Codex 多智能体并行处理完整攻略
Codex 多智能体并行处理完整攻略

背景:Codex 为什么需要多智能体配置
Codex 已经不只是“单个 AI 写代码”的工具。
在复杂工程任务里,一个需求往往会同时涉及数据库、后端接口、前端页面、测试、文档和代码审查。如果所有事情都由一个智能体顺序完成,容易出现两个问题:
上下文越来越长,判断质量下降。
明明可以并行的排查和实现,被迫串行等待。
多智能体的价值就在这里:把独立任务拆开,让不同智能体并行处理,再由主智能体统一整合。
但多智能体不能无脑开启。真正稳定的做法是:自动识别并行机会,但启动前先让用户确认。
[配图:Codex 主智能体向多个子智能体分派任务的示意图]
核心结论
Codex 配置多智能体并行处理任务,推荐采用这套方案:
安装
superpowers-zh中文版 skill。使用
dispatching-parallel-agents判断任务是否适合并行。使用
subagent-driven-development执行较完整的开发计划。在全局
AGENTS.md中写入确认规则。让 Codex 先提示拆分方案,等用户允许后再启动多智能体。
一句话总结:
多智能体不是默认越多越好,而是要在任务边界清楚、互不冲突、用户授权后使用。
第一步:安装中文 Superpowers Skill
如果需要中文版提示和工作流,可以安装 superpowers-zh。
安装仓库:
https://github.com/jnMetaCode/superpowers-zh
本地安装位置:
C:\Users\Lenovo\.codex\superpowers
Codex skill 入口:
C:\Users\Lenovo\.agents\skills\superpowers
这个入口是一个 Windows junction,指向:
C:\Users\Lenovo\.codex\superpowers\skills
安装后,关键 skill 包括:
dispatching-parallel-agentssubagent-driven-developmentwriting-plansusing-git-worktreestest-driven-developmentrequesting-code-reviewfinishing-a-development-branch
注意:仓库名是 superpowers-zh,但官方安装文档中的入口名是 superpowers。所以 Codex 中可能显示为 superpowers:subagent-driven-development,但实际内容是中文版。
❗安装或更新 skill 后,建议重启 Codex,让新 skill 稳定生效。
第二步:判断什么时候适合多智能体
不是所有任务都适合并行。
判断标准可以简化成一句话:
子任务是否彼此独立、没有顺序依赖、不会修改同一批文件。
适合并行的任务
以下场景适合使用多个智能体:
多个独立 bug,例如登录、支付、上传分别异常。
多个测试文件失败,并且根因不同。
多个模块可以分开开发,例如数据库、API、前端页面。
多个调研问题可以同时进行,例如路由结构、数据模型、测试规范。
主智能体继续集成时,另一个智能体做代码审查或风险检查。
不适合并行的任务
以下场景不建议强行并行:
多个任务都要修改同一个核心文件。
一个任务必须等另一个任务完成。
需求还没有澄清。
多个错误可能来自同一个根因。
需要先统一架构设计。
一个实用判断方法:
能不能给每个智能体一句明确指令:
“只负责这个模块或这些文件,不要修改其他范围。”
如果答案是肯定的,通常可以考虑并行。
[配图:适合并行与不适合并行的任务对比图]
第三步:配置自动触发前确认
真正推荐的配置不是“自动启动多智能体”,而是:
自动识别多智能体机会,然后先询问用户是否允许。
全局配置文件:
C:\Users\Lenovo\.codex\AGENTS.md
写入规则如下:
# 多智能体使用确认规则
当任务看起来可以拆成 2 个以上彼此独立、无顺序依赖、无共享写入文件的子任务时,先不要直接派发子智能体。
应先向用户确认:
“Codex 检测到这个任务可能适合使用多个智能体并行处理。建议拆分为:
1. ...
2. ...
3. ...
