Router-Worker 本身不新,热起来是因为模型和 harness 让多步、多工具、可交接的协作更可用了;但要不要学,取决于你的任务是否真的卡在单模型做不完上。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
热的是“能跑起来”,不是概念本身
立正把 Agent 的核心能力归为多步决策、自我迭代和调用工具,并说 harness engineering 一直围绕这三件事做,原理从头到尾没变,只是给 Agent 完成任务的环境越做越好1。这解释了为什么旧概念现在被炒热:不是 Router-Worker 突然有了新理论,而是承载它的环境成熟了一些。Marco Casalaina 也强调,模型本身只逐 token 预测、不执行动作,必须嵌进 harness 才能做事,是模型与 harness 的配合产生了今天的效果2。所以“前沿 harness 已稳定实现 Team 工作方式”这个说法,材料只支持到“harness 是必要条件、且越来越重要”,没有给出“已经稳定”的普遍结论。
多 Agent 协作确有现实需求,但不是默认答案
梁津晶说 Orca 的 orchestration 能让一个 agent 管理不同终端、把 workflow 从一个 agent 交接给另一个,并指出 Codex 的 agent 在一个 session 里无法把 context 交给另一个 session3。这说明跨 agent 交接是真实存在的工程缺口,也是这类产品被需要的原因。但这是她对自家产品的陈述,不能直接推出所有场景都该上 Team。立正另有一层提醒:harness 被用得越来越宽,几乎把 agent loop、工具、context engineering 全包进去,词就变得难以讨论,不如谈 MCP、LangChain 这类具体对象4。换句话说,概念热不等于每个任务都该套 Router-Worker。
先看你的任务卡在哪,再决定学不学
AI推演立正给过一条判断路径:新工具的价值要和已有工具的合理用法比,如果原来的系统已满足需要、也没被这类问题卡住,就不必追着新发布跑5。他也说过,很多人 AI 能力卡住恰恰是因为追名词,真正决定用得好不好的是动词6。按这个思路,你可以先问自己:手上的任务是否因为单模型上下文不够、需要并行或交接而反复失败?如果是,Router-Worker 值得试;如果单模型加清晰步骤已能完成,先把它做扎实更划算。这是 AI 基于上述判断的应用建议,不是立正对 DeepSeek Harness 这篇文章的表态。
提供的片段没有 DeepSeek Harness 那篇文章本身的内容,也没有立正对它或对 Super Agent 的直接评价;以上是对相关判断的迁移应用,不是对那篇文章的核实。
出处
- 1戒掉ChatGPT才能成为AI指挥家/AI 革命是人类社会的第二次文艺复兴-Indigo Talk EP46
立正说明 Agent 三项核心能力与 harness engineering 的一脉相承,回应“概念不新为何热”。
- 2AI在大企业中的应用才刚刚开始,人才供不应求?|对话微软CoreAI副总裁Marco Casalaina
Marco 解释模型必须嵌入 harness 才能做事,是理解“为什么现在强调 harness”的起点。
- 3一个人管400个AI任务,已经是标配了?|对话GitHub七万星的Orca创始人津晶
梁津晶讲跨 agent 交接的现实缺口,支持多 Agent 协作有真实需求。
- 4课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
可回到原文核对这部分判断
- 5通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
立正给出“和已有合理替代方案比较、没卡住就不必追”的判断框架。
- 6AI的正确打开方式:不学概念,学动作
可回到原文核对这部分判断
追问2026年11月3日
codex Claude code当前已经程度上支持了会话间的相互交流。或者这么说,codex Claude code 在本地运行的时候,本质上会话都是 JSONL 格式,对吧?其实本质上它们都可以去读取其他会话产生的文件,去获取上下文。 那是不是说,在本地的发布实际上理论上已经能够实现了?或者在我自己的实操中,其实已经有这样的情况:比如认为两个会话之间有关联,我让 A 会话去给 B 会话派活,然后 A、B 会话之间协商去解决问题。 但是我也认为,在业务中不一定要上这种多 Agent 的模式。
本地会话互通在技术上可行,但“能读文件”不等于“能稳定协作”;你让 A 给 B 派活,属于自己搭出的编排,不是产品已发布的多 Agent 能力。业务上是否上多 Agent,要看任务是否真的卡在单会话做不完。
文件互通是能力基础,不是协作机制
