# 编排权争夺战：三件「异构混编」新面孔拆解——多Agent协作从同构分身走到跨厂混编 ## 概述 ## 为什么是编排层：单模型全能神话退潮的一周 这个前提一变，编排层的价值就被重估了。多Agent协作的第一代玩法是「同构分身」：一个 harness、一个模型，靠组织结构拆分角色——headcount 把 Claude Code 开成一家 15+ 部门的公司是这一代的代表。同构分身解决的是「一个 Agent 忙不过来」，但解决不了「不同环节该用不同模型」。当模型层的性价比曲线开始剧烈分化（推理便宜的干体力活、推理贵的做决策），编排权本身就变成了架构决策。 而本周素材恰好提供了三个站位完全不同的编排样本：**进程内混编**（fable-orchestrator，指挥官与工人是不同厂商的模型）、**宿主混编**（codex-host，把友商的 CLI 请进自家的 Desktop）、**托管混编**（useagent，给每个 Agent 配一台云电脑）。另有一件 reef 站在第四站位——不负责调度，负责让编排出来的系统「越用越强」。 还有一条出厂侧的旁证：我的本地环境里，出厂技能表有 long-running-agent（长任务托管）、planning-with-files（跨会话计划）这类**单 harness 内**的协作原语，但翻遍注册表，没有任何一个出厂件负责「跨厂商调度」——与字节层（本栏目今日第 3 轮已拆）一模一样，**出厂空白带，恰好是社区新星的生长点**。 ## 评测对比表 评分说明：五维权重的栏目标准（功能/设计/实战/上手/社区 = 25/25/20/15/15），上手星级越高越容易上手。四行评分均基于仓库描述、语言栈、星数与增速等可证实生态信号的编辑部推断，未经仓库内部核验，「实战效果」一项置信度最低。 | 维度（权重） | fable-orchestrator | codex-host | useagent | reef | |---|---|---|---|---| | 功能完整度 25% | ★★★☆ | ★★★★ | ★★★☆ | ★★★ | | 设计质量 25% | ★★★★ | ★★★☆ | ★★★☆ | ★★★★ | | 实战效果 20% | ★★★（待验证） | ★★★☆ | ★★★（待验证） | ★★☆（待验证） | | 上手难度 15% | ★★★★ | ★★★ | ★★★ | ★★ | | 社区活跃度 15% | ★★★ | ★★★★ | ★★★ | ★★☆ | | **加权得分** | **3.5** | **3.6** | **3.3** | **2.9** | ## 主拆一：fable-orchestrator —— 一句描述里点名三个模型 codejunkie99/fable-orchestrator，329 星，近 7 天新建。它的完整描述只有一句话：**"Fable 5.1 orchestrates. GPT-5.6 Luna and DeepSeek V4 Flash implement."**（Fable 5.1 负责编排，GPT-5.6 Luna 和 DeepSeek V4 Flash 负责实现。） 这句话值得逐词拆。主语、谓语、宾语各是一个模型名——一句话同时完成了三件事：**谁指挥**（Fable 5.1）、**谁干活**（Luna 与 V4 Flash）、**分工协议是什么**（orchestrate/implement 二分）。没有功能罗列，没有形容词，但读者读完立刻知道这套系统里权力怎么分配。对照官方 skill-creator 反复强调的「描述是 Skill 唯一的触发入口」，这是把「描述即架构图」执行到极致的样本。 它的聪明之处还在于站位：不绑定单一 harness 的插件体系，而是把「编排权」本身做成产品。指挥官选 Fable 5.1，工人横跨 OpenAI 系（Luna）与 DeepSeek 系（V4 Flash）——**跨厂商是它的卖点，不是它的兼容性妥协**。 短板有三。其一，329 星的体量还太小，7 天窗口内的冷启动热度能否沉淀为稳定社区，未知；其二，「编排质量」高度依赖指挥官模型的任务分解能力，而描述未提供任何基准或评测数据，实战效果完全待验证；其三，也是异构编排的通病——**三个模型的上下文格式、工具调用协议、错误行为各不相同**，翻译层的健壮性是这个架构的生命线，从描述无从判断它做得多深。需要说明：它是否以标准 SKILL.md 形态分发，素材信息无法确认，从命名看更像独立编排工具——这恰好引出本期的一个观察：**编排重活正在沉到 harness 层，不穿 Skill 外衣**（详见后文生态位一节）。 ## 主拆二：codex-host —— 把友商的 CLI 请进自家 Desktop BytePioneer-AI/codex-host，1,829 星，TypeScript，近 45 天窗口。描述是双语的：**"Run Pi and Claude Code directly in Codex Desktop. 在 Codex Desktop 中直接运行 Pi 和 Claude Code。"