openrig

OpenRig：让 AI 编程代理组成「乐队」协同工作

OpenRig TUI 实时视图：同一 rig 中的多个 agent 并行工作，状态一目了然

---

痛点场景：一个人指挥一群 AI 帮手，累不累？

你正在开发一个复杂项目。Claude Code 写代码，Codex 做代码审查——结果呢？两个 terminal 窗口来回切换，各自为政，上下文不同步，好不容易调好的风格指南在 Codex 里完全没生效。更别提当你想让一个 agent 的输出作为另一个 agent 的输入时，还得手动复制粘贴。

OpenRig 就是来解决这个问题的。它把多个 AI 编程 agent 打包成一个"乐队"（rig），你只管给主 agent 下指令，它负责协调各个乐手，按序或并行完成任务，最终把结果汇报给你。

---

背景：为什么需要多 agent 协作框架？

2025 年以来，Claude Code、OpenAI Codex 等 AI 编程 CLI 工具陆续成熟，单 agent 场景下已经能完成不错的代码编写和修改任务。但现实项目往往需要分工协作：

• owner agent 负责主导开发，理解需求、拆解任务、编写核心代码
• checker/reviewer agent 负责审查 owner 的输出，确保代码质量、风格一致
• specialist agent 可以针对特定模块（如数据库、API、安全审计）提供深度支持

OpenRig 的作者 Michael Schwarz 在 2026 年初推出了这个框架，定位是 multi-agent harness orchestration：不是简单地把多个 agent 并排运行，而是通过 YAML 配置定义 agent 角色、任务队列、通信协议，让它们真正像一个团队一样协作。

项目目前 2500+ stars，topics 涵盖 agent-harness、multi-agent-systems、claude-code、codex-cli 等，是 AI coding agent 生态中少有的工程化生产级工具。

---

核心功能：rig 的四大支柱

1. 角色分工（Seat Model）

OpenRig 引入了 seat 概念：每个 agent 占一个"座位"，拥有明确的角色（owner、checker、specialist）和职责边界。starter 包内置了三种预设 rig 模板：

模板	Agent 配置	适用场景
first-project	双 Codex	快速体验
first-project-claude	双 Claude Code	Claude 生态
first-project-mixed	Claude owner + Codex checker	推荐起步：分工审查

rig specs preview "first-project-mixed" --kind rig
rig up "first-project-mixed" --cwd . --plan
rig up "first-project-mixed" --cwd .
rig tui --shared

2. 任务队列（Message Queue）

给 agent 发任务不是直接执行，而是发送到队列：

rig send "dev-owner@first-project-mixed" \
  'Implement <one useful change>. Keep it local, verify, ask dev-check to review.'
rig queue list --destination "dev-owner@first-project-mixed" --limit 1000

owner agent 收到指令后自己拆解任务、写入队列、逐步执行，最终汇报结果。你不需要追着 agent 跑，它会告诉你任务进展。

3. 持久化上下文

每个 agent 的工作目录和上下文持久存储在固定路径，即使 agent 重启也能无缝衔接。rig tui --shared 打开共享仪表盘，实时看到所有 seat 的状态、当前任务和上下文使用情况。

4. 权限与安全（Permission Model）

rig setup 命令让 agent 自主配置信任设置——不再需要每次操作都手动授权，但范围限定在个人项目级别（personal project scope），不会变成"全局放开"的危险状态。

---

技术架构：TypeScript monorepo 实战

OpenRig 本身也是一个工程质量的展示项目：

• 架构：TypeScript monorepo，四个 workspace 包：
  • packages/cli：命令行入口（rig up/send/tui/ps 等核心命令）
  • packages/daemon：后台常驻进程，管理 agent 生命周期和状态
  • packages/tui：基于终端的用户界面（类似 htop 的实时面板）
  • packages/ui：共享 UI 组件库
• 运行环境：Node.js 22 或 24（不支持 Windows，原生 macOS/Linux）
• 依赖：tmux（终端多路复用）、better-sqlite3（本地状态存储）、Vitest 测试框架
• Docker：仅在 docker/testbed/ 提供测试环境镜像（非生产部署）
• 许可证：Apache-2.0

---

上手门槛：有预期才能不踩坑

优势：

• YAML 配置驱动，学习曲线平缓
• starter 模板开箱即用，5 分钟看到两个 agent 协作
• 权限模型设计合理，不会变成"放手不管"

需要注意：

• 必须熟悉 tmux：rig 依赖 tmux 管理多会话，不了解 tmux 的话出了问题难以排查
• 不支持 Windows：原生 Linux/macOS，WSL2 未测试
• Node.js 版本严格：只支持 22 或 24，低了高了都不行
• 无 Web UI：纯 CLI/TUI 工具，习惯 GUI 的用户需要适应

---

行业意义：多 agent 协作的工程化实践

OpenRig 代表了一个趋势：从单 agent 编程走向多 agent 编排。它的核心价值不在于"让 AI 写代码"，而在于：

1. 可重复的 agent 团队：通过 YAML 模板，团队可以定义自己的 agent 协作模式并版本化
2. 上下文连续性：agent 状态持久化，避免每次启动都是"白纸一张"
3. 审查闭环：owner → checker 的分工天然形成 code review 流程

目前 GitHub 上同类项目（如 agent-harness、multi-agent 相关工具）不少，但 OpenRig 的独特之处在于它同时支持 Claude Code 和 Codex，不绑定单一 provider，这让它在多模型协作场景下更有灵活性。

---

项目地址：https://github.com/mvschwarz/openrig | 安装：npm install -g @openrig/cli
作者：@_feralmachine | Apache-2.0 许可证