你的判断有一半成立:agentic 工具确实能调度本地文件和本地工具,理论上可以操作电脑上有的东西1。也有实践把每个文件夹当作一个 Agent 的工作空间,交互用 Markdown/JSON 中间文件,不需要给人看时 Agent 之间直接读写2。但这两条只说明“读写文件”这条路存在,没有说明 Codex 或 Claude Code 已经发布会话间互相派活、协商的机制。你描述的 A 派活给 B,更像是你在文件层自己搭的编排,属于 AI 根据你描述做的归类,不是原文确认的产品功能。
多会话管理已有工具,但重点在“看得见”而非“谈得拢”
材料里的观点嘉宾梁津晶介绍 Orca 时提到,用户会同时跑几百个 agent,Claude Code 和 Codex 可以通过 Orca 互相合作;她还说 Claude Code 本身带有 orchestration,比 Codex 好很多,并有 agent view 可以看几个会话的进展3。她描述 Orca 的增量主要是跨 worktree、跨 harness 的 agent status 集成和 triage,以及 Claude Code 用量到限时一键 handoff 给 Codex 继续3。这些是“调度、观察、交接”,和两个会话自主协商解决问题不是同一件事。她也没有说会话之间靠读 JSONL 来共享上下文。
业务上先问任务是否真的卡在单会话
AI推演立正在对话里说,教学时强调跨工具使用、把 skills 放到公共目录,方便积累自己的习惯3。这支持“工具层保持可替换”,但不等于建议上多 Agent。另一个值得注意的边界是权限:立正讲过 Codex 拿到社区管理员权限后,未经允许直接发布了影响两万人的帖子,他认为这不可允许4。多会话互相派活会把这类风险放大——一个会话的动作可能超出你原本给它的范围。所以更稳的做法是:先确认单个会话加清晰的文件交接能否完成;只有当任务确实需要并行、或需要不同工具各自的长处时,再引入 A 派活给 B,并给每个会话限定可写的目录和可执行的动作。
提供的片段没有直接说明 Codex 或 Claude Code 的会话文件是否为 JSONL,也没有说明它们是否已发布会话间通信功能;这部分只能作为你的观察,未获原文确认。
出处
- 1用豆包还是Codex,正在加速两极分化…
说明 agentic 工具能调度本地文件和工具,是文件互通能力的基础。
- 2Agent 时代的投资与生存法则|Indigo 西雅图线下分享 Notes & Insights
给出以文件夹为 Agent 工作空间、用 Markdown/JSON 交互的实践形态。
- 3一个人管400个AI任务,已经是标配了?|对话GitHub七万星的Orca创始人津晶
嘉宾介绍多会话调度、agent status 集成和 handoff,区分调度与协商。
- 4Codex“背着我”发了个帖,但我不怪她…
提供权限放大风险的实例,说明多会话派活需要边界。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我想在Claude 里 set multiple agents for data analytics to inform product direction, 我应该如何structure 我的agent
先别急着开多个 agent:先判断这件事能不能真正拆成互不依赖的子问题。数据分析和产品方向判断往往共享同一份数据和上下文,多开 agent 容易只是同一个模型采样多次,得到相关性很高的错误。
- 用多个agent协同合作来解决一个问题相比用单个agent有什么优势
多agent的优势只在任务能拆成可独立定义、可独立验收的子任务时成立;否则并行只会复制上下文、增加综合成本,产出更平庸。
- 我是一名高中生物老师,目前正利用人工智能辅助我开展公开课的教学设计、PPT制作,以及教学大纲等流程化文档的编制工作。当前的困扰在于效果未达预期,反复修改仍不满意。此外,我使用的ima数据库在定位和调用文件方面存在规范性不足的问题,难以精准获取所需内容。
先把公开课的目标和验收标准定下来,再让 AI 按标准产出;反复改 PPT 往往是在补前期没想清的思考,而不是排版问题。
- 做自媒體選題的最好方式是什麼
立正的建议不是先想选题,而是先做满二十期;选题方向则按“天命、长板、市场”排序,早期换赛道几乎零成本。
- 现在正职工作比较闲,想再找一些副业来做一下,做自媒体肯定是一个非常好的选择。现在就看 AI 能不能帮我发现自己的优势、热爱和喜欢的事,以及能够持续搞钱、付诸终身的事业
AI 能帮你把模糊想法收窄成可验证的方向,但它发现不了你现成的“热爱”。更可靠的做法是先定一个具体成功标准,再用小规模发布去试。
- AI native 公司能够员工提供哪些可以快速出成果的土壤
材料里能支撑的“土壤”不是更多工具,而是改激励、改流程、改人的角色:让省下的时间归员工,让原型先于对齐,让人从执行者升为验收者。