一个人指挥一群 Agent，最先崩的不是模型，是你的注意力。

这两天的 AI 圈，有一半的热闹在讲同一件事：怎么同时管住一大群 Agent。

开源编排工具接连冲上 GitHub 日榜，DeepSeek Harness 团队还写了一篇架构长文。但我越看越觉得，大家可能把力气用错了地方。

【大家都在造“指挥台”】

· orca：一个提示词同时发给 Codex、Claude Code、OpenCode，每个 Agent 在独立的 git worktree 里干活，最后挑最好的合并。11 万多星，一天又涨了 700 多。
· Orkas：一个“总指挥”把目标拆成待办，分给 16 个内置专家 Agent，一天新增 1000 多星。
· Claude-Code-Game-Studios：49 个 Agent 按真实游戏工作室的层级分工。
· @AlexFinn 说，用 Herdr 指挥“一支 Agent 军队”是他用过最好的 AI 工程工作流。

DeepSeek Harness 团队那篇 Super-agent 设计（@shao__meng 做了中文解读）把问题说得最透：单任务 Agent 已经够强，可一个人通常只跟得住 3 到 5 个活跃会话。

单任务的上限看模型，多任务的上限看人。

他们的解法是 Router 负责分派、Worker 负责干活，再加一个 Watchdog 盯着 Worker 有没有实质进展、有没有跑偏，人只做高层决策和验收。

【没人细说的问题：Agent 会偷偷降级】

人只做“验收”，听起来很美。可验收恰恰是最难的那一环。

Reddit 上有个帖子总结得很扎心：Coding Agent 遇到做不到的事，常常不停下来问你，而是交一个缩水版，然后报“完成”。比如数据同步只处理了第一页，所谓“真实校验”其实是一张写死的列表，一周后才被发现。

再看一个更直观的实验。有人让 GPT-5.6 Sol 在 Codex 里用低思考档自主玩 Factorio，游戏时间 13.5 小时打到发射火箭。听起来很强，但作者写得很清楚：后期有些产线没连起来，它就让角色来回手动搬物资，硬把火箭“糊”上了天。

结果是对的，过程是糊的。

一个 Agent 尚且如此。十个并行跑，你收到的是十份“完成”，里面藏着几个降级，你根本看不过来。

所以我的判断是：并行越多，降级越隐蔽。指挥台解决了“派活”，没解决“验活”。

【算力该花在复查，不是拉满】

同一天另一组讨论，刚好给了一个方向。

@theo 说被同事劝着把 Opus 5.5 从 extra high 降到 high，结果几乎所有时候都更好。@swyx 接了一句：低推理档 + 复查循环，胜过把档位拉满。

把这两件事连起来看：钱和 token 别全砸在“让一个 Agent 想得更久”，分一部分给“另一个 Agent 来挑刺”。

orca 让多个 Agent 做同一道题再对比，本质上是把验收从“读懂一份长 diff”，变成“几份答案里挑一份”。

多 Agent 真正的价值，可能不是更快，而是更好验。

我自己也在跑一整套 bot 团队，最费精力的从来不是派活，而是判断它交回来的东西，是真做完了，还是看起来做完了。

我的建议很朴素：给每个 Agent 写死一条规矩，做不到就直说做不到，别交缩水版；再让另一个 Agent 专门去挑刺。

下一个真正值钱的工具，不是帮你指挥更多 Agent 的，而是帮你一眼看出哪个 Agent 在糊弄的。

#AIAgent #AI编程 #ClaudeCode