大家好，我是Naco。

最近我用 Codex 跑长任务。反复遇到三个痛点：

• 一个窗口从需求聊到实现，后面已经分不清哪一版结论有效；
• 方案还没落地。就让 Agent 一轮轮评审，流程越来越复杂；
• 一上来就开多个 Agent 同时改代码，最终省下的时间全花在协调和合并上。

这些动作看起来都在提效：更长的上下文、更多的循环、更多的 Agent，却往往导致真正的失控。

一、问题背景：为什么 Agent 跑得越久，任务反而越容易乱

AI 编程常见的问题不是模型写不出来而是任务运行一段时间后开始失控。表现为这方面，

• 上下文失控: 旧假设、失败方案、临时日志和新约束混在一个窗口里；
• 验证失控: 没有测试、日志或 Diff，Agent 仍然不断“再调整一轮”；
• 协作失控: 多个 Agent 同时修改共享文件、接口和测试夹具。

如果没有明确状态、停止条件和写入负责人。Agent 越多、窗口越长，协调成本通常也越高。按理说，

二、整体方法：三套控制程序分别管什么

我的做法可以压缩成一张表：

三个控制程序并不复杂，关键是放在正确的阶段。

三、上下文控制：阶段结束先做 Snapshot，再 Handoff

Snapshot 模板

# 当前目标这一阶段最终要交付什么。# 已确认事实哪些结论已经从代码、文档、日志或使用者输入中得到确认。# 已做决策选择了什么方案，为什么放弃其他方案。# 未完成事项还缺什么哪些判断仍然待验证。# 接下来与验收标准新窗口接下来只做什么做到什么程度算完成。

This snapshot lets a fresh window immediately understand what’s confirmed。decided,and pending.

什么时候值得切窗口？话说回来，

• 调研结束 → 进入方案设计；确认有可交接成果，没有则继续同窗。
• …判断是否已有代码/文档/测试可交接。
• **Note** – 我不会每一步都切换，只在明显阶段边界时切。怎么说呢，

  四、验证控制：方案阶段少 Loop，代码阶段多 Loop

  1️⃣ 方案设计阶段：少循环

  - 没有代码、不存在 Diff。所以评审应聚焦于四件事：
  - 最终要交付什么；二‑边界不能碰，三‑用什么证据验证结果；四‑任务是否已拆到可实现。
  - 当这四件事说清楚，我就开始编码。而不再让不同 Agent 循环给方案加意见。

2️⃣ 实现阶段：让证据驱动 Loop

实现代码   →    按验收标准检查   →      →    …，

TAB Each loop produces new evidence:

- 编译结果；二 - 测试失败，三 - 日志；四 - Diff 或静态检查结果。

- 验收标准通过；不过，二 - 连续两轮无实质改进；三 - 超过预设轮数或资源上限。

I simply ask each round:

主要原则：“读+证据 → 写+单一责任 → 避免冲突”

• 查入口与调用链 • 阅读官方文档与依赖说明 • 分析日志并复现方法 • 从正确性、安全与性能角度检查 Diff