Auto Swarm 開源：統籌排程 Codex 與 Claude Code，讓多智慧體並行協作

Auto Swarm 是一個開源的多智慧體協作框架，能把你電腦上分散的各種 AI 編碼工具捏成一個協同作戰的團隊。平時寫程式碼，可能查資料用一個模型，寫骨架用另一個，修 bug 又換成別的，每次都要在不同視窗間手動複製上下文。Auto Swarm 就是為了省去這些搬運工作而設計的。

它本質上是位於這些獨立智慧體之上的一層排程系統。只要給它分配一個複雜的長流程任務，它就會自動拆解工作，把子任務分發給最合適的工具並行處理，同時在所有智慧體之間維持一套統一的共享上下文與工作狀態。

它能做什麼

Auto Swarm 目前支援排程的工具相當多，包括 Codex、Claude Code、OpenCode、Cursor、GitHub Copilot CLI、Meta Muse Code、CodeBuddy、Hermes、Nanobot、DeepSeek Harness 以及 Grok Build 等。

以往多個智慧體配合，經常容易因為上下文割裂而變成各自為政。Auto Swarm 的機制是在底層統一管理記憶與狀態，為每個智慧體定義清楚責任邊界與交付標準。一個智慧體輸出的程式碼或方案，會被傳遞給下一個環節進行驗證和整合；如果執行中遇到阻塞或審查反饋，系統還會動態調整後續動作。

團隊公佈的研究論文顯示，在長週期程式設計、互動式規劃以及專業金融分析等基準測試中，Auto Swarm 的協作表現都明顯超過了單智慧體基線與現有的多智慧體框架。

怎麼跑起來

專案已經完全開源，程式碼託管在 GitHub（HKUDS/AutoSwarm），同時釋出了完整的技術論文。系統跨平臺支援 Windows、macOS 和 Linux，並能通過桌面應用、命令列（CLI）、IDE 外掛或帶 Skill 機制的智慧體環境呼叫。

部署需要本地準備好 Python 3.10 或更高版本的環境。推薦使用 uv 進行包管理，直接克隆程式碼倉庫後，執行 uv tool install 即可完成基礎安裝。主控宿主需要具備 Skill 擴充套件支援和本地命令列執行許可權，要聯動的其他智慧體則需要本地已配置好可用的 CLI 工具。

安裝完成後，可以通過自帶的檢查命令驗證各個智慧體的連線狀態。驗證時系統會實際呼叫一次對應模型來確認環境就緒。只要環境跑通，你就可以直接在平時慣用的主介面裡，用一句話讓它呼叫所有工具分工讀程式碼、改 bug 或做文件調研。

為什麼重要

現在的 AI 程式設計工具各有專長，有人喜歡 Claude Code 的架構設計，有人離不開 Codex 或 Cursor 的補全。但工具一多，最消耗時間的往往是在不同終端和網頁之間來回搬運 prompt 和程式碼片段。Auto Swarm 這類工具的價值，就在於把開發者從「人工上下文路由器」的角色裡解放出來，適合手裡同時買了多個 AI 訂閱、或者重度依賴本地多模型開發的工程師嘗試。

不過實際用起來也有門檻。既然是多智慧體並行跑任務，意味著你在短時間內的 API 額度消耗或者本地算力開銷會成倍上升；而且多智慧體之間的任務依賴鏈條一旦變長，排查某一步跑偏的除錯成本也會更高。它更適合那種界限分明、耗時較長的複雜大任務，對於幾行程式碼的小改動，單智慧體仍然是最輕快的選擇。