导读
一个开发者公开了自己的工作流：让 OpenAI Codex 专门去审查 Hermes agent 写出来的代码，理由只有一个——审稿人不能和写稿人共享同一套记忆。这条推文引发了近万次浏览，背后藏着一个 agent 工程化的新趋势：多模型协作的价值，可能在于互相制衡。
4 月 26 日，开发者 Shannon Sands 在 X 上发了条帖子，语气很随意，但内容很炸：
"I like having it review work done in Hermes so it's not biased by memory or anything."
「我喜欢让 Codex 去审 Hermes 做出来的东西，这样它就不会被记忆或者类似的东西带偏。」
▲ Shannon Sands 的主帖，136 赞、万次浏览，评论区直接聊到了企业级 agent 架构
这条帖子拿到了136 个赞、超过 1 万次浏览。评论区没人在吵"哪家模型更强"，讨论全都集中在一件事上：让第二个模型来当代码审稿人，到底靠不靠谱？
Shannon 的操作逻辑其实很简单：Hermes 负责写代码，Codex 负责审代码。两个模型，两套上下文，互相没有记忆交叉。
这背后有个很多开发者都踩过的坑——同一个 agent 审自己刚写的代码，几乎不可能真的客观。
原因有三：
路径依赖。它会默认自己刚才的实现方向大体没问题，顺着原来的思路继续走。
上下文污染。前面几千甚至上万 token 的对话历史，已经把它的判断框住了。它的"审查"更像在替自己辩护。
自我宽容。它可能真的看到了问题，但太容易顺着自己之前的逻辑把每一个决策都合理化掉。
这就跟人类写论文一样——你让作者自己查漏，他永远觉得"这写得挺好的啊"。所以学术界才有盲审制度。
Shannon 做的事情，本质上就是给 AI agent 也搞了个盲审机制。
为什么 Shannon 偏偏提到 Hermes？
因为 Hermes 把"记忆"做成了核心卖点。看看它 GitHub 仓库的官方描述：
"The self-improving AI agent… It's the only agent with a built-in learning loop — it creates skills from experience, searches its own past conversations, and builds a deepening model of who you are across sessions."
「一个会自我改进的 AI agent……它内置了学习闭环——从经验中创建技能，搜索自己过去的对话记录，并在跨会话中持续加深对你的理解。」
▲ Hermes 仓库，12 万 Star，近 1.8 万 Fork，把"跨会话记忆"写进了核心功能
换句话说，Hermes 越用越聪明，但也越用越"固执"。它积累的经验、记忆、习惯，全都会影响它下一次写代码时的决策。
这时候再让它审自己的代码？那跟让一个连续加班三天的工程师审自己凌晨三点写的代码没区别——他只会觉得"逻辑很清晰"。
所以 Shannon 的做法很直觉：既然 Hermes 记忆太重，那就找一个完全没有这些包袱的模型来审。
Shannon 选 Codex 不是随便选的。OpenAI 官方文档明确写了 Codex 的定位：
"One agent for everywhere you code" / "Understand unfamiliar codebases"
「一个覆盖你所有编码场景的 agent」/「理解你不熟悉的代码库」
▲ Codex 官方文档首页，把"理解陌生代码库"写进了核心能力
"理解陌生代码库"——这恰恰是一个好审稿人需要的能力。不需要了解前因后果，不需要共享历史对话，空降进来，冷眼看一遍，指出问题。
而且 Codex 最近的更新也在往这个方向走。ghacks 4 月中旬的报道显示，Codex 新增了 memory 功能、computer use、90 多个插件，还能自动调度长时间任务。
▲ ghacks 报道：Codex 正在从"写代码工具"进化成完整的 coding agent
也就是说，Codex 自己也在变成一个有记忆的长期协作 agent。但在 Shannon 的工作流里，它被刻意放在了"无记忆外部审查者"的位置——用一个能记住事的模型，偏偏让它以不记住的方式工作。这个设计很巧妙。
Shannon 的帖子发出后，评论区迅速分成了几个阵营。
支持派直接上手了。开发者 Melinda B. Chu 回复说，她正在做一个叫"多模型发散分析"（multi-model divergent analysis）的项目：
"it's great for you to have different POVs. I don't have any feelings or jealousy."
