你: 按 KVM 网络优化流程执行：
    Step 1: [Perf] 采集性能数据
    Step 2: [KVM] 分析虚拟化开销
    Step 3: [Tuner] 生成优化方案
    Step 4: [Test] 生成验证脚本

# 方法 3：条件分支

你: 首先做性能分析。
    如果发现 CPU 限流 > 10%，启动调度器优化。
    如果发现跨 NUMA > 20%，启动 NUMA 优化。
    如果发现 VM Exit 频繁，启动 KVM 优化。

📚 完整文档

详细的多 Agent 协作架构设计、协作协议、最佳实践，请查看：