惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

G
Google Developers Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
量子位
C
Check Point Blog
B
Blog RSS Feed
Y
Y Combinator Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
A
About on SuperTechFans
Microsoft Azure Blog
Microsoft Azure Blog
博客园 - 聂微东
阮一峰的网络日志
阮一峰的网络日志
人人都是产品经理
人人都是产品经理
小众软件
小众软件
Last Week in AI
Last Week in AI
博客园 - 【当耐特】
GbyAI
GbyAI
The Cloudflare Blog
博客园 - 叶小钗
S
SegmentFault 最新的问题
博客园 - Franky
Engineering at Meta
Engineering at Meta
F
Fortinet All Blogs
B
Blog
Jina AI
Jina AI

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新AI工作站来了 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了!
OpenAI开源Symphony:面向自主编码智能体编排的SPEC规范文档
作者:Sergio De · 2026-05-21 · via InfoQ - 促进软件开发领域知识与创新的传播

OpenAI Symphony 是一个智能体编排器,它使用项目管理工具(如问题追踪器)作为控制平面来协调多个编码智能体。开发者不再需要管理交互式编码会话,Symphony 会将各项任务分配给专门的智能体来自主完成工作。任务完成后,由人工负责审查产出结果。

OpenAI 的工程师们创建 Symphony 是为了解决他们在使用更原始的工作流程时遇到的“人类注意力”瓶颈:

每位工程师都会打开几个 Codex 会话,分配任务、审查输出、引导智能体,然后重复这一过程。事实上,多数人同时管理三至五个会话后,就会因频繁切换上下文倍感吃力。

超过这个数量后,工程师很难记住每个会话在做什么、监控停滞的智能体,也无法在脑中清晰梳理各项正在推进的工作。

因此,Symphony 不再围绕单个编码会话(每个会话的目标都是在人工明确监督下最终合并代码拉取请求)来组织工作,而是将项目里的问题、任务、工单与里程碑等核心交付物,作为工作流的搭建单元。

Symphony 会持续监控任务看板,确保每个进行中的任务都有对应的智能体持续运行直至完成。如果智能体崩溃或停滞,Symphony 会重启它。如果出现新工作,Symphony 会接收并开始推进工作。

在这种模式下,智能体的工作不再与 PR 绑定。一个问题可以指示智能体分析代码库并生成实现方案,然后将其分解为 Symphony 可以跨智能体调度的任务树。同样,如果智能体发现可优化或重构的地方,它可以自主创建新问题。这两类场景中,依旧需要人工开发者审核生成的问题,审核完成后再由 Symphony 下发执行。

这种方法的主要优势在于,智能体犯错的成本显著降低,因为主要工作变成了审查已完成的工作并决定是否驳回。

Symphony 的另一个显著特点是,它并非一个复杂的监督系统,而是一份 SPEC.md 文件,描述了问题及解决方案,每个组织都可以用它来创建自己的编排器。其参考实现使用 Elixir 构建,因为 Elixir “在编排与管控并发进程方面具备十分完善的基础能力”。

最后值得注意的是,OpenAI 并未将 Symphony 定位为一个独立产品,它只是一个参考实现,开发者可以根据自己的场景和代码库进行调整和定制。

查看英文原文https://www.infoq.com/news/2026/05/openai-symphony-agents/