核心 GUIDE
Parallel Agent Work
只有 Subproblem 真正独立，或者 Parallel Worker 能提供 Independent Verification 时，并行才可能超过 Coordination Cost。
核心心智模型
Parallel Agent 是在显式 Partitioned State 上工作的 Concurrent Worker。只有当 Work 能独立推进，并且 Output 有清晰 Reconciliation Contract 时，这种复杂度才值得。
为什么重要
同时启动多个 Agent 很容易，得到可信 Speedup 却很难。Agent 可能重复工作、修改同一 State、传播不一致 Assumption，最后还需要昂贵 Synthesis。Parallelism 应该在 Decomposition、Ownership 与 Merge Rule 明确之后引入；很多时候，Independent Verification 比“更多 Persona”更能证明并行的价值。
01
Partition Work，并定义 Join
先识别那些不依赖彼此 Intermediate Reasoning 的 Task。每个 Worker 只负责一个 Bounded Artifact 或 Decision，只获得相关 Context，并拥有明确 Output Contract。Shared Mutable State 需要 Ownership / Serialization Rule。最后由 Coordinator 检查 Completeness、Conflict 与 Evidence Quality，再接受 Combined Result。
02
例子：Parallel Repository Investigation
一个 Worker 沿 Backend Code 追踪 API Failure，另一个独立检查 Frontend Request Construction。两者先返回 File Reference、Hypothesis 与 Evidence，而不是同时修改同一文件。Coordinator 比较结果、确定 Shared Failure Boundary 后，再分配唯一 Implementation Path。
常见失败模式
- 并行化依赖彼此未解决 Intermediate State 的 Task。
- 多个 Agent 没有 Ownership Rule 就同时写同一个 File / Record。
- 只比较 Wall-clock Speed，忽略 Duplicate Token、Conflict 与 Synthesis Cost。
工程启发
- 优先并行 Independent Evidence Gathering，再并行 Shared-state Mutation。
- 给每个 Worker 明确 Output Contract 与 Ownership Boundary。
- 测量 Total Coordination Cost 与 Defect Rate，而不只是 Elapsed Time。
关键结论
- 01Concurrency 只有在真实 Decomposition 下才有价值。
- 02Join Step 本身就是 Architecture 的一部分。
- 03Parallel Independent Check 即使不降低 Latency，也可能提高 Reliability。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。