过去一段时间,随着工作中 AI Coding 的占比越来越高,我逐渐感觉到当前 AI Coding 的协作范式已经不适合我了。当前主流的 AI 开发过程,仍然是人与一个 Agent 围绕同一个任务持续协作。但我在日常工作中,已经习惯于同时操控多个 Agent 并行执行任务,在关键节点做 Review,并对最终结果进行验收和整合。这篇文章想讨论的,是 AI 编程协作范式的转移:人与 AI 该如何分工,多个 Agent 之间又该如何协作。
当单 Agent 协作开始不够用
AI IDE 本身的能力越来越强,但它提供的协作模式,还是以单线程为主。我通常是在和一个 Agent 持续协作:我提需求,它读取上下文、改动多个文件、执行命令,再返回结果,等我确认后进入下一轮。这种方式虽然能正常工作,但我的大量时间都消耗在"等它返回、看它改了什么、决定要不要继续"这条链路里。只要任务还在这条链上推进,人就没有真正从执行流程里抽离出来。于是,我开始尝试更加高效的协作模式,比如在 AI IDE 中开多个聊天窗口,在同一个工作空间指派 Agent 相对独立的开发任务,这样我就能把时间用在理解需求、拆解和分发任务、Review 已有代码、检查 Diff,以及对最终结果做验收和整合。这是我找到的比较理想的方式。但当我真正开始这样工作后,发现现有工具并没有为这种模式做好准备。
OpenCode 的 Web 模式给了我最接近的雏形
明确了这种工作方式之后,我开始寻找能适配它的 Coding 工具。在用过的工具里,OpenCode 的 Web 模式最接近我的理想,它让我看到了一种有别于 AI IDE 的交互方式:Agent 先执行一段时间,我在关键节点回来看改动、给反馈、做验收。但对照我真正需要的能力:
- 能承接多个 Agent 并行工作
- Review 取代代码编写成为工作流中心
- 能帮助我观测多个 Agent 的工作过程
OpenCode 对多 Agent 并行的支持还不够,本质上还是单 Agent 工作流。所以,我开始设计自己的工具。Mexus:我对新范式的一次设计实践
Mexus 的定位很简单:不再造一个 AI IDE,而是面向一个人同时管理多个并行 Agent 的场景,提供一个 WebUI 交互终端。它可以跑在本地,也可以部署在服务端;但不管在哪里运行,它解决的都是同一个问题:当你开始同时使用多个 Agent 时,怎么把它们放进一个可管理、可审查、可观测的工作界面里。Mexus 的界面借鉴了控制台(Dashboard)的设计思路:左栏放多个 CLI Agent 的 Pane,中间区域展示 Agent 活动和代码 Diff,右栏是当前工作空间的文件树。在这种模式里,我不需要亲自写代码,而是关注:
- 当前有哪些 Agent 在执行
- 它们各自负责什么工作
- 我应该重点关注哪些文件的 Review
- Agent 之间的工作是否有冲突
Mexus 想解决什么问题
- 让多个 Agent 真正协作起来,而不只是并行执行
Mexus 里每个 Pane 都可以绑定自己的 workdir 和任务说明,任务拆分不再只是脑中的计划,而是能直接落到仓库结构里的执行单元。比如一个 Pane 处理 auth/,一个处理测试,一个处理文档,我负责看整体 Diff 和最后收束。但把任务拆开只是第一步。真正的问题是:当这些 Agent 围绕同一个仓库并行工作时,怎么避免互相踩踏,怎么让协作有序地发生。这是我在 Mexus 中正在设计的一套编排方案想回答的问题。虽然还没有完全落地,但核心思路已经比较清晰。以 Spec 为起点,而不是直接派发任务。 用户提出需求后,系统不会直接把任务拆开扔给多个 Agent,而是先由一个规划 Agent 生成结构化的 spec,包括目标、范围、验收标准、影响范围和任务拆解建议。用户审阅、反馈、批准后,系统再基于 spec 生成执行计划,明确每个 Agent 负责什么任务、可以改动哪些路径、任务之间有什么依赖关系。整个过程至少有两个人工确认点:批准 spec 和批准执行计划。共享工作区下的软边界和轻量 claim。 多个 Agent 默认在同一个工作区里协作,但每个 Agent 在执行计划中都会拿到自己的 allowedPaths,它被授权改动的文件范围。执行期间,系统维护一份轻量的 claim 记录,标记哪个 Agent 正在编辑哪些文件。claim 不是强锁,不会阻塞执行,但它让其他 Agent 和观察者都能看到当前的文件占用情况,为冲突发现提供事实信号。引入环境观察员做运行时协调。 除了执行任务的 Worker Agent,系统会额外启动一个 Observer Agent。它不写业务代码,而是持续观测执行环境:哪些文件正在被多人编辑、是否有 Agent 越界修改、是否有任务长时间停滞。发现轻量冲突时,它可以直接提示相关 Agent 避让;遇到更大的风险,它会向用户上报,由人来决策。Observer 拥有运行时的协调权限,但同时受到严格约束,有频率限制、有审计日志、用户可以随时冻结它的控制权。这套方案的本质是:用结构化的 spec 定义边界,用 claim 暴露事实,用 observer 做运行时仲裁,用人工确认点兜底关键决策。 不依赖任何单个 Agent 的"自觉",而是通过机制设计让多 Agent 协作变得可观测、可约束、可干预。2. 让多 Agent 的工作过程可观测
当只有一个 Agent 时,你盯着它的输出就够了。但当三四个 Agent 同时在跑,你不可能逐个翻看每个终端的滚动日志。这时候需要的,是一层从执行细节中提炼出来的态势感知,而不是更多的终端窗口。这是 Mexus 活动面板想解决的问题。它提供了多个观测视角,对应不同的决策场景:
- Agent 仪表盘:每个 Agent 一张卡片,展示改动行数、触及文件数、context 使用率、工作节奏曲线。一眼看出谁在持续产出、谁卡住了、任务分配是否均衡…