上周我一直在想一个很具体的问题：当一个人同时跑七八个 coding agent，最先崩的到底是哪一块。

不是模型能力，也不是账单——是人的注意力。你写代码的那点专注被切成了七八份，每一份都在等一个「批准」「继续」「这里不对」。而注意力这东西，加不了钱也扩不了容。

10 月 13 日，Hacker News 上出现过一份不太起眼的东西，标题叫《How 94 internet-famous engineers use coding agents》，10 分，1 条评论，很快就沉下去了。但我点进去就没出来。这是一个叫 Prehistoriq 的站点，作者 Peter Hraska 把 94 位工程师公开说过的配置、用的模型、以及最关键的——他们怎么审 AI 写的代码，全扒了一遍：94 份档案，897 个公开来源，每条结论都挂着链接和日期。时间窗口是截至 2026 年 10 月 13 日的这一年。

名单里有 Karpathy、DHH、Redis 的 antirez、Ghostty 的 Mitchell Hashimoto、Kent Beck、Simon Willison，还有 Claude Code 的作者 Boris Cherny。我把 94 份档案整个过了一遍，然后发现最刺眼的根本不是「94」这个数字，而是审查习惯那一栏。

先把这份普查读清楚

这份普查里，关于「工程师怎么审 AI 写的代码」，给出的分布是这样的：

8 个人还在一行一行读。这个数字之所以扎眼，是因为名单里确实有 Mitchell Hashimoto 这种人——他明确说自己逐行手审，agent 只负责验证，连文档都自己写。但同一份名单里的另一半是反过来的：Steve Yegge 说他基本不读代码，让 Fable 去审 Opus 的每一次改动；Burke Holland 直说他「不再读代码了」；Kieran Klaassen 是并行开几个审查 agent，不做逐行阅读；Geoffrey Huntley 更彻底，除非高危改动，否则不审就发。antirez 还在逐行读 Redis 的代码，但他自己说这事「基本没意义了」。

所以那个「8」不是一条下滑的曲线，而是两种人的分岔。真正值得记下来的，是「交给另一个模型审」这一档排到了第一（31 人）——审查这件事本身，正在从「人读」变成「机器审、人看结论」。

普查还按「使用风格」把人分了七类，比审查那一栏更能说明风向：

排第一的不是「跑得最多的」，是「给 agent 造家具的」（29 人）。这跟下面那批工具的出现正好互为因果：需求侧有一大批人愿意自己动手做工具，供给侧自然就会冒出人来把它产品化。顺带一提，「Purist 会读 agent 写的东西」有 19 人，比「逐行读」的 8 人多得多——普查自己也没藏着，这俩口径不一样，Purist 只要会去看就算，不要求逐行。把这两个数放在一起看，你大概就能感觉到：愿意「看一眼」的人还不少，愿意「一行行读完」的人，确实在变少。

另外几个数字同样在说明问题。94 个人里，68 个同时用不止一个 agent（Claude Code 64、Codex 51、Cursor 9、OpenCode 8）。29 个人明确说了自己并行跑几个 agent，从「一次一个」到「几十个」。过去一年里 79 个人改过自己的配置——换 agent、换模型、换 harness。这不是一个已经毕业的稳定工作流，而是所有人都在半路上折腾的阶段。

这里我得说句公道话，也是给这份数据打折扣的地方。它不是抽样调查，是「公开谈论过自己工作流的人」的档案集合——HN 那个标题写得很实在，internet-famous engineers。愿意公开自己配置的人，天然偏向爱发帖、爱折腾、有影响力的那一批；安静地逐行读代码的工程师，很可能根本没留下任何公开来源。而且作者自己在页面上写了一句「We are building a code review tool」——一个卖代码审查工具的人，得出「人工审查正在被放弃」的结论，叙事上对他是有利的，这一点得留个心眼。所以我的态度是：方向可信，绝对值存疑。是 8 还是 18 不重要，重要的是这条曲线在往哪边走。

36 小时里冒出来的一整层

光看数据还不够。真正让我确信「操作层」正在独立成一层的，是 10 月 12 到 13 日这两天里集中冒出来的一批工具。它们互不认识，却像商量好了一样，从不同角度去抢同一块东西——人的注意力。

