大家好，我想分享一下最近做的一个小工具：WaitAgent。

项目地址：https://github.com/kikakkz/wait-agent.git

它本质上不是一个 AI 框架，也不是任务调度系统，而是我在做多 Agent / 多机协作时，逐步弄出来的一个 session 管理工具。

一、起点：我遇到的问题

我自己是一个独立开发者，之前有一个很小的团队，当前处于半解散状态。当前我自己有一些产品在开发，但是还没有到赚钱阶段，而我又需要赚钱将这些产品养下去。感谢AI coding assistant，我可以接一些外部的开发任务来赚钱。

但是并行的任务多了之后，我遇到了极大的困扰：我要同时开很多terminal来并行开发这些任务，我不得不不停切换这些terminal tab，来查看任务状态，确定当前是否需要我介入，心智负担很重。

同时，因为单机资源有限，我日常是同时5台机器一起工作，这样又要去切不同的机器，每天开始工作的bring up都是一个很痛苦的过程。

当重复多次以后，我逐渐思考痛苦的来源：本质上我的注意力焦点只有一个，但是我同时需要关心很多不可见任务的状态，这是我痛苦的源泉。所以我想：我能不能将这些后台任务，都抽象成可靠状态，我只需要关注这些可靠状态，选择我介入的时机。那么只要状态是可信的，我的心智就是放松的。

二、WaitAgent 的核心设计

我从一开始就没有想过要去做太重的事情：不要做all in one的智能体聚合，不要做智能体协同通信，不要做模型聚合。我的目标只是解决我的困境，准确的总结是这需要的是一个类tmux，但支持多机，单状态焦点的工具。

所以我很自然地从tmux开始了。WaitAgent里面集成了tmux，来作为展示pane。

原则1：任何时刻我们只有一个焦点pane

我也研究过一些agent mux应用，但是大多都基于pane拼接，在一个窗口塞入很多小的pane，每个pane一个agent session，事实上是窗口内的agent多开能力。但是对于人类来说，眼睛同时看一个窗口内的多个焦点，和切tab并没有本质区别。因此WaitAgent上任何时刻都只会有一个active的焦点pane。

原则2：所有session都有可靠状态

只有一个焦点的情况下，我们怎么同时兼顾其他session呢？所以我们将所有session抽象成了一组sidebar上的状态。状态只有三个，I表示等待输入，C表示等待确认，R表示正在运行。这样当我们同时运行很多session，我们只需要看哪些状态是I，哪些状态是C，然后介入交互即可。R是不需要交互的。状态的可靠解决了我需要随时想着哪些任务已经完成，在等我了这件事情。

原则3：提供机制，不提供策略

我不想去约束人们怎么使用智能体，怎么使用pane，怎么使用主机，WaitAgent只提供通道和session状态，其他的一切都应该和ssh远程主机方式一摸一样。实作上我也采用了和ssh一样的pty mirror方式，这样在多机之间可以获得和ssh一样的性能。

三、当前状态和后续方向

目前WaitAgent还是一个很早期的工具，我实现了基础的多机，多agent session管理能力，提供可session状态列表，这样已经具有基础能力。

几个比较确定的演进方向是：

1 工作区快照能力

当前当waitagent全部退出或关机，上一次工作内容在下一次是需要重新输入的。如果同时有10个session在工作，那么下一次bring up过程依然较为痛苦。因此我预期会引入workspace能力，这样在上一次退出，会保存当前workspace快照，下次bring up只要导入快照继续，就能重建workspace的sessions状态。

2 云端能力

对于不习惯CLI的人，我预计在将来提供云端能力，这样只要在本机运行WaitAgent，就可以通过网页直接和本机的WaitAgent沟通交互。

3 集成到TG/微信

把WaitAgent集成到TG和微信，这样可以躺着Coding。

4 可以在CLI呼出不同agent的session列表并提供切换能力

当前codex，claude等这些app实现有session列表，但是CLI实现没有。我希望在WaitAgent这里提供不同agent的session列表呼出能力，并且可以切换。

5 为不同agent提供自定义auto process能力

我希望用户可以通过sidebar上的item，定义一些针对session的自动处理规则，这样用户不用一把梭哈全部自动不能掌控，保持对于任务session的随时介入能力。

如果你有类似的 multi-agent / 分布式执行经验，也欢迎交流这个抽象是不是成立，或者在哪些场景会失效。