OpenAI的编程智能体Codex最近被开发者发现，接到复杂编程任务时会自动拆解并最多调度20个子智能体，在独立的云端沙盒里并行写代码、查漏洞、跑测试，人类开发者则从“写代码的人”变成了“派活和验收的赛博包工头”。
一、主Agent统筹：从目标到拆解
任务自动切分：开发者只需用自然语言下达最终目标，Codex的主Agent会自主分析任务，将其拆解为可并行执行的子模块，并为每个模块生成专属的
/goal
指令。
多层规划机制：拆解过程不仅分解任务，还会明确各子Agent的验收标准和相互间的依赖关系，确保不同模块最终能正确合并。
数量灵活配置：Codex支持一次最多创建20个子Agent，但实际数量由主Agent根据任务复杂度和所需能力动态决定，并非固定20个。
二、子Agent并行执行：各司其职的“小弟”
独立沙盒隔离：每个子Agent在云端获得独立的执行环境（沙盒），互不干扰地并行工作——有人写代码、有人查漏洞、有人跑测试，甚至负责与项目维护者沟通。
完整工具链能力：子Agent能执行真实的编程操作，包括创建/修改文件、运行构建命令、执行测试、提交GitHub PR等，并非仅输出文字建议。
免干预的长时间运行：开发者可在睡前或出门前下达任务，子Agent们会自动持续工作数小时甚至一夜，直到任务完成或被Token预算耗尽。
三、结果验证与合并：从“写了什么”到“能不能用”
逐模块验收：每个子Agent完成工作后，主Agent或专门的验证Agent会检查代码质量、是否通过测试、是否与其他模块冲突。
自动化回归测试：Codex支持在合并前对整个项目进行回归测试，防止并行修改引入新Bug，只有所有检查通过才会交付最终结果。
人工审计环节：尽管流程高度自动化，人类开发者仍需审阅最终代码并做关键决策，尤其是当任务的边界模糊或涉及核心业务逻辑时。
四、高效协作的代价与关键护栏
Token消耗激增：20个子Agent并行运行会大幅增加Token用量。有开发者反馈一次运行消耗约2200万Token，也有案例显示完成18个功能中的14个只需约4.2美元。
验收成为新瓶颈：当一晚上产出14个功能时，人工逐项确认“能不能用”和“相互没打架”成了新的效率瓶颈。
经验建议：建议设置并行数上限、单任务Token预算、自动化回归测试门禁，以及为失败重试增加熔断机制，确保效率提升不会导致失控。