是否允许使用多智能体并行处理?回复‘允许’后再开始。”
只有在用户明确回复允许后,才可以使用多智能体或子智能体工具。
适合触发确认的情况:
- 多个独立 bug 或测试失败
- 多个独立模块需要实现
- 可以明确分配不同文件或不同子系统
- 并行调研能明显节省时间
不适合触发的情况:
- 任务之间有顺序依赖
- 多个任务会修改同一批文件
- 需求还不清楚,需要先澄清
- 修复一个问题可能影响其他问题
如果用户已经明确要求“使用多智能体”“并行智能体”“派发子智能体”,则无需再次确认,可以直接按要求执行。
这段配置的效果是:
Codex 会主动判断任务是否适合多智能体。
如果适合,会先列出拆分方案。
用户回复“允许”后,才会派发子智能体。
如果用户没有授权,Codex 继续单智能体处理。
流程图:多智能体触发逻辑
flowchart TD
A[用户提出任务] --> B{是否可拆成多个子任务}
B -- 否 --> C[单智能体处理]
B -- 是 --> D{子任务是否独立}
D -- 否 --> E[按依赖顺序处理]
D -- 是 --> F{是否会修改同一批文件}
F -- 是 --> E
F -- 否 --> G[Codex 给出并行拆分建议]
G --> H{用户是否允许多智能体}
H -- 否 --> C
H -- 是 --> I[派发多个子智能体]
I --> J[各自完成独立任务]
J --> K[主智能体审查与整合]
K --> L[运行测试并总结结果]
默认智能体有哪些
一般不需要额外配置自定义智能体。
Codex 默认可使用几类子智能体角色:
| 角色 | 适合任务 |
| — | — |
| default | 通用任务,没有明显分工时使用 |
| explorer | 查代码、读结构、定位逻辑、并行调研 |
| worker | 改代码、修 bug、实现独立模块 |
推荐使用方式:
并行调研:多个
explorer并行实现:多个
worker简单任务:
default完整开发计划:
subagent-driven-development
❗需要配置的是“什么时候允许使用多智能体”,不是每个智能体本身。
流程图:角色分工
flowchart LR
U[用户] --> M[主 Codex]
M --> Q{是否适合并行}
Q -- 需要确认 --> U
U -- 允许 --> M
M --> E1[explorer: 调研代码结构]
M --> E2[explorer: 查测试和错误]
M --> W1[worker: 实现独立模块]
M --> W2[worker: 修复独立问题]
E1 --> M
E2 --> M
W1 --> M
W2 --> M
M --> R[整合结果和验证]
[配图:explorer、worker、主 Codex 的角色分工图]
常用提示词模板
让 Codex 先判断是否适合并行
请先判断这个任务是否适合多智能体并行处理。
如果适合,请列出拆分方案,并在获得确认之前不要派发子智能体。
明确要求使用并行智能体
请使用 dispatching-parallel-agents。
把可以独立执行的任务拆给多个智能体并行处理。
每个智能体必须有明确负责范围,不要修改其他智能体负责的文件。
执行完整开发计划
请使用 subagent-driven-development。
先读取计划,拆分任务。
能并行调研的部分可以并行调研。
实现阶段按依赖关系推进,每个任务完成后做规格审查和代码质量审查。
避坑提醒
多智能体最容易出问题的地方,不是模型能力,而是边界不清。
实际使用时,建议遵守这些规则:
每个智能体必须有明确负责范围。
尽量按文件或模块划分任务。
不要让多个智能体同时修改同一个核心文件。
子智能体返回后,主智能体必须审查和整合。
最后必须运行完整测试,至少要做关键验证。
如果当前分支是 master 或 main,不要直接开始大规模实现。更稳的方式是先创建独立分支或 worktree。
[配图:主分支、功能分支、worktree 的安全开发流程]
实际效果
完成配置后,Codex 的工作方式会变成:
用户提出任务。
Codex 判断是否适合并行。
如果适合,Codex 给出拆分建议。
Codex 询问是否允许使用多智能体。
用户回复“允许”后,才开始派发。
子智能体执行任务。
主智能体整合、审查、验证。
这个流程比单智能体顺序执行更快,也比直接自动派发多个智能体更稳。
关键认知
Codex 多智能体的本质不是“让更多 AI 同时工作”,而是把任务边界管理好。
真正有效的多智能体配置,需要同时满足三个条件:
任务可拆分。
边界可约束。
启动需授权。
superpowers-zh 解决的是工作流问题,AGENTS.md 解决的是行为偏好问题,Codex 默认智能体角色解决的是执行分工问题。
三者结合,才是一套比较稳的 AI 工程化协作方式。
总结
Codex 配置多智能体并行处理任务,推荐采用“中文 skill + 全局确认规则”的方案。
核心配置如下:
安装
superpowers-zh使用
dispatching-parallel-agents使用
subagent-driven-development在
AGENTS.md写入确认规则让 Codex 先询问,再派发
最终目标不是让 Codex 每次都开多个智能体,而是让它在合适的任务里主动提示,并在用户确认后高效并行。
这才是多智能体真正适合工程实践的用法。
本作品采用《CC 协议》,转载必须注明作者和本文链接
关于 LearnKu