帮朋友 KK 转发他的一个小工具：WaitAgent 。
项目地址： https://github.com/kikakkz/wait-agent.git
它本质上不是一个 AI 框架，也不是任务调度系统，而是我在做多 Agent / 多机协作时，逐步弄出来的一个 session 管理工具。
一、起点：我遇到的问题
我自己是一个独立开发者，之前有一个很小的团队，当前处于半解散状态。当前我自己有一些产品在开发，但是还没有到赚钱阶段，而我又需要赚钱将这些产品养下去。感谢 AI coding assistant ，我可以接一些外部的开发任务来赚钱。
但是并行的任务多了之后，我遇到了极大的困扰：我要同时开很多 terminal 来并行开发这些任务，我不得不不停切换这些 terminal tab ，来查看任务状态，确定当前是否需要我介入，心智负担很重。
同时，因为单机资源有限，我日常是同时 5 台机器一起工作，这样又要去切不同的机器，每天开始工作的 bring up 都是一个很痛苦的过程。
当重复多次以后，我逐渐思考痛苦的来源：本质上我的注意力焦点只有一个，但是我同时需要关心很多不可见任务的状态，这是我痛苦的源泉。所以我想：我能不能将这些后台任务，都抽象成可靠状态，我只需要关注这些可靠状态，选择我介入的时机。那么只要状态是可信的，我的心智就是放松的。
二、WaitAgent 的核心设计
我从一开始就没有想过要去做太重的事情：不要做 all in one 的智能体聚合，不要做智能体协同通信，不要做模型聚合。我的目标只是解决我的困境，准确的总结是这需要的是一个类 tmux ，但支持多机，单状态焦点的工具。
所以我很自然地从 tmux 开始了。WaitAgent 里面集成了 tmux ，来作为展示 pane 。
原则 1：任何时刻我们只有一个焦点 pane
我也研究过一些 agent mux 应用，但是大多都基于 pane 拼接，在一个窗口塞入很多小的 pane ，每个 pane 一个 agent session ，事实上是窗口内的 agent 多开能力。但是对于人类来说，眼睛同时看一个窗口内的多个焦点，和切 tab 并没有本质区别。因此 WaitAgent 上任何时刻都只会有一个 active 的焦点 pane 。
原则 2：所有 session 都有可靠状态
只有一个焦点的情况下，我们怎么同时兼顾其他 session 呢？所以我们将所有 session 抽象成了一组 sidebar 上的状态。状态只有三个，I 表示等待输入，C 表示等待确认，R 表示正在运行。这样当我们同时运行很多 session ，我们只需要看哪些状态是 I ，哪些状态是 C ，然后介入交互即可。R 是不需要交互的。状态的可靠解决了我需要随时想着哪些任务已经完成，在等我了这件事情。
原则 3：提供机制，不提供策略
我不想去约束人们怎么使用智能体，怎么使用 pane ，怎么使用主机，WaitAgent 只提供通道和 session 状态，其他的一切都应该和 ssh 远程主机方式一摸一样。实作上我也采用了和 ssh 一样的 pty mirror 方式，这样在多机之间可以获得和 ssh 一样的性能。
三、当前状态和后续方向
目前 WaitAgent 还是一个很早期的工具，我实现了基础的多机，多 agent session 管理能力，提供可 session 状态列表，这样已经具有基础能力。
几个比较确定的演进方向是：
1 工作区快照能力
当前当 waitagent 全部退出或关机，上一次工作内容在下一次是需要重新输入的。如果同时有 10 个 session 在工作，那么下一次 bring up 过程依然较为痛苦。因此我预期会引入 workspace 能力，这样在上一次退出，会保存当前 workspace 快照，下次 bring up 只要导入快照继续，就能重建 workspace 的 sessions 状态。
2 云端能力
对于不习惯 CLI 的人，我预计在将来提供云端能力，这样只要在本机运行 WaitAgent ，就可以通过网页直接和本机的 WaitAgent 沟通交互。
3 集成到 TG/微信
把 WaitAgent 集成到 TG 和微信，这样可以躺着 Coding 。
4 可以在 CLI 呼出不同 agent 的 session 列表并提供切换能力
当前 codex ，claude 等这些 app 实现有 session 列表，但是 CLI 实现没有。我希望在 WaitAgent 这里提供不同 agent 的 session 列表呼出能力，并且可以切换。
5 为不同 agent 提供自定义 auto process 能力
我希望用户可以通过 sidebar 上的 item ，定义一些针对 session 的自动处理规则，这样用户不用一把梭哈全部自动不能掌控，保持对于任务 session 的随时介入能力。
如果你有类似的 multi-agent / 分布式执行经验，也欢迎交流这个抽象是不是成立，或者在哪些场景会失效。
Select Language