H
Howardism
Plate IIAgent Systems機器翻譯 · machine-translated過時翻譯 · stale translationENHOWARDISM

平行代理編排

PublishedJune 26, 2026FiledConceptDomainAgent SystemsTagsAgent EngineeringAgent OrchestrationAI Coding WorkflowEngineering MetricsEmpiricalOpenaiReading7 minSourceAI-synthesised

OpenAI Codex 研究中的並行性 + 執行時間餘裕：一種由人類監督代理團隊、而非直接執行工作的高強度使用者工作流——一週內有 28.6% 的 OpenAI 使用者達到每次同時運行 5 個以上代理（相較之下，約 64–67% 的外部使用者同時運行數為零），而 OpenAI 使用者 p99 每天運行約 71 個代理小時（自 2026 年 4 月起增加 88%）；執行緒式互動模型讓一個人能委派、監控並審查許多同時進行的串流——這是「創辦人即代理編排者」背後的首批硬數據

平行代理編排插圖

資料來源#

摘要#

OpenAI 的 Codex 使用研究 所探討的三個「如何」餘裕中，有兩個是——並行性（同時運行多個代理）與執行時間（讓代理代表你長時間工作）；兩者共同描述了代理式使用前沿的工作流：一個人類監督一個代理團隊，將任務委派給許多同時工作的代理，而不是親自執行工作。 Codex 的執行緒式互動模型使這成為可能——每個代理都在大致獨立的工作區中運行，因此使用者不必等一個任務完成後才開始另一個任務。本頁提供了 創辦人即代理編排者、迴圈工程 與 經理即 IC 以質性方式描述之角色轉變的首批硬採用數據：在高強度使用者中，Codex「不再只是回答請求的助理，而更像是一個工作流系統，使用者在其中委派、監控、審查並協調多條工作串流」。

證據註記。 empirical——並行性定義為在不同執行緒中重疊的回合（重疊時間 >30 秒），測量期間為 2026 年 6 月 11 日前的一週；執行時間定義為每日加總的活躍回合延遲（移除 >30 分鐘、視為等待輸入的間隔）。OpenAI 內部數據是前沿預覽，不是母體估計。每日累積執行時間可能超過 24 小時，因為重疊回合會被加總。

並行性：OpenAI／外部使用者的差距非常鮮明#

按使用者群體統計的測量週期間最高同時運行代理數：

使用者群體同時回合數為零5 個以上同時運行代理
組織使用者67.4%少數尾端
個人使用者63.9%少數尾端
OpenAI 員工10.7%（使用單一工作流）28.6%

在外部使用者中，並行性「相當有限」——約三分之二的人從未讓回合重疊，而有重疊的人大多最高只達兩個。在 OpenAI 員工中則完全相反：只有 10.7% 的人曾在任何時點只運行單一工作流，而有 28.6% 的人管理五個以上同時運行的代理。論文稱這與外部實務「根本不同」：它要求人類管理、委派工作給並審查相對大型代理群組的成果——這是監督型工作流，而不是親手執行型工作流。

執行時間：長時間工作集中在頂端尾部#

持續時間餘裕呈現相同的中位數與前沿差距：

  • **OpenAI 員工中位數：**每天約 2.5 個代理小時（2026 年 6 月 11 日）。這代表有意義的委派工作區段，但不是全天候持續執行——典型使用仍是間歇性的。
  • **OpenAI 員工 p99：**每天約 71 個代理小時——這表示在任一小時內都有數個代理同時運行。自 2026 年 4 月 7 日起增加 約 88%。
  • **外部尾端也有所成長：**樣本期間內，每日執行時間 p99 上升約 25%（組織使用者）與 50%（個人使用者），但絕對水準仍遠低於 OpenAI。

兩個餘裕所呈現的模式一致：對典型使用者而言，代理式工作流仍是零星的；但一小群高強度使用者正快速擴大委派出去的工作量——而這群人幾乎全都在 OpenAI 內部，也就是前沿預覽。

為什麼是軟體、為什麼是現在，以及人類角色的逆轉#

論文將平行性建立在使程式設計成為代理式 AI 領先領域的同一項特性上：軟體工作是數位化、可驗證，並且可模組化為許多子任務——恰好適合讓一個人把工作分散給許多獨立代理，再審查結果。其結果是角色逆轉：人類不再是執行者，而成為代理式工作組合的委派者—監控者—審查者—協調者。這正是行為中顯現的審查與監督瓶頸——你平行運行的代理越多，吞吐量就越受限於你的審查能力，而非模型的產出能力（迴圈工程 所說的「你的審查頻寬決定你實際能運行多少個」；AI 腦力耗竭 所說的監督疲勞上限）。

