多个 Agent 同时跑,谁都不知道谁在干什么

前天深夜,我看完一个讲编程智能体的视频,顺手开了三个 Agent 同时跑:一个在改代码,一个在查文档,一个在整理笔记。然后我去倒了杯水,回来切回终端——它们干到哪了?哪个跑完了?哪个卡住了?哪个在等我回话?

我不知道。

不是没地方看,而是每个 Agent 都活在自己的黑箱里。我看得见它们的"输入"和"输出",却看不见它们"正在做什么"。更麻烦的是,它们彼此之间,同样看不见对方在干什么。


单 Agent 时代,人就是状态面板

先回头说为什么这个问题以前不存在。

单 Agent 时代,一个终端窗口,滚动输出就是状态。它调了什么工具、改了什么文件、为什么这么干,全写在屏幕上,你扫一眼就知道它到哪一步了。哪怕它卡住,你也能立刻看出来"哦,它在反复重试同一个操作"。

这里有个被忽视的事实:你的眼睛在替系统记账。 你盯着输出,替 Agent 记着进度、上下文、下一步该干嘛。所以单 Agent 从来不需要"状态可见性"这个概念——人就是状态面板,人把它外包给自己的记忆。

一进入多 Agent,这个账就没法记了。

三个 Agent 同时跑,你不可能同时盯三个滚动输出。哪怕用 tmux 把窗口并排摆开,你扫一眼也只能看到"它们都在输出",看不出"谁在等谁、谁卡住了、谁在重复劳动"。

而它们彼此之间,更是一无所知。


两种"不知道",后一种才是真问题

这里要区分清楚。

第一种是你不知道它们。这个好解决,窗口并排、分屏、状态栏,tmux 已经干了几十年。

第二种是它们不知道彼此。这个才是真正的空白。

拿主从架构举例:master 派一个子 Agent 去查文档,子 Agent 查完只回传一个摘要。摘要丢了什么?丢了中间过程——它查过哪些文件、排除过哪些错误答案、在哪个岔路口犹豫过。这些信息留在它自己的上下文窗口里,但不在任何其他人能看见的地方。

这让我想起《AI 编程智能体的三种哲学》里提过的:OpenCode 的多 Agent 主从层级,子 Agent 只回传结果,过程被压缩掉。Claude Code 的子 Agent 也类似——获得全新上下文窗口,最后只给父节点一个摘要。摘要能告诉你"做完了",不能告诉你"怎么做的、做到一半发现了什么"。

编排架构也一样:调度器知道"任务派给了谁、谁回传了结果",却不知道"谁在中间干了什么"。群聊架构更彻底——每个 Agent 都像在一个共享频道里喊话,谁也不知道对方完整的状态。

所以这不是某个工具实现得不认真,而是架构层面的空白:多 Agent 协作把"状态"这个概念从单 Agent 的隐式存在,变成了一个没人负责的孤儿。

这个空白是要付出真金白银的。说几个我实际撞上过的场景:两个 Agent 同时改同一个文件,后写的覆盖先写的,回滚都找不到分界;一个 Agent 花十分钟查的东西,另一个 Agent 三分钟前刚查过,谁也不知道对方已经做完了;master 派完任务就悬着,因为它不知道子 Agent 是死了、是卡了、还是在闷头干活,只能干等。

单 Agent 时代,这些事不会发生,或者发生了你一眼就能看见。多 Agent 时代,它们变成常态,而且你事后才发现,发现时已经浪费了二十分钟。状态不可见,最终落到的不是"体验不好",是重复劳动和互相踩踏。


数据结构早就留好了位置,只是没人填

翻开我自己的 .agents 目录,最能说明问题。那个 session 文件里长这样:

"subagents": {
  "master": {
    "status": "idle",
    "timeline": [],
    "pendingInputs": [],
    "toolTimings": {},
    "subagents": {}
  }
}

看到了吗?status、timeline、pendingInputs、toolTimings——状态可见性需要的字段,全都预留好了,但全是空的。 status 永远是 idle,timeline 永远是个空数组。

也就是说,底层的数据结构早就为"状态可见"准备好了位置,只是没有任何东西去填它,更没有东西把它呈现给人看。

这就是我那句 TODO 的由来,原话很糙:

有一个问题是,多个 Agent 运行时,状态大家都不知道。

糙,但准。它不是一句抱怨,它是一个可以动手的空白。


为什么是终端

于是有了那个构想——做一个 agent 和 WezTerm 结合起来的工具。

为什么是终端,不是网页、不是 IDE、不是桌面 App?

因为对一人公司从业者来说,终端是待得最久的地方。 代码在终端里跑,构建在终端里跑,部署在终端里跑,现在 Agent 也在终端里跑。把状态可见性做进终端,意味着它待在你本来就会一直开着的地方,而不是逼你再去开一个新窗口、新标签页、新 App。

而且这件事终端已经证明过可行。tmux 的分屏加状态栏,就是"多个进程同时跑、状态一目了然"的标准答案。我要做的不是发明新范式,是把 tmux 那套东西接到 Agent 上:

  • 每个 Agent 占一个格子,像 tmux 分屏;
  • 每个格子顶部一条状态栏:status(running / waiting / idle)、当前在干什么(最近一次 tool_call)、上下文占用了多少、有没有在等你输入;
  • master 和它的子 Agent 用缩进或颜色体现层级关系。

这不是遥不可及。上面那个 session 文件里,字段都已经在了。第一版要做的,就是把这些字段从"空"变成"活",然后画到屏幕上。


动手前先定三个决策

第一,状态要"推"出来,不要"翻"出来。 不要做成一个需要你主动去 query 的调试面板——那又变成一份没人会看的文档。要做成常驻的、自动刷新的、扫一眼就能懂的。tmux 状态栏为什么有用?因为它永远在那儿,你不看它它也在更新。

第二,一个面板,不是 N 个窗口。 多 Agent 的核心问题就是"分散"。如果你做的工具又把状态分散到 N 个地方,等于没解决。宁可信息密度高一点,也要保证"一眼全览"。

第三,先接已有数据,再谈改造 Agent。 不要一上来就想定义一套全新的状态协议,指望所有 Agent 框架都来适配你。第一版就干一件小事:读 session 文件里已有的字段,在 WezTerm 里渲染出来。能跑起来,再想怎么让 Agent 把状态写得更细。

最小验证路径很清晰:

  1. 读 .agents 目录里的 session json,把 status、timeline、pendingInputs 解析出来;
  2. 在 WezTerm 里做一个面板,实时渲染这些字段;
  3. 同时跑三个 Agent,看你能不能在三秒内回答:谁在干什么、谁在等我、谁卡住了。

第三步能过,这个工具就成立。剩下的都是工程细节。


说回那句 TODO。它看起来像抱怨,但抱怨背后是一个具体的空白:当一个人从"指挥一个 Agent"变成"管理一群 Agent",他缺的不是更强的模型,而是一块看得见的状态面板。

单 Agent 时代,人替系统记状态;多 Agent 时代,系统得把人从这件事里解放出来。这块面板,就是第一步。

下一步:从读 session json 开始,先把 status 和 timeline 点亮。