--- title: 'Omnigent:编排多个 AI 编码助手的元 Harness' video_id: oGE_Dwz-rMk url: https://youtu.be/oGE_Dwz-rMk title_en: "Omnigent: The New Meta-Harness for EVERY Coding Agent - Claude Code, Codex, Pi, More" channel: Cole Medin published: 2026-06-15 duration: "14:49" topics: [多 Agent 协作, Agent 工程] noted: 2026-07-05 value: A views: '3万' --- [![封面](https://i.ytimg.com/vi/oGE_Dwz-rMk/maxresdefault.jpg)](https://youtu.be/oGE_Dwz-rMk) > Cole Medin · 14:49 · 发布 2026-06-15 · 3万次观看(截至抓取) · [观看原视频](https://youtu.be/oGE_Dwz-rMk) · 全文中译 ## 主旨 Omnigent 是 Databricks 开源的一个"meta harness"——把 Claude Code、Codex、Pi 等多个 AI 编码助手统一接入同一个 server,靠配置化的编排器(orchestrator)和 guardrails 分工协作,让"押注单一模型/工具包打天下"这件事变得没必要。 ## 核心论点 1. **Harness 与模型同等重要,甚至更重要**——当模型本身说不准就会变差或被下架时,能稳定兜底 AI 编码可靠性的只有你能设计和控制的系统本身。([[#1-meta-harness-不是让一个-agent-更强是编排多个-0014-译|→ 详解1]]) 2. **Meta harness 编排的是"多个"AI 编码助手,而不是强化单个 agent**——把 Claude Code、Codex、Pi 这些工具各自的强项组合进同一个更大的工作流。([[#1-meta-harness-不是让一个-agent-更强是编排多个-0014-译|→ 详解1]]) 3. **Omnigent 把这套编排能力做成了开箱即用的产品**:一条命令起步,所有配置/上下文/guardrails 统一存在 server 层,原生 app、REST API、终端、web UI 四种入口接入的是同一套配置。([[#2-omnigent-怎么搭起来一条命令server-层统一四种入口-0322-译|→ 详解2]]) 4. **代码审查必须放在独立于实现的会话里,是编排设计的基本原则**——同一个 session 里既写代码又审查容易积累偏见,而不是可有可无的锦上添花。([[#3-实例polly-委派-claude-code-实现codex-审查独立会话是硬规矩-0611-译|→ 详解3]]) 5. **每个编排器和 agent 都由「配置 + skills + 可调用的下游 agents」三块积木拼装而成**,可以自由组合出人工审批点,编排能力也不局限于写代码这一件事。([[#4-编排器的三块积木--human-in-the-loop-审批-0819-译|→ 详解4]]) ## 知识点详解 ### 1. Meta harness 不是让一个 agent 更强,是编排多个 [00:14](https://youtu.be/oGE_Dwz-rMk?t=14) 译 Meta harness 是一类允许你混用多个 AI 编码助手、跑更长工作流的工具——最经典的用法是用 Claude Code 做实现,再用 Codex 做审查。 这不是在优化某一个模型或某一个 [[Harness]],而是在其上再加一层编排:不同 AI 编码助手各有强项,分开跑还能省 token、避免单个会话塞进太多上下文。 视频开篇就点破了这一年 AI 编码最大的一课:[01:30](https://youtu.be/oGE_Dwz-rMk?t=90) 译"harness matters as much as or maybe even more than the model"——如果模型本身说不准就会变差或被下架(视频提到"the recent ban of Fable 5"这个例子),那能稳定提升可靠性的只有你能设计和控制的系统本身,而不是等一个更好的模型出现。 Meta Harness 正是把"harness 本身也值得再包一层系统"这个判断向前推了一步。 ### 2. Omnigent 怎么搭起来:一条命令,server 层统一,四种入口 [03:22](https://youtu.be/oGE_Dwz-rMk?t=202) 译 上手方式很简单:把 Omnigent 的 GitHub repo 链接丢给你现有的 AI 编码助手,让它照着说明帮你搭起来,或者本地跑一条命令,不用重新认证——因为它直接复用你已经登录的 Claude、Codex、Pi 的 credentials,就跑在自己机器上。 Cole 特别提到这是 [Databricks](https://www.databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents) 开源的项目,由他们 CTO 主导([04:07](https://youtu.be/oGE_Dwz-rMk?t=247) 译),内部已经在大量 dogfooding 用于日常工程。 整个"AI 层"——历史记录、policies/guardrails、MCP servers、skills——都统一存放在 server 里([04:42](https://youtu.be/oGE_Dwz-rMk?t=282) 译),不用为 Pi 单独配一套、为 Claude Code 再配一套。 接入方式也很多:原生 app、REST API(程序化调用)、终端、web UI([05:02](https://youtu.be/oGE_Dwz-rMk?t=302) 译),任选其一生效的都是同一套配置。 ### 3. 实例:Polly 委派 Claude Code 实现、Codex 审查,独立会话是硬规矩 [06:11](https://youtu.be/oGE_Dwz-rMk?t=371) 译 Demo 里,Cole 用编排器 Polly 处理一个自由格式的请求,明确说"delegate the implementation to Claude Code and the review to Codex"。 Polly 会先加载工作流相关的 skill,再把实现丢给 Claude Code 跑,监控完成后自动把审查移交给 Codex——中途不用重新认证。 Cole 强调这不只是个演示技巧,而是"very important at least at a very fundamental level"([07:10](https://youtu.be/oGE_Dwz-rMk?t=430) 译)的原则:实现和审查必须放在不同的 agent session 里,否则模型会在同一个上下文里积累过多偏见,这也是 [[Context Rot]] 的另一种表现。 "a lot of people feel like Codex is best at reviewing and Claude is best at implementing"([07:21](https://youtu.be/oGE_Dwz-rMk?t=441) 译)进一步说明为什么要按强项分工,而不是一个模型包打天下。 ### 4. 编排器的三块积木 + human-in-the-loop 审批 [08:19](https://youtu.be/oGE_Dwz-rMk?t=499) 译 每个编排器都由三部分拼装而成——configuration(执行器 executor + 系统提示 + 沙箱配置 + guardrails)、skills(可复用的工作流)、agents(可以委派的下游 agent 列表)。 每个具体 agent(Claude/Codex/Pi)也是同样的三段式结构,只是执行器换成对应的工具。 Cole 现场搭了一个自定义 guardrail 示例:允许 Claude Code 自主运行任何命令,唯独 force push 这类危险操作必须先经过 Human-in-the-Loop审批([10:29](https://youtu.be/oGE_Dwz-rMk?t=629) 译)。 而且这整个自定义 agent 的配置文件,包括 guardrail 的 Python 策略代码,都是他直接让 AI 编码助手照着 Polly/Debbie 的样例写出来的([10:48](https://youtu.be/oGE_Dwz-rMk?t=648) 译),不需要自己手搓。 ### 5. 编排能力不止写代码:Debbie 辩论编排器 + 跨设备协作 [12:07](https://youtu.be/oGE_Dwz-rMk?t=727) 译 Debbie 是 Omnigent 自带的另一个示例编排器,让两个 agent(比如 Claude 和 GPT)围绕同一个问题各执一词、辩论两轮后再由 Debbie 综合出一个结论——"this is an orchestrator that pits two coding agents against each other to argue on a question or a topic"。 这说明 meta harness 这套编排框架跟"写代码"没有强绑定,只要是需要多个模型协作的任务都能套用。 此外,同一个 agent session 可以跨设备(手机、电脑)实时同步([13:24](https://youtu.be/oGE_Dwz-rMk?t=804) 译),甚至能部署到服务器让团队或朋友一起接入同一个会话,不局限于本地单机使用。 ## 可执行步骤 - [ ] 把 review 和 implementation 拆成两个独立的 agent session(比如用 Codex 审查 Claude Code 的实现),而不是让同一个 session 自己写完自己审。 - [ ] 给高风险动作(如 force push、删除生产数据)配一条 human-in-the-loop guardrail,要求人工批准后才放行,而不是让 agent 无限制自主执行。 - [ ] 试用 Omnigent(github.com/omnigent-ai/omnigent):把 repo 链接丢给现有的 Claude Code 或 Codex,让它帮你一条命令搭起来,不用重新学一套新工具。 - [ ] 参考 Polly/Debbie 的三段式配置(executor+guardrails / skills / 可调用的 agents),给自己的多 agent 工作流设计一个类似的编排器骨架。 ## 关联 - 印证:[[2026-06-25-Harness为王的能动工程大师课]] 里 Google 提出的"模型只占系统 10%,harness 占 90%"框架,与本视频"harness matters as much as or maybe even more than the model"是同一个判断的两次独立表达([[#1-meta-harness-不是让一个-agent-更强是编排多个-0014-译|→ 详解1]])。 - 印证:该笔记里"把 planning 和 coding 拆成独立会话以避免上下文腐化/偏见积累"的原则,与本视频"代码审查必须放在独立于实现的会话里"的做法,是同一条原则在不同工具链里的复现([[#3-实例polly-委派-claude-code-实现codex-审查独立会话是硬规矩-0611-译|→ 详解3]])。 - 印证:[[2026-07-02-Fable5五个高杠杆用例]] 里的 [[forward-goal|forward/goal]](设定目标后持续自主推进到终态)是单个模型的长任务执行模式;Polly 接到一个自由格式请求后自主监控 Claude Code 完成实现、再触发 Codex 审查,是同一种"交个目标、系统自主跑完多步"的模式,只是编排对象从单个模型换成了多个 agent([[#3-实例polly-委派-claude-code-实现codex-审查独立会话是硬规矩-0611-译|→ 详解3]])。 - 印证:Claude Code 六个层级 里的 [[Agent Teams]] 与本笔记的 Meta Harness 都是"team lead 统筹多执行者"模式,但作用域是单个 Claude Code 内部的多 subagent,而非跨工具(Claude Code/Codex/Pi)编排。 - 互补:[[2026-02-23-The Pi Coding Agent 课程/14-v12-Agent-Chain|Pi v12 Agent Chain]] 把 chain / pipeline 抽象降级到 Pi ext 实现层面(plan→build→review 串行接力、三 scouter 多视角合流)——Omnigent 是 server 层方案关注跨工具编排,Pi v12 是单 harness 内串联子 agent,两层不互斥。 - 互补:[[2026-02-23-The Pi Coding Agent 课程/15-v13-Meta-PI|Pi v13 Meta]] 把"造 agent 的 agent"做进 Pi harness,8 个领域专家 agent 并行被调——与 Omnigent 的 meta-harness 是同一主张在 IndyDevDan / cole-medin 不同阵营的具体化,后者跨工具、前者单工具。 ## 一手来源与延伸 - [Introducing Omnigent: A Meta-Harness to Combine, Control and Share Your Agents](https://www.databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents) —— Databricks 官方博客,发布方、"meta-harness"命名与视频所述一致。 - [GitHub - omnigent-ai/omnigent](https://github.com/omnigent-ai/omnigent) —— 官方开源仓库,描述"orchestrate Claude Code, Codex, Cursor, Pi, and custom agents ... collaborate in real time from any device",与视频演示的编排 Claude Code/Codex/Pi、跨设备协作等功能一致,核验通过。 ## 术语 - Meta Harness(元 Harness,编排多个 AI 编码助手协同完成同一任务的上层系统) - Orchestrator(编排器,调度并委派任务给下游 agent 的顶层角色,如 Polly、Debbie) - Guardrail(护栏,对 agent 行为设的策略约束,如禁止/需审批某些高风险动作) - Executor(执行器,编排器或 agent 不进行委派时自己实际使用的底层 coding assistant) - Sandbox(沙箱,隔离运行 agent 避免直接影响宿主环境,可选 unsandboxed/Docker/E2B 等) ## 金句 > "You don't want to be stuck with just one model or provider for your entire AI coding workflow." [14:27](https://youtu.be/oGE_Dwz-rMk?t=867) 译 → 与其押注单一模型或供应商,不如把编排能力做成可插拔的系统,这也是整期视频的落脚点。 ## 立场与利益 Omnigent 是 Databricks 开源发布的项目(Apache 许可),Cole 本人不隶属于 Databricks,视频里也没有出现付费赞助或联盟链接痕迹,属于对第三方开源工具的正常测评。 但 Cole 明确提到"I'm building something kind of around meta harness engineering with Archon. And there's actually a lot of ideas from Omni agent that I'm going to be bringing into my tool"([02:26](https://youtu.be/oGE_Dwz-rMk?t=146) 译)——他在做一个方向相近的自有产品 Archon,并计划把 Omnigent 的思路搬过去,这构成一种间接利益:推广 meta harness 这个概念本身也是在给自己的产品路线铺垫认知,但这不影响他对 Omnigent 具体功能的演示是真实可复现的。 ## 价值定位 适合已经在多个 AI 编码助手(Claude Code / Codex / Pi)间来回切换、并开始想把这种切换固化成系统的进阶用户;单人单工具场景会觉得 Omnigent 偏重、暂时用不上。解决的是"如何跨工具按强项编排 + 给高风险动作加审批闸"这类工程化问题。 以认知价值为主、即用价值门槛较高——真要落地得装 Omnigent、理解三段式编排积木。但其中两条原则脱离工具也成立、可当天照做:**实现与审查拆进两个独立会话**(避免同一上下文积累偏见),**force push 一类危险动作配 human-in-the-loop 审批**。 与 [[2026-06-25-Harness为王的能动工程大师课|大师课]] 的"harness ≥ model"是同一判断、与其"planning/coding 拆独立会话"是同一原则;本片独有的是把这套判断推进到 Meta Harness 的**具体产品形态**——一条命令起步、server 层统一配置、四种入口接入同一套 guardrails。 ## 自检问题 1. 