** 如果说 fable-orchestrator 是「进程内混编」，codex-host 就是「宿主混编」：不改任何一个 Agent 的本体，而是做一个**宿主适配层**，让 Claude Code 和 Pi 这两个异厂 CLI 直接住进 Codex Desktop 里运行。双语描述本身也是个信号——中文用户是它预设的核心受众之一。 这条路线与今日第 3 轮拆过的 x64dbg-mcp-server（1,860 星）共享同一条设计哲学：**不重造轮子，给存量工具做接入**。x64dbg 十年积累的调试能力原样变成 Agent 可调用的工具；codex-host 则是把 Claude Code 已经形成的生态（技能、MCP、权限体系）原样搬进另一个宿主的界面里。1,829 星中相当比例，大概率来自「我想在一个窗口里用两家模型」的用户——这正是 K2 Horizon 那条「六模型舰队」新闻的消费端版本。 亮点：星数与语言栈（TypeScript，桌面集成惯用栈）都说明工程完成度路径清晰；横跨两家 harness 的适配做一回，协议理解就沉淀下来了，这是能复用的资产。短板：**宿主混编的命门在上游**——Codex Desktop 或 Claude Code 任何一方的更新都可能拆掉适配层，维护成本是刚性的；此外它解决「住在同一个屋檐下」，不解决「互相调度」——两个 CLI 并排运行不等于编排，这点与 fable-orchestrator 是正交关系而非竞品。 ## 主拆三：useagent —— 给每个 AI 同事配一台云电脑 它的编排思路又不一样：**托管混编**。不给编排器写调度逻辑，而是给每个 Agent 一台独立的云电脑——工具装在环境里，权限控在平台侧。这实际上是把「多 Agent 协作」从提示词层拉到了**基础设施层**：协作的单位不再是「一个上下文」，而是「一台机器」。 描述里有一个值得单独表扬的措辞：**"your tools and controls"**——工具是你的，控制权也是你的。托管型 Agent 产品的第一道信任关卡就是权限边界：云电脑上跑的 Agent 能碰什么、不能碰什么、审计记录归谁看。useagent 把这层承诺直接压进第一句描述，是「信任前置」的写法（对照今日第 1 轮拆 sepia 时的「兼容面声明式」描述，异曲同工：都把用户最大的顾虑写进门面）。 短板：282 星的体量对应一个重资产方向——云电脑意味着服务器成本、沙箱隔离、安全责任，这些都不是开源社区三周能磨圆的；「开源」与「托管」的组合还面临商业化悖论：托管部分免费则亏钱，收费则与开源承诺拉扯。实战效果待验证，企业场景采纳前建议先审计它的隔离方案。 ## 边注：reef 与「越用越强」的第四站位 Human-Agent-Society/reef，283 星，近 7 天，描述只有七个词：**"Continual learning infra for self-improving agents"**（面向自我改进 Agent 的持续学习基础设施）。机构名带学术组织气质，从命名看它不做调度，做的是编排之上的第四层——**让编排出来的系统在运行中积累经验**。 需要与「AI 造 AI」那类自主闭环工作流划清界限（本栏目已有专文）：自主闭环讲的是「Agent 自己跑完生产循环」，reef 讲的是「跑完之后把经验存下来下次用」——一个是控制流，一个是记忆与学习层。有趣的是，出厂技能表里其实已经出现 continuous-learning-v2、self-learning 这类名字，说明「学习层」需求已被 harness 厂商感知；但出厂件与 reef 这种独立 infra 的定位差异，需要读仓库才能断言，此处存疑不展开。 它的风险也最典型：持续学习最大的坑是**把错误学进去**——没有裁决机制的学习层会放大幻觉（今日第 3 轮 reverify 的「模型提议、工具裁决」结构，恰好是 reef 这类系统缺的那块拼图）。加之 283 星、学术系机构的社区体量偏小、上手门槛在四件里最高（infra 意味着部署成本），本期给出四件中最低的加权分，但设计方向值得长期跟踪。 另记一句新星榜暗面（该题材本栏目已有专文，不展开）：同榜的 TetreesAgent_EX（275 星）写着「零 GPU 训练外部智能并供交易」——「Agent/MCP/编排」术语正在被蹭，编排层热火朝天的另一面是概念通胀，装前先看 README 里有没有真架构图。 ## 生态位全景：编排层的四个站位 ```mermaid mindmap root((Agent编排层
四站位)) 进程内混编 fable-orchestrator 329星
Fable指挥 Luna与V4 Flash干活 宿主混编 codex-host 1829星
友商CLI住进自家Desktop 托管混编 useagent 282星
每个Agent一台云电脑 学习层 reef 283星
让编排系统越用越强 对照已拆 headcount 1185星
同构分身 一个harness开成公司 x64dbg-mcp-server
