第 4 章 加速：把好流程复制一百次，而不是把坏流程放大

当你终于把系统跑稳，下一种冲动自然出现：加速。 “既然这条路通了，那我能不能一口气跑二十条、一百条？”

这时候最需要费曼式冷静：自动化不会让错误消失，只会让错误更快、更大、更整齐地出现。

好消息是，EvoScientist 本身已经为加速准备了骨架。CLI 可以脚本化调用，create_cli_agent(...) 能重复构建会话，MCP 工具可以按配置路由，ChannelManager 还能并发分发结果。这意味着你不是在一台“只能手工驾驶”的车上硬装巡航系统。

但你必须先守住三条底线。第一条，审批策略明确：auto_approve 和执行中断策略会直接决定批处理是否卡住。第二条，MCP 稳定：mcp/client.py 的连接状态和工具暴露规则必须先固定，否则批量任务会随机掉链。第三条，路径统一：paths.py 决定状态落地位置，路径漂移会把结果搅成一锅粥。

很多人把“并发”理解成“同时发很多请求”，这太浅了。看 channels/channel_manager.py，你会发现它真正做的是治理：失败计数、健康检查、队列排空、共享 webhook、动态增减 channel。它不是在追求快，而是在追求“快的时候不乱”。

实操建议很简单：先小批量验证，再逐步扩容。先固定一份配置跑 5 个任务，记录失败类型和恢复动作，再扩到 20 个。每扩一档，都要能回答“失败是不是同一种失败，恢复是不是同一条恢复路径”。

当你能做到这一点，自动化就不再是赌运气，而是一台可控的放大器。你放大的不只是吞吐量，更是你对系统行为的理解深度。