我把这两天落地、并且能查到实体的几个整理成了下面这张表。这张表不是功能清单，行选的是「它到底在替你分担哪一块注意力」，因为这才是它们彼此不重叠的地方：

一个一个说。

Agor：把并行的工作摆到一张画布上

Agor 是这批里块头最大的：1446 星，TypeScript，去年 10 月建的仓库，10 月 14 日还在推代码。它的定位叫「Multiplayer AI」，说人话就是——把每个 agent 的工作放在一条独立的 git 分支上，再把这些分支像卡片一样摊在一张 Figma 式的二维画布上；你可以把一个 worktree 拖进某个区域，触发一段模板化的 prompt。会话之间还带血缘关系，能 fork 出去试另一条路。

它 README 里有一句话是整批工具的题眼：「Agor ships no model of its own. It drives the coding-agent CLIs and SDKs you already run.」——自己不训模型、不托管模型，只是去开你已经在用的那些 CLI。支持的清单是 Claude Code、Codex、Gemini CLI、Copilot、OpenCode、Cursor，一次会话换一个都行。顺带一个细节：它的许可是 BSL 1.1，属于「源码可见」而不是 OSI 意义上的开源。

Muster：只回答一个问题——谁在等我

Muster 是这批里最小的：30 星，Swift 写的 Mac 菜单栏小工具，10 月 12 日才建。它的口号很直白，「Never keep an agent waiting」。逻辑是：你同时跑好几个 agent，慢的从来不是 agent，而是你没注意到某一个已经等了你十分钟。Muster 蹲在菜单栏里，哪个 agent 卡在等人，屏幕顶部就弹一块提示；⌥↩ 直接回答，⌥↓ 展开看它为什么问，⌥Tab 跳到最急的那个。它自己在 README 里承认，卖点就是「你不必离开你手上正在做的事」。

shadowclone：把你的口味搬到每个 agent 身上

shadowclone 20 星，TypeScript，MIT，7 月就开工了，10 月 13 日刚上 Show HN。它缝的是另一条缝：你在 Claude Code 里调教出来的那套规则，换到 Codex 就没了。shadowclone 维护一份 skills 和指令，同步给 Claude Code、Codex、Cursor、Pi、Antigravity、OpenCode；更关键的是，它能从你「修正 agent」的那些会话里学出新规则，再投成 skill。它还带一个 GitHub 机器人——你在 issue 里评论一句 /shadowclone 修一下那个日期解析的 flaky 测试，它就用你的 skills、你的订阅、你的云账号，以你的名义开一个 draft PR（跑在 Cloudflare、Vercel、Modal、Daytona、E2B 上，token 留在你自己选的机器里，而且永不推默认分支）。它对自己的定位写得很清楚：「shadowclone is not a separate agent. It equips the agent that you already use.」

MemorySync：记忆被单独拿出来卖

MemorySync 是这几个里唯一不带「coding agent」字样的。它自称 AI memory infrastructure，一个记忆 API 加一块控制台，Python 和 Node SDK 齐备，接的是 LangChain、CrewAI、LlamaIndex、Google ADK、Vercel AI SDK 这一串框架。严格说它是通用应用记忆，不是 coding-agent 舰队专用——但把它放进来恰恰说明，「记忆」已经被当成一个独立的、能单独卖钱的层了。它控制台的卖点也有意思：把 retrieval pipeline、memory tier、orchestration decision、governance policy 摆在一起，「让你看见 AI 记住了什么、以及为什么」。这块地我前几天专门拆过，可以对照着看：《AI Agent 记忆层的「第三极」：明文文件树用 200–900 个 token 记住一切，但真正的护城河是「怎么忘」》。

它们其实在卖同一件东西

把这几家摆在一起看，共性比差异更值得说。

第一，全都长在官方 CLI 之上，没有一个自带模型。Agor 说得最直白（ships no model of its own），shadowclone 说「equip the agent you already use」，Muster 干脆只是读你会话的状态——它们都不是 agent，是 agent 的家具。

第二，都在抢同一块稀缺资源。你的注意力一次只能落在一件事上，而 agent 的数量可以无限加。编排（Agor）、提示（Muster）、技能同步（shadowclone）、记忆（MemorySync），本质上都是在替你做「注意力分配」这一件事的不同切面。这套「人只管点确认」的模式，我在前段时间写审批层的时候聊过它的雏形：《「在聊天框里点确认」撑不住了：Agent 的审批和权限，正在长成独立的一层》。

第三，全都寄生在上游接口上。它们能看到、能驱动 agent，靠的是 CLI 暴露出来的那些接口。这既是它们能在几天内做出来的原因，也是它们最大的软肋。

而且这已经不是零星现象了。同一个月里，还有 Puppet Master（10 月 7 日，「manage coding agents at scale」）、Bees（10 月 6 日，本机跑 agent 团队）、AgentOS（10 月 7 日，手机上跑）、更早的 Gwae（9 月 23 日，给 agent 舰队做的终端复用器）、Strata（9 月 22 日，给舰队做的「受治理记忆」）。一个月内，同一个位置挤进来七八个团队。