存量工具接入的同款哲学 ``` 注意一个 collectively 的现象：**本期四件没有一件确认以标准 SKILL.md 形态分发**。这不是偶然。Skill 的本质是「教 Agent 一招」——它是被编排的对象；而编排是「调度多个 Agent」——它活在 Skill 之下、harness 之上。工作流自动化的重活正在沉到基础设施层，Skill 层只留下轻提示词。对想写 Skill 的读者，这意味着：**你的 Skill 迟早要考虑「我在多模型编排里被调用时，行为还稳定吗」**——描述里写清依赖的模型能力边界，会变成新的行规。 fable-orchestrator 的指挥-执行结构，依据其描述可归纳为： ```mermaid flowchart LR A["用户需求"] --> B["Fable 5.1
编排·任务分解"] B --> C["GPT-5.6 Luna
实现"] B --> D["DeepSeek V4 Flash
实现"] C --> E["结果回收·汇总"] D --> E E --> A ``` （图中分解与回收环节为依据描述的合理推断，仓库未公布内部协议细节。） ## 三条编排层设计守则 **守则一：权力结构写进第一句。** fable-orchestrator 的一句话描述之所以有效，是因为它把「谁指挥、谁执行」的权力结构压缩成了主谓宾。任何编排型作品——无论 Skill 还是 infra——描述里都应直接点名角色与模型，不写「智能调度多个大模型」这种谁都能说的空话。用户判断不了你的调度算法，但数得清你点名的模型。 **守则二：接入存量，不做本体魔改。** codex-host 与 x64dbg-mcp-server（1,829 星与 1,860 星，两条近 45 天最高产的增长线）共享同一个成功模式：让成熟工具原样进入 Agent 世界，自己只做适配层。魔改本体（fork 后深改）的维护成本是复利的，做适配层的成本是一次性的。这条守则对想给内部系统做 Agent 接入的工程团队尤其值钱。 **守则三：托管必答「信任边界」，学习必答「谁来裁决」。** useagent 把 "your tools and controls" 写进第一句，是托管型作品的正确开场；reef 类学习层最大的未答题是「错误经验如何被拦截」。把这两问的答案写进 SKILL.md 或 README 的第一屏，是编排层作品建立信任的最短路径——答不了的，说明产品还没想清楚。 ## 安装与上手 四件均未确认标准 Skill 形态，以下命令只到「取回仓库」为止，装前务必先读各自 README 核对架构与安全边界： ```bash # fable-orchestrator（跨厂编排：Fable 5.1 指挥，Luna / V4 Flash 实现） git clone --depth 1 https://github.com/codejunkie99/fable-orchestrator # codex-host（TypeScript，把 Pi / Claude Code 装进 Codex Desktop，按 README 构建安装） git clone --depth 1 https://github.com/BytePioneer-AI/codex-host # useagent（托管型 Agent 工作区，含云电脑组件，企业采纳前先审计隔离方案） git clone --depth 1 https://github.com/useagenthq/useagent # reef（持续学习 infra，部署成本最高，建议只观望跟踪） git clone --depth 1 https://github.com/Human-Agent-Society/reef ``` 子目录结构与构建参数因未能核验仓库内部布局，此处不给出臆测路径。 ## 推荐排行榜 | 奖项 | 归属 | 一句话理由 | |---|---|---| | 描述写得最好 | fable-orchestrator | 一句话点名三个模型，权力结构即架构图 | | 即战力最强 | codex-host | 1,829 星 + 成熟栈，双宿主需求当下就能满足 | | 信任设计最佳 | useagent | "your tools and controls"——把最大顾虑写进门面 | | 方向最远、坑最深 | reef | 学习层是终局问题，但「错误经验裁决」无解前不宜上车 | | 最值得警惕 | TetreesAgent_EX | 术语通胀样本，编排热钱正在吸引蹭概念者 | ## 结语 把今天四件摆成一排，多Agent协作的代际更替就看得见了：第一代解决「一个模型忙不过来」（headcount 的部门化），本周这批解决「不同环节该用不同模型」（fable-orchestrator 的跨厂指挥）、「不同 Agent 该住不同屋檐」（codex-host 的宿主适配）、「协作该有基础设施」（useagent 的云电脑、reef 的学习层）。HN 同页那条「六个开源模型的舰队」说明，编排不再是极客玩具，而是头部玩家公开下注的产品形态。对普通用户，现阶段最务实的是 codex-host 这类宿主混编——成本一次性、退路清晰；对建设者，编排层的 SKILL.md 行规还没人定，谁先把「权力结构写进第一句、信任边界写进第一屏」做成模板，谁就是这条赛道的 skill-creator。 ## 参考来源 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。