六 个月前，OpenAI 内部一个团队做了一个激进决定：仓库里不允许有任何人类写的代码。每一行都必须由 Codex 生成。
结果跑通了。但随即撞上新的瓶颈：上下文切换。
每个工程师同时开三到五个 Codex 会话，分配任务、审查输出、调整方向。AI 跑得很快，但系统的瓶颈变成了人的注意力。
他们意识到，自己实际上是雇了一批极其能干的初级工程师，然后让人类工程师去微观管理它们。这显然没法规模化。
Symphony：把任务追踪系统变成 Agent 控制中枢
他们问了自己一个问题：如果不直接监督 AI，而是让 AI 自己从任务追踪系统里拉取工作，会怎样？
这个想法变成了 Symphony。
核心思路：对每一个打开的任务，保证有一个 Agent 在它自己的工作空间里持续运行。
用的是 Linear。每个 Linear issue 对应一个独立的 Agent 工作空间。Symphony 持续监视任务看板，确保每个活跃任务都有 Agent 在跑。Agent 崩溃了自动重启，有新任务进来自动接手，人类只需要审查结果。
工作流用 Linear 的状态来驱动，像一台状态机：
Todo → In Progress → Human Review → Done
AI 代理在这些状态之间流转，人类只在 Human Review 节点介入。
Agent 自己创建任务
在实现过程中，Agent 如果发现了性能问题、重构机会或更好的架构方案，会直接在 Linear 里开新 ticket，供人类评估和排期。很多后续任务也会被代理接手执行。
有个工程师在信号很差的小屋里，用手机 Linear App 提了三个重要改动，Agent 照样接手执行了——因为编排器跑在 devbox 上，从不睡觉。
数据很直接
部分团队在前三周，合并的 PR 数量增长了 500%。
Linear 创始人 Karri Saarinen 也提到，Symphony 发布后，Linear 上新建工作区的数量出现了明显峰值。
代码即规范
Symphony 代码仓库本质上就是一个 SPEC.md——对问题和解决方案的定义文档，而不是一个复杂的监控系统。他们定义好问题，给出高层次指引，然后把这份规范扔给 Codex 实现。
参考实现选了 Elixir，一门在并发和进程监督方面有非常好原语的编程语言。理由：当代码成本趋近于零，终于可以为了语言的优势本身来选语言，而不是为了招人方便。
Codex 一次性就把 Elixir 实现写出来了。为了打磨规范本身，他们又让 Codex 用 TypeScript、Go、Rust、Java、Python 各实现了一遍，用这些实现来发现规范里的歧义和可以简化的地方。每种语言都成功了。
最重要的转变：隐性规范 → 显式化
以前工程师们有一套隐性工作流程：接到任务，切出分支，把任务标记为进行中，提 PR，移到 Review 状态，附上演示视频……这些步骤人人都懂，但从来没有被正式写下来。
现在，这套流程被写进了 WORKFLOW.md，Symphony 确保 AI 代理遵循它。
以前是人类遵循隐性规范，现在是把规范显式化，让 AI 来遵循。
WORKFLOW.md 还有一个重要特性：热重载。修改后，Symphony 会自动检测变化，无需重启，直接把新配置应用到后续任务上。如果以后想让代理在完成后附上自我反思，只需要在 WORKFLOW.md 里加一行。
核心组件
- Orchestrator（编排器）：整个系统的大脑，唯一有权修改调度状态的组件，负责轮询任务、决定启动/重试/停止，追踪所有运行中的代理状态
- Workspace Manager：每个任务有独立文件目录，Agent 只能在自己的目录里操作，这是重要的安全边界
- Agent Runner：负责启动 Codex 进程，传任务提示词，把结果反馈给编排器
- Issue Tracker Client：和 Linear 通信，拉取任务列表，同步状态变化
并发控制很细致：可以设置全局最大并发代理数（默认 10 个），也可以针对特定状态单独限制。重试机制用指数退避：第一次失败等 10 秒，第二次 20 秒，第三次 40 秒，最长不超过 5 分钟。
不要管理 Agent，管理任务就够了
Symphony 发布后三周获得了 15,000+ GitHub Star。社区已经有人做了 Go + Charm CLI 终端 UI 版本、Claude Code + GitHub Issues 版本、hatice（Claude Code 重新实现）等移植。
但 OpenAI 明确说了：不打算把 Symphony 作为独立产品维护。它是一个参考实现，一个演示 Codex App Server 能力的例子。
门槛出奇地低：把规范扔给 Codex，让它帮你实现一个适合自己环境的版本就行。
Symphony 解决的表面问题是"怎么让更多 AI 并行工作"，更深层的变化是：当代码的边际成本趋近于零，整个软件开发的经济学都变了。
每次改动的感知成本下降，意味着大家开始愿意做以前觉得"不值得"的事：试一个想法，探索一次重构，验证一个假设，不满意就扔掉。
产品经理和设计师可以直接向 Symphony 提需求，不需要懂代码，不需要管理 AI 会话，描述功能，然后收到一个包含视频演示的审查包。
Symphony 的核心认知：不要管理 Agent，管理任务就够了。