2026 年 3 月，现在的 AI agent 可以持续几个小时运作去生成高质量代码，也可能在一个细节设计上做出明显愚蠢的决策。Claude code, Codex, Opencode 等 coding agent 几乎占领市场，但个人自用的 coding agent 也层出不穷。

笔者也在尝试写自己的 coding agent, 本文想要探讨在当下时间点，coding agent 还有哪些值得做的方向。

任务编排

御三家(Claude code, Codex, Opencode) 都支持多 agent 编排。

我们可以使用 Workflow 编排插件如 superpowers, compound-engineering-plugin/ 等来完成 brainstorm -> plan -> 执行 -> review 的流程，以及在其中某些环节让多 agent 作为不同的团队成员角色去合作完成。

多 agent 在很多场景都能做到更有效，每个 agent 负责一个 domain 可以做到高效的利用 context，且让 coding agent 整体耗时更短。但是这种编排仍然是线性的，和笔者想象中的编排差别很大。

笔者想象中的任务编排应该更像实际的开发流程，这个开发流程应该从两个维度去分解任务：

  1. 这个功能如何按照 domain 拆分
  2. 每个 domain 中的任务应该交给负责对应 domain 的 agent 去进一步拆分

每个 domain 的任务可以并行在不同的 branch / worktree 开发，并最终分别提交，由整体的 reviewer 以及验证者来做最终的验证并合并到 main branch。Domain agent 在整个流程中保持存活以便随时返工。

这样的方式能最大化利用 context ，而且并行执行节省时间。

记忆

ChatGPT 很早就已经支持了记忆，笔者曾经和 ChatGPT 聊过开发独立游戏的 idea，并被 ChatGPT 记住，因此在之后的一年多，每次询问编程相关话题都要用游戏开发举例子，让笔者为放弃的 idea 深感内疚，最终只能删除记忆解决。

记忆系统在笔者看有两个作用

第一类是上下文记忆，作为 context 的补充，比如 ChatGPT 能记住用户在做些什么减少用户的重复输入，笔者会用全局的 AGENTS.md 记录远程机器的登陆方式，以及用途，这样 ChatGPT 可以自动保持这些上下文。这里我们探讨的是作用而非具体实现方式(实现方式总会一直变化)，因此笔者认为通过 AGENTS.md 也可以算作记忆。

第二类是行为记忆，记住用户行为，从已知的用户行为来帮助决策。最近 Codex 支持通过 agent 来 review approval 自动通过低风险的授权，这个功能有接近我预期的辅助决策，只是目前似乎每次 review approval 都是独立的上下文，尚未接入记忆系统。

记忆系统需要能做到自动记录、更新、以及衰减记忆。目前通过增加一部分的提示词到全局 AGENTS.md 并定期去更新 AGENTS.md 可以做到类似的效果，但仍经常需要手动提示词来触发。一个更好的记忆系统应该允许用户自定义记忆管理的策略，并更加主动的去调整记忆。

定时任务

最新的 claude code 支持定时任务，但是笔者已经无缘使用。

笔者经常使用 agent + 定时任务的方式来管理服务器。

通过操作系统定时任务每天检查服务器中应用运行日志并生成 report。 通过 AI agent 去分析 report, 并判断应用程序是否足够健康，如果服务器上发现了一些非预期情况就自动总结为 bug report, 之后再由 coding agent 去修复。修复后通过 AI agent 分析我们的定时脚本是否需要优化，去覆盖更多需要观察的部分。

收集日志 -> agent 总结 -> 判断是否异常 -> 生成 bug report -> 下次再优化脚本

笔者定期 prompt AI，每次的提示词都差不多，agent 支持定时任务可以让这些工作更加自动化。

自省

在记忆、定时任务两个章节已经包含了关于“自省”的讨论，我们对 coding agent 说再优化一下代码，再检查一下错误，优化一下流程，coding agent 往往会给出有效的建议。

优化 coding agent 是真正的元编程，每次对 agent 优化都会直接作用到所有的项目中，以及后续的开发流程中。

自省应该被集成到流程中，避免一次次的手动重复。

Omakase

可能遥远的未来 Claude code / Codex 扩展的新功能会抹平一切 coding agent 的差异化，但是在 model 逼近完美之前，本文提出的几个方面，以及潜在的更多的方向上仍然有足够大的个人 agent 的差异化空间。

Omakase 指让厨师全权决定菜单，即便日式料理种类没有很多，也足以做出差异化。