并行编程 Agent 实测：Token 暴涨与协调困境
TheJoyfulTater · reddit · 2026-09-02
作者尝试了多种并行编程 Agent 方案以提升编码效率，但结果均不尽如人意：
- Claude Code + Superpowers：子 Agent 往往无法一次性完成任务，主 Agent 需反复修正，导致上下文迅速膨胀，易超 20% 上下文限制，且实际效率不高。
- Claude Code Agent Teams：团队成员间直接对话消耗大量 Token，将廉价模型（如 DeepSeek）接入后虽降低成本，但整体效率提升有限。
- OpenCode + omo-slim：需编写详细的 AGENTS.md 才能触发任务委派，协调多个 Agent 依然消耗大量上下文。
- OpenCode + omo + GPT 5.6：尝试全权委托（ULW），导致过度委派，Token 消耗极快，上下文被协调消息填满，智力迅速下降。
- Codex + Matt's skills（当前方案）：采用串行工作流（grill-with-docs -> to-spec -> to-ticket -> 新会话实现），代码质量较好。若需并行处理多个 Ticket，仍需手动处理 Worktrees 和 PR 冲突，维护繁琐。
作者寻求关于工作流、模型选择或工具使用的改进建议。
「编程与Agent」频道最新
- LLM拒破DRM后,agent改用截屏+OCR组合翻译《三体》 — evisoft · 2026-09-02
- Fable 5.1 20 分钟构建 macOS 动画设计应用 — amos_gyamfi · 2026-09-02
- 实测 AI Agent 测试工具：补充而非替代传统脚本 — PartyVermicelli1870 · 2026-09-02
- 尝试用 Claude 复活 streamlit-drawable-canvas 项目 — andfanilo · 2026-09-02
- 给 AI Agent 配套独立基础设施，开发者会买单吗？ — Athlore_AI · 2026-09-02
- 开发决策只记结果不记理由，这合理吗？ — Sea-Perception1619 · 2026-09-02