Auto Swarm 开源：统筹调度 Codex 与 Claude Code，让多智能体并行协作

Auto Swarm 是一个开源的多智能体协作框架，能把你电脑上分散的各种 AI 编码工具捏成一个协同作战的团队。平时写代码，可能查资料用一个模型，写骨架用另一个，修 bug 又换成别的，每次都要在不同窗口间手动复制上下文。Auto Swarm 就是为了省去这些搬运工作而设计的。

它本质上是位于这些独立智能体之上的一层调度系统。只要给它分配一个复杂的长流程任务，它就会自动拆解工作，把子任务分发给最合适的工具并行处理，同时在所有智能体之间维持一套统一的共享上下文与工作状态。

它能做什么

Auto Swarm 目前支持调度的工具相当多，包括 Codex、Claude Code、OpenCode、Cursor、GitHub Copilot CLI、Meta Muse Code、CodeBuddy、Hermes、Nanobot、DeepSeek Harness 以及 Grok Build 等。

以往多个智能体配合，经常容易因为上下文割裂而变成各自为政。Auto Swarm 的机制是在底层统一管理记忆与状态，为每个智能体定义清楚责任边界与交付标准。一个智能体输出的代码或方案，会被传递给下一个环节进行验证和整合；如果执行中遇到阻塞或审查反馈，系统还会动态调整后续动作。

团队公布的研究论文显示，在长周期编程、交互式规划以及专业金融分析等基准测试中，Auto Swarm 的协作表现都明显超过了单智能体基线与现有的多智能体框架。

怎么跑起来

项目已经完全开源，代码托管在 GitHub（HKUDS/AutoSwarm），同时发布了完整的技术论文。系统跨平台支持 Windows、macOS 和 Linux，并能通过桌面应用、命令行（CLI）、IDE 插件或带 Skill 机制的智能体环境调用。

部署需要本地准备好 Python 3.10 或更高版本的环境。推荐使用 uv 进行包管理，直接克隆代码仓库后，运行 uv tool install 即可完成基础安装。主控宿主需要具备 Skill 扩展支持和本地命令行执行权限，要联动的其他智能体则需要本地已配置好可用的 CLI 工具。

安装完成后，可以通过自带的检查命令验证各个智能体的连接状态。验证时系统会实际调用一次对应模型来确认环境就绪。只要环境跑通，你就可以直接在平时惯用的主界面里，用一句话让它调用所有工具分工读代码、改 bug 或做文档调研。

为什么重要

现在的 AI 编程工具各有专长，有人喜欢 Claude Code 的架构设计，有人离不开 Codex 或 Cursor 的补全。但工具一多，最消耗时间的往往是在不同终端和网页之间来回搬运 prompt 和代码片段。Auto Swarm 这类工具的价值，就在于把开发者从「人工上下文路由器」的角色里解放出来，适合手里同时买了多个 AI 订阅、或者重度依赖本地多模型开发的工程师尝试。

不过实际用起来也有门槛。既然是多智能体并行跑任务，意味着你在短时间内的 API 额度消耗或者本地算力开销会成倍上升；而且多智能体之间的任务依赖链条一旦变长，排查某一步跑偏的调试成本也会更高。它更适合那种界限分明、耗时较长的复杂大任务，对于几行代码的小改动，单智能体仍然是最轻快的选择。