为什么"meta harness"和"让单个 agent 更强"是两件不同的事? **答案**:meta harness 编排的是多个 AI 编码助手协同完成同一个更大任务,而不是强化某一个 agent 本身,例如让 Claude Code 负责实现、Codex 负责审查,各自发挥强项,见"核心论点"第2条和"知识点详解"第一节 [01:30](https://youtu.be/oGE_Dwz-rMk?t=90) 译。 2. Omnigent 的"server 层"具体承载了哪些东西,为什么这样设计能让同一套配置适用于 Claude Code、Codex、Pi 等所有工具? **答案**:server 层统一存放 history、policies/guardrails、MCP servers 和 skills 这套"AI 层",不需要为 Pi 单独配一套、为 Claude Code 再配一套,任何 AI 编码助手接入都复用同一套配置,见"知识点详解"第二节 [04:42](https://youtu.be/oGE_Dwz-rMk?t=282) 译。 3. 为什么代码审查要放在与实现不同的会话里,而不是让同一个 agent 自己写完自己审? **答案**:同一个 session 里模型会积累过多偏见,混着做容易审不出自己犯的错;把审查放到独立会话(如用 Codex 审 Claude Code 的实现)能避免这种偏见污染,见"知识点详解"第三节 [07:10](https://youtu.be/oGE_Dwz-rMk?t=430) 译。 4. Omnigent 里 human-in-the-loop 的 guardrail 是怎么工作的? **答案**:guardrail 是和 agent 配置放在一起的一段策略代码,可以指定某些高风险动作(比如强制 git push)必须先经过人工批准才能继续执行,而不是完全放任 agent 自主执行,见"知识点详解"第四节 [10:29](https://youtu.be/oGE_Dwz-rMk?t=629) 译。 5. Debbie 这个例子说明 Omnigent 的编排能力不局限于什么? **答案**:不局限于写代码——Debbie 是一个让两个 agent(比如 Claude 和 GPT)围绕同一个问题各执一词、辩论后再综合出结论的编排器,说明 meta harness 的编排框架可以用于任意需要多个模型协作的任务,见"知识点详解"第五节 [12:07](https://youtu.be/oGE_Dwz-rMk?t=727) 译。 > [!quote] 💬 热门评论 top-13 主 + 7 回(抓取 2026-07-07) > > [7] **@PsyB69**:Cole，视频一如既往地棒。但关于第三方框架，有一点我觉得被忽视了：包装 Claude Code 的第三方框架在运行 Claude 时会继承其缓存。但一旦交给 Codex 或 Pi，缓存就会丢失，下一轮就得重新发送完整上下文。即使在官方 Claude Code 中，在会话中切换模型（Opus - Sonnet）也会使缓存失效，触发完整的 token 重发。这就是为什么 Claude Code 在切换模型前会警告你。更高效的模式是你这半年来一直在做的：在阶段之间使用交接文档，并为计划→实现→审查启动全新的会话。每个会话用各自的模型保持自己的缓存。你既能获得多代理工作流，又不用支付缓存失效的代价。我不是说 Omnigent 没用——但元框架的灵活性有实际的每轮成本，而官方 Claude Code 的架构正是为了避免这一点。 👍 7 >   ↪ **@ColeMedin(UP)**:是的，说得好！但 Omnigent 并不是在提供者之间传递整个对话，它用自己的一套交接系统来编排独立的会话。所以我不认为它在这方面效率低下！ 👍 3 > [10] **@bsicyaroix**:我的代理编码疲劳让我以前的 JavaScript 疲劳看起来像个笑话。 👍 6 >   ↪ **@ColeMedin(UP)**:哈哈，我懂，但我确实只分享那些我认为即使有疲劳也值得一看的东西。好奇你觉得 Omniagent 是否值得，以及为什么 :) 👍 1 > [13] **@PuppetZombieMuppet**:多模型编排需要解决上下文持久性、token 经济性和交接边界语义一致性的挑战。严格的管理策略对于可靠的工作流至关重要。 > ——其他 9 条:感谢/夸赞([2]@bepitarocco1528、[3]@now.here.nowhere、[4]@Analyse_US、[5]@kostomat、[6]@LearnQwest、[8]@RaapTechLLC、[9]@LearnQwest、[11]@techafresh、[12]@private-1);1 条 spam 已略 >
英文原文[1] @ColeMedin(UP):The Dynamous Agentic Coding Course is FULLY released - learn how to build reliable and repeatable systems for AI coding: https://dynamous.ai/agentic-coding-course 👍 7
[2] @bepitarocco1528:These are the videos we've been waiting for. Great job. We want more. :face-blue-smiling: 👍 7
[3] @now.here.nowhere:I’m so glad to see your video this morning. I’m all in on archon looking forward to your content 👍 7
  ↪ @ColeMedin(UP):I appreciate it my friend!
[4] @Analyse_US:Great overview 🎉
  ↪ @ColeMedin(UP):I appreciate it!
