
多 agent 并行工作系统的一些思路

更多动态
Loop Engineering 让系统自己跑起来
其核心不是手动一轮轮地给 agent 下指令,而是设计一个能自己运行的循环系统。这个系统会自动发现任务、分配给子 agent、检查结果、记录状态,并决定下一步该做什么。你从“亲自驾驶 AI”转变为“设计让 AI 自己跑的流程”。 它通常包含六个部分:自动触发、工作树隔离、技能沉淀、外部连接器、subagent 审查,以及持久化记忆。前四者负责让系统持续工作,后两者负责让系统不失控、不错漏。尤其是 memory 和 skills,能减少上下文丢失和“自信猜测”。 本质上,Loop Engineering 是一种角色升级,人不再只是写代码和发 prompt,而是负责设计系统、约束流程、定义目标,让 AI 在规则内持续产出。

ChatGPT 的模型选择器更新了,越来越易懂,大众化
。用户不用记具体模型编号,只需在一个统一入口选择“速度”还是“高级”模型。 果然大众的才是流行的,Codex桌面端这几次更新也是靠着剥去技术的外衣,吸引了更多普通用户。

claude申诉失败了。
订阅费也没法儿退,我甚至怀疑申诉邮件就是钓鱼的,有追踪IP地址。 dhh是美国开发者,前段时间来深圳交流,演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法,把Claude code放在海外机器上,用tailscale远程连接使用。 那就得租一台有家宽的海外机器,在那台机器上注册和登录claude。

分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi,跑多subagent,最后再自己看diff,提pr,经常一坐就是一天。 九月底,我工作流改成在手机端用hermes指挥pi,完全解决了久坐电脑前的痛苦,用到现在还挺舒服。 Hermes用旗舰模型(gpt-6-astra/opus-5.5),pi尽量不装插件,用中端模型(ds-v4.1-flash/sonnet/terra),二者间用a2a通讯。 hermes负责分析issues,拆分成多个小任务,然后给每个小任务创建worktree,并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes,由它判断提pr还是返工给pi。基本逛一天景点,或一觉醒来十几个pr搞好了,舒服得很。 就是过程太黑盒了,心路历程有点像早期的vibe coding,那会diff至少自己会看一下,现在diff也黑盒,完全交给旗舰模型,属于盒中盒了。 如果没数据焦虑,其实可以直接用grok-bot或者chatgpt-dot,开箱即用,里面内置了grok-cli和codex,原生agents通讯。弊端就是数据不在本地,有监管,万一被封号一切归零。