「拥有不同视角这件事本身就很棒。我没有任何感觉或嫉妒。」
▲ Melinda B. Chu 回复：关键在于不同视角
这条回复虽然互动量不高，但说清了一个很重要的逻辑：多模型协作最大的价值，就是视角独立。
制度派则看到了更现实的问题。开发者 Michał Wadas 直接把话题引到了企业合规层面：
"It's against Anthropic ToS, including commercial contracts."
「这违反了 Anthropic 的服务条款，包括商业合同。」
▲ Michał Wadas 回复：条款问题才是真正的拦路虎
Shannon 自己也在主帖里追问过：
"What's Ant going to do when companies want to build their own internal harnesses, especially on something open source like Hermes, chuck a fit every time?"
「当公司想基于 Hermes 这类开源项目搭自己的内部 harness 时，Anthropic 打算怎么办？每次都发飙吗？」
这把问题推到了更深一层：开发者想要的多模型协作，可能会撞上厂商的条款围墙。
值得注意的是，Shannon 的主帖并非突然冒出来的。就在同一天稍早，他还发了另一条高热帖：
"people need to actually start taking sandboxing seriously at some point"
「大家总得有个时刻，真正开始认真对待沙盒隔离。」
▲ 这条推文拿下了 781 赞、近 18 万次浏览，445 人收藏
781 个赞，近 18 万次浏览，445 人收藏。这个数据说明大量开发者都有同样的焦虑：agent 越来越强，但围绕它的架构控制——沙盒隔离、权限管理、外部审查——严重跟不上。
Shannon 的两条帖子放在一起看，逻辑链就很清楚了：光靠 prompt 管不住 agent，得靠架构。外部模型审查是架构控制的一部分，沙盒隔离也是。
有意思的是，Anthropic 自己的工程博客早就讲过这个问题。他们在一篇关于长时运行 agent 的文章里写道：
"The core challenge of long-running agents is that they must work in discrete sessions, and each new session begins with no memory of what came before."
「长时运行 agent 的核心挑战在于，它们必须在离散的会话中工作，而每一次新会话开始时，都没有之前的记忆。」
▲ Anthropic 工程文章：agent 的记忆断裂、上下文交接、半完成状态，是真实的工程难题
文章还提到，agent 可能会把"做了一部分"当成"已经完成"，也可能在交接时丢失关键状态。
这恰恰验证了 Shannon 工作流的合理性：既然 agent 自己的记忆和状态管理天然不可靠，那引入一个干净的外部视角，就是最直接的补救手段。
把所有线索串起来：
1.Hermes 类 agent 越来越依赖记忆和经验积累——写出来的代码越来越带有"个人风格" 2.Codex 类 agent 越来越擅长理解陌生代码库——天然适合做外部审查 3.开发者开始主动设计"模型间制衡"的工作流——生成者和审查者刻意分离 4.厂商条款还没跟上这个趋势——企业自建 harness 可能踩红线
这像什么？像极了传统软件工程里的code review 制度——写代码的人不能审自己的代码，必须有另一个人（现在是另一个模型）来把关。
区别在于：人类 code review 靠的是"不同的人有不同的经验"，AI code review 靠的是"不同的模型有不同的上下文"。
Shannon 可能只是随手发了条推文，但他描述的这个工作流，正在成为一种可落地的工程模式。当 agent 越来越像"会记事的同事"，你需要的就不只是一个更聪明的 agent——你需要一个跟它没有任何瓜葛的、冷静的第二双眼睛。
文章来自于微信公众号 "虾智"，作者 "虾智"
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
