“我以前会同时盯着 10 个 Agent，但我真的不想再回到那种状态了。”OpenAI Codex 负责人 Tibo 在一次深度访谈中，把当前 AI 编程工具最尴尬的一面摆到了台面上。

当用户同时运行十几个 Agent 时，频繁的上下文切换、权限审批和任务状态监控，会迅速耗尽人的注意力。程序员没有变成更高效的管理者，反而陷入了“消息分拣员”的窘境。

打开网易新闻 查看精彩图片

多 Agent 并行，注意力先扛不住

Tibo 指出的核心痛点在于：工具越来越能并行干活，但人的注意力仍然是单线程的。每多一个 Agent，就意味着多一路需要确认、追踪和判断的对话流。

这种状态下，模型速度再快，也抵消不了用户在不同任务之间来回切换的认知负担。下一代 AI 产品如果只是继续增加 Agent 的并行度，只会把问题放大。

从“管理多个 Agent”转向“注意力管理”

Tibo 给出的方向是：产品设计应该从单纯追求模型速度，转向管理用户注意力。系统自动调度任务顺序、补充上下文，只在关键节点打断用户。

他设想了一种理想架构：底层由统一的 Agent 执行系统驱动，由系统自动处理 Skill、Memory 和 Subagent 的分工与维护。人不再需要手动维护大量规则文件，减少所谓的“配置债”。

“应该由技术来适应你。”这句话背后，是把人从操作细节里解放出来的产品逻辑。

高风险动作才需要人来拍板

这套架构的关键，是基于风险等级的自动化审批机制。系统需要区分低风险和高风险动作：读取、测试等操作默认放行；写入生产环境、删除数据、访问密钥等动作，才请求人类介入。

这意味着程序员的角色会从“操作员”进化为“决策者”或“监工”。日常执行交给系统，人只在真正需要判断后果的时刻出现。

从手动维护配置，到系统自动消化细节；从同时盯十个 Agent，到只处理高风险确认。Tibo 描述的转变，不只是工具升级，更是人机协作方式的一次重新分工。