[5] @kostomat:been building this for 14 days, hope benchmarking this meta-harness will prove worth of that time😂 👍 1
[6] @LearnQwest:I've been on the cusp of breakout agentic orchestration..... Why? 😂. .. Now I have to learn to use time with my family... It never ends! 👍 1
[7] @PsyB69:Great video Cole as usual. But one note about 3rd party harnesses that I think is getting overlooked: 3rd party harnesses wrapping Claude Code inherit Claude Code's caching while running Claude. But the moment it hands off to Codex or Pi, the cache drops and you're resending the full context on the next turn. Even inside official Claude Code, switching models mid-session (Opus - Sonnet) invalidates the cache and triggers a full token resend. That's why Claude Code warns you before model switches. The more efficient pattern is what you've been doing for half a year: a handoff doc between phases, and start fresh sessions for plan → implement → review. Each session keeps its own cache intact with its own model. You get the multi-agent workflow without paying the cache-invalidation tax. I'm not saying Omnigent isn't useful - but the meta-harness flexibility has a real per-turn cost that the official Claude Code architecture was specifically designed to avoid. 👍 7
  ↪ @ColeMedin(UP):Yes really good point! Omnigent isn't passing the whole conversation between providers though, it is orchestrating individual sessions with it's own kind of handoff system. So I don't think it is inefficient in this way! 👍 3
[8] @RaapTechLLC:This is what we need 👍 4
[9] @LearnQwest:Cole you, your support team, and IndydevDan have paved the way for AI-Human collaboration, a sustainable/realistic compromise application of work. If you're a Jr Dev or a nurse or an adult person, you now possess all of necessary foundation to contribute. Dude, we are proud of you, I thank you for this. -Link
  ↪ @ColeMedin(UP):I really appreciate the kind words and I'm glad you're finding it so useful!
[10] @bsicyaroix:My agentic coding fatigue makes my old JavaScript fatigue look like a joke. 👍 6
  ↪ @ColeMedin(UP):Haha I'm with you, but I do try to only share things I think are genuinely worth looking at even with the fatigue. Curious if you think Omniagent is worthwhile and why :) 👍 1
[11] @techafresh:Really great video Cole 👍 1
  ↪ @ColeMedin(UP):Thanks!
[12] @private-1:Thanks this is good info 👍 1
  ↪ @ColeMedin(UP):You bet!
[13] @PuppetZombieMuppet:Multi-model orchestration requires addressing the challenges of context persistence, token economics, and semantic coherence at handoff boundaries. Strict governance policies are essential for reliable workflows.