當我們使用 AI 程式設計工具（如 Codex 或 GitHub Copilot）時，最常見的模式是互動式對話：工程師開啟一個對話視窗，下指令，檢查結果，然後修正。但當團隊規模擴大，每位工程師需要同時管理多個 AI 工作階段（Session）時，會遇到一個嚴重的瓶頸：人類的注意力。
在 OpenAI 內部的實務中，他們發現工程師在 3 到 5 個 AI 工作階段之間切換時，認知負荷會劇增，導致生產力下降。這種「微觀管理 AI」的模式無法擴展。為了打破這個僵局，他們開發了 Symphony。
Symphony 的核心觀念是將「議題追蹤器」（Issue Tracker，如 Linear）直接轉化為 AI 智慧體的「控制平面」。簡單來說，不再是由人去開對話視窗指派任務，而是讓 AI 自動監控看板，看到有開放中的任務就自動接手完成。
將議題追蹤器變成協調器
在 Symphony 的架構下，每一個開放中的任務（Issue）都會對應到一個專屬的 AI 工作區（Workspace）。Symphony 作為協調器，會持續監控任務狀態。如果任務進入 In Progress 狀態，Symphony 會啟動一個 AI 智慧體來處理；如果 AI 當機或停滯，協調器會自動重啟它。
這種設計將工作從對話視窗（Session）與拉取請求（PR）中解耦。一個複雜的議題可能會產生多個 PR，或者僅僅是一次代碼庫分析。透過這種抽象化，AI 可以處理更大單位的工作，例如基礎設施遷移。AI 會先分析需求並產出實作計畫，接著將計畫拆解成一個有向無環圖（DAG, Directed Acyclic Graph），定義任務之間的相依關係，並在沒有阻塞的情況下並行執行。
這對工程實務的影響在於降低了啟動模糊任務的成本。工程師可以用極低成本建立一個工單讓 AI 去做原型探索，如果不滿意直接丟棄即可，不需要投入人力去推動實作過程。
Symphony 的技術組成與運作邏輯
Symphony 本質上是一份技術規格（SPEC.md），它定義了一個自動化服務如何協調 AI 智慧體。其核心組成包含以下幾個層次：
策略層（Policy Layer）：透過 WORKFLOW.md 定義。這是一個 Markdown 檔案，包含了 AI 應該遵循的開發流程（例如：修改代碼後需附上影片、將狀態移至 Review 等）。這將原本隱含在團隊文化中的流程文件化，讓 AI 能夠遵循。
協調層（Coordination Layer）：負責輪詢（Polling）議題追蹤器、管理併發數量、處理重試邏輯以及狀態對齊（Reconciliation）。
執行層（Execution Layer）：為每個議題建立隔離的檔案系統工作區，並啟動 AI 智慧體子進程。
整合層（Integration Layer）：將 Linear 等工具的 API 數據標準化，讓協調器能統一處理。
在底層執行上，Symphony 利用了 Codex 的 App Server Mode（無頭模式）。這是一種透過 JSON-RPC API 進行程式化互動的模式，比透過 CLI 或終端機對話更穩定且易於擴展。為了安全，Symphony 透過動態工具調用（Dynamic Tool Calls）提供功能，例如讓 AI 能執行 GraphQL 查詢而不需要將敏感的 Access Token 直接暴露給 AI 容器。
從微觀管理轉向目標導向
在開發過程中，OpenAI 團隊發現一個重要的教訓：不要試圖將 AI 限制在僵化的狀態機中。早期的版本試圖定義死每一步（例如：寫完代碼就提交），但這限制了 AI 的推理能力。
現在的做法是指派目標（Goal），就像優秀的管理者對待下屬一樣。只要給予 AI 適當的工具（如 gh CLI、CI 日誌讀取能力）和上下文，讓 AI 自行決定如何達成目標。
這種轉變讓 AI 能處理更複雜的任務，例如自動監控 CI 狀態、處理 Rebase 衝突、解決不穩定的檢查，直到將變更安全地護送到主分支。
實務上的取捨與限制
儘管產出大幅提升（部分團隊 PR 合併量增加 6 倍），但這種非互動式的工作流也有取捨：
失去即時修正能力：由於不再是互動對話，工程師無法在 AI 執行過程中隨時修正方向。如果 AI 偏離需求，結果會完全錯誤。但團隊將其視為發現系統缺口（如文件不足或防護機制缺失）的機會，進而增加端對端測試或改善文件。
非所有任務都適用：模糊不清、需要高度專業判斷或複雜決策的問題，仍然需要工程師透過互動式對話來處理。Symphony 的價值在於接手大量例行性的實作工作，讓工程師能專注於最具挑戰性的核心問題。
總結
Symphony 展示了一種新的 AI 工程範式：從「使用 AI 工具」轉向「協調 AI 勞動力」。當寫程式碼的成本趨近於零，工程師的角色將從實作者轉變為系統設計師與審核者。真正的瓶頸不再是代碼產出，而是如何有效地管理與協調這些智慧體的工作流。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。