# 四款 AI 编程工具都叫多 Agent，底层架构和设计信仰完全不同

> 原标题：都是 Multi-Agent，各家 AI 编程 Harness 的基因与信仰到底有何不同？

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-07-27T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47109
- 原文：https://yage.ai/share/harness-genes-multi-agent-20260727.html

## 摘要

这篇文章拆了 Claude Code、OpenAI Codex、Cursor 和 Antigravity 四款 AI 编程工具的多 Agent 实现。Claude Code 在实验点对点的 Agent Teams，用 tasks.md 共享账本让子 Agent 动态抢任务，默认协同上限 15 个。OpenAI Codex 走实用路线，主节点能按任务给子...

## 推荐理由

一篇把四款 AI 编程工具的多 Agent 实现拆到源码级细节的横向对比，有共享账本、任务分配机制、协同上限这些具体数字和设计选择，密度远超普通体验文。因为是独立博客而非官方发布，我会先打个折，但整体信息量和切入角度仍然扎实。

## 锐评

这篇文章把四款主流 AI 编程工具的多 Agent 底层机制拆得很细，不是那种“大家都支持多 Agent”的泛泛而谈。Claude Code 的实验性 Agent Teams 用 tasks.md 做共享账本让子 Agent 动态抢任务，默认协同上限 15 个，这思路适合需要频繁对齐的复杂重构，但点对点拓扑的稳定性正文没给生产数据，这点先别太激动。OpenAI Codex 的务实在于按任务分配推理力度，low/medium/high 三档切换，能省不少 Token，但它的调度逻辑依赖主节点正确判断任务难度，万一主节点误判，省钱可能变返工。Cursor 把 Agent 循环绑在 IDE 状态上，用 Merkle Tree 索引和 SQLite 做后台非阻塞编辑，体验流畅，但它的模型无偏见意味着效果高度依赖底层模型本身，工具层不补模型短板。Antigravity 的 Proceed Gate 和 Git Worktree 隔离给高风险系统加了安全锁，但显式规划会拖慢探索性编码的节奏。整体看，文章没提供任何基准测试或延迟数据，所有判断都基于架构设计推导，实际选型还得自己跑一遍典型场景。