相關連結#

  • 角色平均化，而非角色消除——「IC 管理代理」成為具體事實：平均化角色所運行的代理群
  • 從對話到委派的轉變——並行性與執行時間是研究用來衡量委派深度的三個「如何」餘裕中的兩個（另一個是系統化）
  • 代理式工作系統化——姊妹餘裕；可重複使用的技能讓平行且可重複的委派足夠容易處理，得以一次運行許多代理
  • 創辦人即代理編排者——本頁量化的質性角色：創辦人／工作者作為許多專門代理的編排者；這裡是首批並行性／執行時間採用數據
  • 經理即 IC——運行代理群是 IC 轉為經理的字面形式：高強度使用者管理、委派並審查一支代理工作者團隊
  • 驗證成為新瓶頸——平行分流受人類審查能力限制；並行性使監督瓶頸成為決定性約束
  • 迴圈工程——工作樹與子代理是實現安全平行性的基本元件；「決定你能運行多少的不是工具，而是審查頻寬」就是本頁的上限
  • 多代理集體智慧——架構面（代理彼此協調）與本頁的使用面（單一人類協調多個代理）
  • AI 腦力耗竭——監督許多平行串流的認知成本；每個人能將並行性擴展到多遠，取決於監督疲勞的限制
  • 規劃／執行分工——並行性代表人類保留規劃／協調角色，同時讓執行工作分散到各代理
  • 可配置的人類參與——與本頁使用遙測相對的受控基準：它改變單一人類的參與方式（時機／通道／權限），並發現價值並非單調——這是本頁監督負荷開放問題下的設計空間觀點
  • 工程師與 PM 的趨同——平行編排工作流是使用數據所呈現的 IC 朝經理／PM 趨同
  • 任務時間跨度擴展——長時間運行的單一代理（執行時間餘裕）位於 METR 不斷上升的可靠任務長度上限之下
  • OpenAI——其內部使用情況是高並行工作流的前沿預覽
  • Codex——本研究測量其並行性的執行緒式互動工具

開放問題#

  • OpenAI 的 p99 執行時間為每天 71 個代理小時，是在異常有利環境中的前沿預覽。隨著摩擦降低，外部並行性是否真的會朝這個數字發展，還是高度平行化只適用於與模型相鄰的工作？
  • 重疊時間加總後可能超過每天 24 小時——它測量的是代理投入，而非人類注意力。每個同時運行代理實際需要多少人類監督負荷，又會在哪裡飽和（AI 腦力耗竭）？進一步聚焦：HAS-Bench 重新界定的是形狀，而非測量負荷——在受控的（由 LLM 模擬）基準中，人類輸入的價值取決於配置，且是非單調的（時機／通道／權限正確時存在最佳點；更多自主性帶來遞減、且有時是負面的回報），因此每個代理的監督可能是一條有峰值的回報曲線，而不是碰到牆就停止的線性成本——但它是單一人類、單一任務，因此無法測量真實的同時監督負荷。
  • 並行性是以一週為期測量的。管理 5 個以上代理是穩定的實務，還是只在特定大型任務期間出現的短暫高峰？

資料來源#

§ end
About this piece

Articles in this journal are synthesised by AI agents from a curated wiki and are refreshed automatically as new concepts arrive. Topics, framing, and editorial direction are curated by Howardism.

Cited by 36
Related articles
  • Harness Shrinkage as Models Improve

    Prompt scaffolding shrinks each model release; Cat Wu's pruning discipline; Boris Cherny "100 lines of code a year from…

  • Claude Code

    Anthropic's agentic coding product; created by Boris Cherny late 2024; TypeScript/React on Bun (itself Claude-rewritten…

  • Open Questions Backlog

    _456 actionable open questions across 205 pages · 107 predictions · 9 notes · 147 in progress · 69 watching (entities),…

  • Agent Harness Engineering

    Patterns for scaffolding long-running LLM agents: environment design, progressive context disclosure, mechanical archit…

  • Anthropic

    AI safety company / vendor of Claude; mission-as-tiebreaker culture; ~30–40 PMs across teams; Mike Krieger leads Labs r…