Codex如何开启Ultracode多Agent操作

背景

在大型语言模型（LLM）的实际应用中，多 Agent 协作模式被广泛认为能提升复杂任务的处理能力。Claude 的 Ultracode 功能以其高效的多 Agent 操作流程而闻名，允许模型在单个对话中动态调度多个子 Agent，从而更高效地完成编程、分析等复杂任务。然而，许多用户发现，同样支持代码生成与对话交互的 Codex（OpenAI 的代码生成模型）似乎并不具备类似的内置多 Agent 机制。这一差异引发了社区对 Codex 是否也能通过提示工程实现类似功能的讨论。

核心内容

在 LINUX DO 社区的 AI 板块中，一位用户提出了一个具体问题：既然 Claude 的 Ultracode 功能能够实现强大的多 Agent 操作（即在一个对话中同时或分步调度多个 Agent 分别完成不同子任务），那么 Codex 是否也可以通过提示词（prompt）开启类似的模式？该用户分享了自己的实践经历：他每次在提示词中明确要求 Codex 开启多个 Agent，但模型基本不遵守，最多只开启一个 Agent，并且在整个对话过程中只开启一次，无法实现连续、动态的多 Agent 协作。该帖子引发了其他用户的讨论（共 11 个帖子，5 位参与者），但原文并未给出解决方案或进一步的技术解释。

关键要点

• Claude 的 Ultracode 功能原生支持多 Agent 操作，可在一次对话中调度多个 Agent 协同工作。
• Codex 缺乏类似的内置多 Agent 机制，用户尝试通过提示词手动要求其开启多个 Agent 效果不佳。
• Codex 在被要求开启多个 Agent 时，通常最多只启动一个，且仅在对话初期触发一次，无法持续或动态扩展。
• 该问题在社区中引起了讨论，但帖子内容仅停留在问题描述阶段，未提供有效的解决方法或技术原理解析。

意义与影响

这一现象揭示了不同 AI 模型在架构与能力设计上的显著差异。Claude 的 Ultracode 通过显式的多 Agent 调度能力，为用户提供了更强的任务分解与并行处理可能性，适合需要分步骤、多人协作模拟的复杂场景。而 Codex 在设计上更倾向于单一对话流，其行为逻辑可能依赖于隐式的上下文理解，而非显式的 Agent 分配指令。对用户而言，这意味着单纯通过提示词工程（prompt engineering）难以在 Codex 上复现 Claude Ultracode 的多 Agent 效果，需要更底层的方法（如通过 API 自行构建多 Agent 系统）或等待模型更新。此外，该讨论也反映出社区对模型“可控性”和“预设行为”的关注：用户期望模型能精准遵循提示词中的指令，但实际模型行为往往受限于训练数据和内部架构。这一问题值得开发者和提示工程师进一步探索，以优化多 Agent 场景下的提示策略。