当前AI智能体设置：开发者工作流与工具趋势

向整合型AI工作流的转变

现代开发者工作流正从复杂的多智能体编排平台转向整合型、高上下文交互。许多开发者不再管理一个由专门智能体组成的“群体”，而是使用一个单一的高能力模型——尤其是Claude 3.5 Opus——作为中央编排器。这个中央智能体管理子任务，委派给其他会话，并维护管理复杂软件项目所需的上下文。

订阅与模型偏好

大多数开发者同时使用订阅服务和按需付费（PAYG）API。Claude Pro和ChatGPT Plus仍然是主要的消费者订阅，通常辅以OpenRouter等PAYG服务，用于模型实验或旗舰模型拒绝处理的特定任务。

• Claude： 经常被提及为编码和设计任务的主要驱动力，通常通过Claude Desktop应用或集成到IDE中使用。
• Codex： 仍然是后端密集型任务和可靠代码生成的主力。
• 本地模型： 一部分高级用户越来越依赖本地推理，使用Apple Silicon（M1/M5 Max）等硬件配合MLX或Ollama。这主要是出于对隐私、更低延迟以及无需订阅开销即可处理异步任务的需求。

编码工具与界面

开发者对编码工具越来越有主见，通常选择优先考虑“紧密循环”交互的工具，而不是自动化的、无需人工干预的智能体行为。

• 首选工具： Claude Code、Aider和OpenCode是常被提及的主要界面。
• 人在环路中的偏好： 许多开发者对承诺取代人工输入的“智能体”平台表示怀疑。相反，他们更喜欢以对话方式引导AI，使用智能体生成代码或调试，同时保留对架构和决策的控制。
• 定制化： 存在一种强烈趋势，即构建自定义CLI工具或使用终端复用器（如Zellij）来同时管理多个智能体会话，使开发者能够平衡令牌负载，并为前端和后端工作维护独立的上下文。

复杂编排的衰落

尽管存在OpenClaw、Hermes和各种群体工具等平台，但它们在经验丰富的开发者中采用率有限。常见的批评包括：

• 脆弱性： 复杂的编排在应对现实世界中的非平凡任务时常常会崩溃。
• 延迟与繁琐： 设置和调整这些平台经常被描述为“给AI发邮件”，与直接的对话式交互相比引入了不必要的摩擦。
• 过度工程化： 许多用户发现，如果提示得当，当前模型能够内部处理子任务，使得外部编排层变得多余。

安全与隐私问题

随着AI智能体获得对本地文件和API的访问权限，安全性已成为主要关注点。开发者正在采用几种防御策略：

• 沙箱化： 使用nono.sh等工具限制AI智能体的文件和网络访问。
• 凭据隔离： 为特定AI服务创建唯一的、受限的API密钥，以确保被入侵的智能体无法访问敏感的生产环境。
• 本地推理： 在本地运行模型仍然是处理敏感数据（如个人电子邮件或专有内部文档）的黄金标准。

SUMMARY: 开发者正转向整合型、高上下文的AI工作流，倾向于通过Claude或Codex进行单一模型编排，而不是复杂的多智能体平台。

TITLE: 当前AI智能体设置：开发者工作流与工具趋势