KeyFrame內部研究專用

SEE CMUX SOLVE Multi-Agent Orchestration (Claude Code and Pi Agent)

IndyDevDan30 min英文
觀看原始影片

三句話摘要

使用 CMUX 進行多代理編程:如何透過程序化訪問和可視化監控實現大規模代理協調與優化。 ## 代理編程的勝負手在於可視化監控與程序化訪問——你無法改進你看不見的代理,工程師應透過 CMUX 等現代工具實現 agentic speed 的真正協調,而非陷入「vibe coding」的陷阱。 --- 補註:如果你對此內容感興趣,我可以幫你保存成項目記憶,以供後續參考。 1. 代理編程三大核心問題

重點整理

  1. 1. 代理編程三大核心問題

  2. 講者開篇即指出 multi-agent orchestration 的三個普遍痛點:缺乏程序化訪問導致人類成為瓶頸、無法監控代理導致無法改進、手動建置代理隊伍消耗時間。CMUX 透過 API 與工作區(workspace)機制解決這些問題,讓代理能以「agentic speed」而非「human speed」運作。

  3. 2. 可視化是提升能力的前提

  4. 與「vibe coding」(放任代理自行運作)不同,講者強調「agentic engineering」必須每時每刻掌握代理狀況。工作區的顏色、圖標、標籤、通知事件等視覺機制,讓工程師能快速跳入任何代理進行調整,基於「core four」(上文脈絡、模型、提示、工具系統提示)強化成功行為或糾正錯誤。

  5. 3. 三層架構實現可擴展的平面溝通

  6. 講者採用編排者(orchestrator)→隊長(lead)→工作者(worker)的三層結構。相異於傳統的自上而下指揮鏈,這裡任意代理可以向任意其他代理發送提示,透過 CMUX skill 實現跨工具(Cloud Code、Codex、Pi)的雙向通訊,既保持組織性又保留靈活性。

  7. 4. 並行代理競速是高效求解的終極武器

  8. 當生產環境出現緊急問題需要快速修復時,講者展示如何同時啟動 8 個代理進行「競速」求解(needle-in-haystack search),利用不同模型與工具的獨特優勢,第一個抵達解決方案的代理贏。這充分體現「scale your compute to scale your impact」的核心理念。

  9. ##

實用技巧與重點

  • CMUX 結構與控制方式
  • 窗口(Window):用 Ctrl+Shift+N 新建
  • 工作區(Workspace):用 Command+N 新建,用於組織代理隊伍
  • 窗格(Pane):工作區內的單個終端窗口
  • 標籤(Tab):Command+T 在現有窗格內打開新標籤
  • 控制 API:send key → read screen → open/close surface → 迴圈
  • 三層代理協調架構實踐
  • 層級:編排者(Orchestrator,推送指令)→ 隊長(Lead,GLM 5.2,GLM 7B 等)→ 工作者(Worker,plan agent、build agent、test agent)
  • 每層都擁有獨立的上文脈絡(claimed: ~100 萬 token per agent,5 層代理組 = 500 萬 token 總可用)
  • 跨工具通訊:透過 CMUX skill 實現 Cloud Code ↔ Pi ↔ Codex 的雙向提示傳遞
  • 快速啟動命令
  • Just 檔案內置:`just fast CC SSC`(SSC 代表 Server-Sent Events 用例)
  • 一鍵生成預置的工作區配置與代理隊伍
  • 代理競速場景案例
  • 8 個代理平行競速求解:Opus 4.8、Sonnet、Codex、Cloud Code、Pi Minimax M3、Pi GLM 5.2 等同時啟動
  • 通知事件(notification events):工作完成時自動觸發編排者讀取結果並進入待命模式
  • 結果:第一個找到答案的代理模型贏得競速,結果傳回編排者決策
  • CMUX vs TMUX 對比
  • TMUX:跨平台(Linux/Windows/Mac),成熟穩定,但可客製化程度有限
  • CMUX:Mac 專用,年輕新興,but agentic access(可編程的 API)是差異化賣點,內建主題、自訂按鈕、瀏覽器整合等
  • 代理編程五大支柱(講者長期關注重點)
  • Agentic access(程序化訪問)
  • 監控與改進迴路
  • 快速啟動能力
  • 上下文規模化
  • 平面且可視的通訊架構
  • ##

結論

代理編程的勝負手在於可視化監控與程序化訪問——你無法改進你看不見的代理,工程師應透過 CMUX 等現代工具實現 agentic speed 的真正協調,而非陷入「vibe coding」的陷阱。 --- 補註:如果你對此內容感興趣,我可以幫你保存成項目記憶,以供後續參考。

完整解析

代理編程時代已來臨,但工程師普遍面臨一個難題:當代理數量從個位數擴展到十、百、千位時,如何有效協調與監控?講者指出了三個核心瓶頸。

首先是程序化訪問的缺失。傳統的終端環境中,工程師必須手動操作每一個代理,成為協調的瓶頸,代理永遠無法以其真正速度運作。其次是可視化監控的缺陷。許多工程師採取「vibe coding」策略——放任代理自行運作,不加過問——這導致無法發現代理的成功模式或失誤,進而無法優化。第三是啟動成本過高。手動建置一個代理隊伍需要大量時間,不符合「agentic speed」的要求。

CMUX(一個 Mac 專用的現代終端多路複用工具)透過 API 層級的程序化控制、視覺化組織機制、以及預設配置檔案系統,直接解決了這三個問題。講者透過實際示例展示了 CMUX 的核心能力:工作區內可同時管理多個終端窗格,每個窗格執行不同代理(Cloud Code、Pi、Codex 等),編排者可透過 send-read-loop 模式與每個窗格通訊,彷彿與真實的開發者交談。

在組織結構上,講者採取了三層架構。編排者位於頂層,負責整體決策和通訊路由;隊長(team lead)層使用較輕量的模型(如 GLM 5.2),管理特定功能面向(如前端、後端、測試、計畫)的工作者代理。關鍵創新是,這不是傳統的自上而下指揮鏈——任何代理都可直接與任何其他代理通訊,透過 CMUX skill 跨越不同的工具邊界。例如,Pi agent 可以直接向 Cloud Code agent 提問,無需經過編排者中轉。這種架構既保留了組織性,又保留了靈活性。

在高需求場景中,講者展示了代理競速模式。當生產環境故障需要緊急修復時,同時啟動 8 個代理(各自使用不同的模型和工具),讓它們並行搜尋解決方案,第一個找到答案的代理贏。相比單個代理的線性執行,這可將問題求解時間從數分鐘縮短到數十秒。通知事件系統確保編排者在任何代理完成時立即收到回饋,進而做出下一步決策(例如轉移給部署代理)。

講者也坦誠 CMUX 作為年輕工具仍有改進空間。與成熟的 TMUX(跨平台、穩定但可客製化程度低)相比,CMUX 的優勢在於原生為代理時代設計的 API 和生態,但代價是偶爾會遇到邊緣情況的 bug。他的最終建議是:任何不提供程序化訪問的工具都值得忽視。agentic access 是代理工程的必要條件,沒有它,工程師仍然是瓶頸。

##

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。