Codex 多智能体防膨胀指南：靠指针而非全量上下文
umeshonai · x · 2026-10-21
作者总结了一套让 OpenAI Codex 多智能体团队保持专注、避免上下文膨胀的工程模式，核心观点是：大多数多智能体系统的失败方式相同——每个 agent 拿到过多上下文、角色蔓延，协调成本最终超过工作本身。
其工作流要点：
- 共享基础层：AGENTS.md 只承载共享权威与不变量，是唯一真正的公共上下文。
- 显式协调者：通过 PMC.md 主动调用 coordinator，负责规划、预检与编排，再把边界明确的工作包交接出去。
- 原生专家角色：coordinator 选中专家角色后只加载该 agent 的 TOML，TOML 提供精简的角色契约而非长篇说明。
- 用指针而非载荷控制范围：每个专家只拿到两个锚点——worker authority（该 agent 的权限）和 relevant module rubric（指向真正相关的上下文的指针），不喂完整代码库和对话历史。
- 证据与边界：每次交接附带受限工作包与所需项目证据，agent 返回最小必要内容后即丢弃上下文。
结论：最高杠杆的动作通常不是更好的提示词，而是更好的作用域划分——这更像优秀工程团队的运作方式：权限清晰、接口显式、共享状态最小。
「编程与Agent」频道最新
- 试遍 16 款编码 Agent 后他劝你:别困在 Claude Code 和 Codex 的泡泡里 — felpix_ · 2026-10-21
- 一句命令让 Claude 放飞自我:「最大化月度经常性收入」 — Kuprel · 2026-10-21
- Ramp Router 上线企业级功能，绕开 OpenRouter 5.5%-8% 抽成 — KlausCodes · 2026-10-21
- 4B 本地模型跑 10 款 Agent 横评：7 个满分，Codex CLI 全挂 — GapNew4766 · 2026-10-21
- 决策模型 Jev 开放图像输入预览，支持 Box 定位问题类型 — weswinder · 2026-10-21
- 把 Zork 做成「无限分叉」的社交游戏：每条回复都是存档点 — lfschiavo · 2026-10-21