把智能体当团队管理:从模型强弱转向协作机制
群里围绕 Claude Code、Codex、WorkBuddy 谁更强展开讨论,最后形成的有效共识不是单纯站队,而是:多数日常应用场景下,主流编程智能体能力已经足够,真正拉开差距的是使用者的管理方式。钟天炜把智能体类比为聪明但需要带教的新人,强调要用项目管理思想拆分线程、定义职责、让线程之间协作,而不是把所有任务塞给一个对话窗口。
更实操的部分来自多智能体协作:可以让 Claude Code 做主控,把部分任务交给 Codex,通过 MCP 调用、共享目录、handoff 文件或 cron 调度来完成接力。Peter 的实践是 Claude Code 与 Codex 面向同一内容目录工作,通过 handoff 文件传递状态;孙务远则指出更直接的方式是让 Claude Code 通过 MCP 指挥 Codex 并持续监工。自验问题上,群里提到红蓝对决、左右互搏:让一个模型产出,另一个模型挑错或修正,但最终还需要人理解每个 AI 员工的能力边界和常见错误。
核心观点
智能体的瓶颈往往不是模型能力,而是任务拆解、角色分工和协作管理。
多智能体协作可以用 MCP、共享目录、handoff 文件、cron 调度等方式实现,不一定需要复杂平台。
红蓝对决适合做 AI 输出自验,但人的判断仍是最终质量控制。
国产工具如 WorkBuddy 在办公场景中已经够用,关键是建立稳定工作流。
提到的工具
可执行建议
把一个复杂任务拆成执行、校验、整理三个角色,分别交给不同智能体测试一次。
为多智能体协作建立共享工作目录,并约定 handoff 文件格式记录状态、问题和下一步。
让第二个模型专门审查第一个模型的输出,形成固定的红蓝对决检查流程。