Reddit 长文：五角色子代理分层，Codex 省额度不牺牲质量
Unixwzrd · reddit · 2026-10-19
作者针对 Codex 大量消耗用量额度的问题，分享了多项目并行开发下的子代理调优方法，核心是「按任务难度分配模型和推理力度」，而非堆更多 agent：
- 主线程：强模型 + 高推理力度，负责架构、规划与最终决策
- Explorer：轻量模型 + 低力度，做文件发现、依赖映射等简单调查
- Implementer：强模型 + 中等力度，执行有明确验收标准的有限改动
- Reviewer：强模型 + 高力度，独立做正确性与回归审查
- Diagnostician：强模型 + 高力度，先诊断疑难故障再动手修
其他要点：
- 用 AGENTS.md 定义委派规则——不是每个任务都值得开子代理，5 个 agent 回答一条搜索就能解决的问题反而更费 token
- 部分编码任务通过 shell 委派给 Cursor Agent CLI（已有订阅），Codex 负责审查改动、跑测试，以分摊已有工具的用量
- 更大的经验：规划与人工把控比花哨的 agent 配置更重要——先定义目标、约束和验收标准，及早发现架构漂移
作者附上了完整的 TOML 配置、agent 文件、AGENTS.md 规则和效果度量方法论，并坦承尚未做对照基准，不宣称具体的 token 节省比例。
「编程与Agent」频道最新
- YC 系 Mireye 推出土地数据 API+MCP，覆盖 1.6 亿地块 — ycombinator · 2026-10-23
- 实测 12 套决策系统：分类器换版的「LARP 式炒作」陷阱 — KlausCodes · 2026-10-23
- 「给 agent 用的 Product Hunt」上线:按真实调用排出的工具榜 — claudeai · 2026-10-23
- 个人智能体元年：OpenClaw 走红到大厂集体入场的一年 — sujingshen · 2026-10-23
- Shopify 内部 Slack bot River 不擅长移动开发,员工做内部广告说服工程师 — jevon · 2026-10-23
- 梗图：AI vibe coding 与老虎机的对应关系逐条拆解 — burny_tech · 2026-10-23