AI写码两千小时，公开多Agent工作流方案

一个用AI写了2000+小时代码的人，把自己2026年整套Agentic Engineering工作流公开了。

@DavidOndrej1 过去3年花了超过2000小时和AI一起写代码，还采访了不少重度Agent用户。

他的这套配置已经不是Claude Code/Codex选哪个的问题了，而是在搭一套真正的多Agent生产系统。

几个我觉得比较有意思的点：
- 他现在最看重的不是Agent界面，而是Agent状态管理。
- 主界面用bb，同时会用cmux、Ghostty、Herdr。
- Herdr可以直接显示每个Agent当前是done、idle、blocked还是running。
- 他甚至自己做了Corral，给Agent加优先级。
- P1 Agent完成后永远排在P4前面。

他的判断是，再过3-6个月，大部分人不会再直接和一个Agent聊天，而是和一个Manager Agent交互，由它管理大量Worker Agent。Cloud Agent几乎是确定方向。

他引用Cursor内部数据称，今年年初Cloud Agent产生的merged PR占比只有10%-15%，现在已经接近60%。

但他又不想被Cursor、Codex这些平台锁死。

所以他的方案非常简单：
自己买VPS，装Herdr，然后SSH进去跑Agent。
电脑关机、断网，Agent照样继续工作。
相当于用几美元成本自己搭了一个80分版本的Cloud Agent。

Harness开始严重分工。
Pi Agent负责极简通用；
Cursor CLI负责多模型；
Hermes、Prime Agent负责高不确定性的自我改进任务；
Claude Code和Codex继续处理传统Coding Agent工作。

他不会试图找一个Agent解决所有问题，而是根据任务选Harness、模型和订阅额度。

重复工作全部产品化。
一句话能完成的操作做成snippet。
多步骤流程直接做成Skill。

比如他每天都会用/ask-then-build，让AI写代码之前先把关键架构决策一个个问清楚。
代码完成后，再分别让GPT-5.6 Sol和Fable 5 Review，最后合并问题。

多Agent真正跑起来之后，Git Worktree、权限、数据库只读账号、Push Lock这些原本很工程化的东西，会重新变得重要。

因为当20-30个Agent并行工作时，问题已经不是模型会不会写代码。
而是怎么避免它们互相改代码、抢资源、碰生产数据库，以及谁先处理谁。

我觉得这篇最有意思的其实是这个变化：
Agentic Engineering正在从怎么把一个Coding Agent用好，进入怎么管理一群Agent。

模型只是其中一层。
上面开始出现Interface、Runtime、Harness、Skill、权限、任务优先级、环境隔离和Manager Agent。
越来越像一套新的工程基础设施了。