这一层是怎么接上去的

把这几个工具的接法拆开，基本是三种姿势。

最薄的是 Muster 这种——只读。它不驱动 agent，只是盯着各个 CLI 的会话状态，判断谁卡在等人，然后弹一块提示。好处是几乎不会和上游打架，代价是它永远只能做「提醒」这一层，回答还得你来。

中间的是 shadowclone 这种——注入。它的插件本质上是往每个 CLI 的插件目录里塞一份 SKILL.md 和规则文件，让 agent 开跑前自己加载。它不碰 agent 的循环，只是改了 agent 看到的上下文。

最重的是 Agor 这种——托管。它把 CLI 当成子进程起在各自的 git worktree 里，再用 SDK 收事件、渲染到画布上，会话还能 fork。这拿到了最多的控制权，也意味着它离上游的接口最近，上游一改它最先疼。

三种姿势的共同点是：都得靠 CLI 主动把状态和钩子暴露出来。这就是为什么我说这一层的地基，并不完全在它们自己手里。

我的判断：这是下一个被大厂收编的品类

最硬的证据是，平台自己已经在动手了。10 月 10 日，Anthropic 的 Claude 平台文档里，managed agents 那一节直接多出了「multiagent orchestration」——模型厂商开始把「编排多个 agent」变成平台的内置能力。这一条，比任何创业公司的融资新闻都更能说明这一层要被谁拿走。

所以我不觉得这是个「市场验证了操作层」的励志故事，而更像一个「大厂两周就能抄完」的结构性压制。Agor 要你离开终端、专门开一张网页画布；而 Anthropic 想做的，只是在 Claude Code 里多开一个窗格。谁的分发大，谁赢。

这些工具的护城河也不在技术上。Agor 的核心是 git worktree 加一块画布，shadowclone 的核心是往 CLI 里塞 SKILL.md，Muster 的核心是读一份会话状态——这些工程量，一个大厂团队两周足够。真护城河在分发和默认值：agent CLI 已经装在你的机器上了，厂商顺手就能把这一层内建进去。我自己是有点怀疑的——真正会被留下来的，可能只有一块：跨 agent、跨厂商、并且带审计的那层记忆与证据。因为那恰恰是单个模型厂商不愿意替你保管的东西。

反过来，这批工具还有一个更急的风险：上游接口一改就断。它们都靠 CLI 暴露的状态和钩子活着，任何一次版本更新都可能让它们失联。这也是为什么 Muster 那种「只读会话状态」的做法显得聪明——你越薄、越贴着上游的稳定面，活得越久；越想替代上游，死得越快。

不过我也不想把话说死。这一层有没有可能真的独立下来？有一种情况是有的：当团队里同时混用不同厂商的 agent——Claude Code、Codex、Gemini 一起上，那就没有任何一家有动机去做「跨厂商的舰队视图」，中立的那一层反而站得住。而这恰恰是普查里的现状：68/94 同时用不止一个 agent。问题是这份「中立」能撑多久，不取决于这些工具做得多好，而取决于上游厂商愿不愿意继续让别人读自己的会话状态。

写在最后

回到开头那个问题。最先崩的是注意力，这份普查给了它一个数字：能逐行读完的，只剩大约八分之一。审查正在从「人读每一行」变成「机器先审、人看结论」——而人剩下的角色，就是看板、收件箱、点确认。这整批工具，卖的就是这个新角色要用的家具。

我的结论是：这一层会留下来，但大概率不会以「独立公司」的形式留下来。它更像浏览器插件时代的工具栏——用户是真的需要，但最后往往被浏览器本身收编。操作层现在很热闹，但热闹是它的，钱不一定。

未来盯紧两件事就够了。一是 Anthropic、OpenAI 什么时候把「舰队视图」直接做进官方 CLI——那天就是这一层的分水岭。二是这批工具里，谁先找到一块不依赖上游接口的地基；只有那样，它才配叫一个品类，而不是一层随时会被收回的皮肤。

对做 to agent 这一行的人来说，这份普查其实还藏着一句更冷的提醒：当「写代码」和「审代码」都被交出去之后，人手里最后剩下的东西，是判断力和注意力。而注意力没法被 API 化——这正是这个新品类真正焦虑的来源，也是它最大的机会。