Codex正在从“一个会话写代码”变成多环境、多线程的工程控制面，但最重要的不是多Agent数量，而是隔离、权限、合并和人类注意力预算
AH-0596是一篇极长、极细的Codex编排文章。 原作者把Codex描述成： 跨项目； 跨Git worktree； 跨SSH主机； 多Task； Task内Subagent； App Server可编程控制； 支持Steer/Interrupt； Heartbeat/Cron； Hooks； 审批与沙箱。 这种文章最危险的地方不是信息少。 是产品迭代速度太快。 截至2026-08-15，Op
Codex正在从“一个会话写代码”变成多环境、多线程的工程控制面，但最重要的不是多Agent数量，而是隔离、权限、合并和人类注意力预算
AH-0596是一篇极长、极细的Codex编排文章。
原作者把Codex描述成：
跨项目； 跨Git worktree； 跨SSH主机； 多Task； Task内Subagent； App Server可编程控制； 支持Steer/Interrupt； Heartbeat/Cron； Hooks； 审批与沙箱。
这种文章最危险的地方不是信息少。
是产品迭代速度太快。
截至2026-08-15，OpenAI当前官方已经明确确认几个大方向：
Codex是面向多Agent工作流的command center； App支持built-in worktrees和cloud environments； Remote SSH已GA； Hooks已GA； App Server是双向JSON-RPC控制面； 本地、IDE、App、Web共享Codex harness，但产品Surface并不完全相同。
所以原文“Codex正在变成工程控制面”的主判断成立。
但每一个具体对象名、可用入口、计划限制和命令都属于Capability Drift，需要按当前版本再核。
1. 多Agent的第一原则不是并行，而是隔离
两个Agent同时改同一个checkout：
会看到彼此未完成的变化； 测试结果互相污染； Git diff混在一起； 失败难归因。
Worktree真正价值是：
Parallelism through Isolation。
一个任务一份独立文件树； 独立diff； 独立测试； 独立Review。
并行不是把人复制十份。
是把冲突域拆开。
2. Worktree也不是免费隔离
它共享Git历史。
还可能共享： 数据库； 端口； 缓存； Docker资源； 第三方服务； 测试账号； Secrets。
所以环境隔离Contract至少有：
Filesystem； Branch； Ports； Database； External Account； Secrets； Artifacts。
File Isolation ≠ System Isolation。
3. Remote SSH把能力带进真实基础设施，也放大权限风险
OpenAI当前官方已确认Remote SSH正式可用。
它的价值很直接：
代码和依赖不用搬； 可以在真正Devbox/内网环境执行； 长任务离开本机也能继续。
但SSH环境往往拥有：
真实凭证； 内网； 数据库； 发布权限； 生产相邻资源。
因此远程Agent必须按：
Host Trust； User Account； Writable Roots； Network； Secret Scope； Command Approval； Audit Log； Revocation。
Remote Convenience ≠ Remote Least Privilege。
4. App Server是“控制面”，不是绕过治理的后门
OpenAI当前官方描述App Server为长期进程和双向JSON-RPC API，管理thread并把事件翻译成客户端可消费通知。
这意味着企业可以做：
自定义UI； 审批； 监控； 日志； 编排； 工具集成。
但“能程序化控制Agent”不能解释为：
可以绕过workspace policy。
真正的Control Plane必须继承：
身份； 权限； 沙箱； 网络政策； 审批； 日志。
5. Task和Subagent最大的区别是责任边界
长时程Task通常有：
独立目标； 独立上下文； 独立产物； 独立生命周期。
Subagent更适合：
窄问题； 局部审查； 探索方案； 并行读取。
如果把每件事都拆成Subagent，协调成本会暴涨。
如果所有东西塞一个Task，上下文又会过载。
所以继续执行：
Split by Deliverable / Interface / Acceptance。
不是按“前端工程师/CTO/测试总监”这种拟人角色随意切。
6. 多Agent最容易制造的是Review Debt
5个Agent同时跑：
每个都产出1000行修改。
真正瓶颈马上从编码变成人类Review。
OpenAI自己的Harness Engineering也明确把human QA capacity描述成约束之一。
所以Agent吞吐不能只看：
Tasks Completed。
必须看：
Accepted Change； Rework； Merge Conflict； Review Minutes； Defect Escape。
Agent Throughput ≠ Team Throughput。
7. “Supervisor”不能只是再加一个Agent
一个Supervisor如果： 读同样资料； 用同样模型； 继承同样错误； 没有独立测试；
它只是额外一层总结。
真正Review Independence来自：
独立证据； 独立测试； 不同权限； 不同上下文； 冲突裁决。
Second Agent ≠ Independent Review。
8. Steering和Interrupt必须留下原因
长任务最重要的不是“能纠偏”。
而是以后知道：
为什么改方向？ 当时看到了什么？ 原计划哪里错？ 哪些产物因此失效？
否则线程历史只是聊天流水。
应该保存：
Goal Version； Steering Event； Reason； Affected Work； Decision； Rollback/Discard。
9. Automations需要Budget和Failure Policy
定时Agent如果每天自动：
跑测试； 更新依赖； 看Issue； 生成报告；
就要回答：
失败是否通知？ 重复失败是否停？ 第三方API变化怎么办？ 额度不足怎么办？ 机器离线怎么办？ 产生PR还是直接写？ 谁关闭旧任务？
Scheduled ≠ Stable Forever。
10. Hooks最适合做治理，不适合假装万能安全
OpenAI当前官方把Hooks用于： 扫描Prompt中的敏感信息； 运行validator； 记录对话； 创建memory； 按repo定制行为。
这很有用。
但Hook仍然是代码。
它可以： 配置错； 覆盖不全； 自身失败； 被新Surface绕开。
所以Hook也需要：
Version； Test； Fail-open/Fail-closed； Logging； Owner； Rollback。
11. 合并才是多Agent系统真正的“交易结算”
每个Agent都做完，不等于项目完成。
最后必须处理：
依赖冲突； 数据库迁移顺序； 共享类型； 接口变化； 测试； 性能； UX一致； 文档； Release。
因此每个并行拓扑一开始就定义：
Integration Owner； Merge Order； Interface Contract； Acceptance Suite。
No Merge Plan → Fake Parallelism。
12. 最优Agent数量由协调成本决定
可以粗略理解：
Net Progress = Useful Parallel Work − Coordination − Review − Conflict − Context Sync − Failure Recovery。
如果第5个Agent产生的Review Debt大于它带来的独立进展，就不要开第5个。
这就是Agent Complexity Budget。
13. 对alphahole开发方式的直接影响
以后如果Codex用于网站开发：
ChatGPT继续做： 研究； 产品判断； 验收规则； 平台/商业逻辑。
Codex可以按独立deliverable拆：
数据库； 前端页面； 工具实现； 测试； 导入脚本。
但每个任务必须明确：
Input； Allowed Area； Output； Acceptance； Merge Boundary。
不要让“多Agent很强”变成同时乱改整个仓库。
Stop Rule
出现以下情况减少并行：
- Merge conflict增加；
- Review backlog持续增长；
- Agent反复修改同一接口；
- 多个任务共享无法隔离的数据库/账号；
- 产物无法独立验收；
- Supervisor只是重复同一模型判断；
- 人类不知道哪个结果该信；
- Token/计算成本超过净进度。
Codex编排真正成熟的标志，不是侧边栏里同时跑多少Agent，而是每个Agent为什么存在、能碰什么、如何验收、最后怎样安全地汇合成一个系统。