我感觉我成了AI的小秘书
速览
这是一个AI Agent协作工作流的玩法分享。用户让codex出方案，Claude code执行，自己来回复制粘贴审核。这种模式下，人成了AI之间的传话小助手。它展示了当前AI工具协作时的人机交互痛点，也提示了自动化流程优化的空间。
AI 深度解读
背景
随着大语言模型能力的持续提升，开发者开始尝试让多个 AI Agent 协同工作——一个负责方案设计，一个负责代码执行，再通过人工传递中间结果。然而这种看似“自动化”的流程，在实际操作中却暴露出信息孤岛与人工中转的低效问题。LINUX DO · AI 板块的一位用户分享了自己从“让一个 Agent 开发”到“成为两个 Agent 的传话小助手”的真实经历，引发社区对 Agent 协作模式的反思。
核心内容
这位用户描述了他的工作流演变过程：起初只用一个 Agent 来完成开发任务，后来学会了让两个 Agent 分工——一个 Agent 负责制定方案（User 使用 codex），另一个 Agent 负责执行代码（Claude code）。具体流程是：
- 先让 codex 输出方案；
- 然后将方案内容复制粘贴到 Claude code 中，由后者执行；
- 执行完成后，把 Claude code 的输出结果复制回来，再粘贴到 codex 里进行审核；
- 审核完成后，将 codex 的审核意见再次复制回 Claude code，继续迭代。
整个流程中，用户需要在两个 Agent 之间反复手动复制粘贴、传递中间结果。他自嘲道：“我想了想，这不是秘书干的活吗？” 帖子共 6 条回复（参与人数 6 人），社区对此展开讨论。
关键要点
- 用户最初只使用单一 Agent 开发，后来演进为两个 Agent 分工协作，但并未实现真正的自动化。
- 分工模式是：codex 负责方案设计和审核，Claude code 负责代码执行。
- 所有信息传递依赖人工复制粘贴，用户成为两个 Agent 之间的“中转站”。
- 用户将这种角色类比为“小秘书”或“传话助手”，暗示当前工作流的高人工介入度。
- 帖子获得 6 位参与者的简短回应，表明该话题在社区内有一定共鸣。
意义与影响
该经历揭示了当前多 Agent 协作在实际应用中的普遍痛点：尽管模型本身具备强大的生成与执行能力，但不同 Agent 之间缺乏原生的上下文传递机制。用户不得不充当人工桥接层，反而增加了操作冗余和出错风险。这种“Agent 开发 + Agent 核验”的模式本质上仍是一种半自动化流程，距离真正的 Agent 协作还有很大距离。
从更广的视角看，这个案例提示社区和工具开发者：未来的 Agent 系统需要内置跨 Agent 通信能力（如共享上下文、自动传递输出结果、反馈循环），从而将人从“秘书”角色中解放出来，回归到真正的监督与决策者角色。同时，它也反映了当前提示词工程与工作流设计的局限性——仅仅拆分任务而不解决数据流动问题，只会让用户陷入更繁重的复制粘贴劳动。