这是什么

掘金上一篇源码分析点出尴尬事实：在 OpenAI 的 Codex 编程助手里，两个都叫"审查"的功能，输入输出完全不同 — 这暴露出 AI Agent（能自主完成多步任务的 AI 程序）"接进来容易、换掉难"的真正成本。 具体看：普通审查走 review/start 接口、收文本结果；反方审查走 turn/start 接口、要的是结构化 JSON（含 verdict、findings 等字段）。两条路对"完成"的定义也不同 — 一个看本轮 Turn 是否跑完，另一个还要看 verdict 是不是 approve。"执行完成"和"审查通过"是两件事，但 UI 上很可能都被画成绿色对勾。 这就是协议层（不同 Agent 之间约定的输入输出格式和事件语义）的隐性成本 — 不是接不接得进，而是换不换得动。

行业怎么看

支持标准化的声音认为：现在各家 Agent 接口混乱，正是 Anthropic、Google 等推 MCP（Model Context Protocol，一种让模型统一调用外部工具的协议）的时机 — 协议统一，多 Agent 协作才有地基。 但反对意见更值得我们听。一位架构师在评论里写道："如果现有执行者完全满足需求，就没有必要为了'多 Agent'先造一个通用调度平台。" 多 Agent 是结果，不是起点；为"将来要换"提前建平台，往往是过度设计。 更现实的风险是语义错位：插件把 completed 状态为 0 当作"成功"，UI 画绿勾 — 但这只代表本轮跑完，不代表代码能合并。这类静默 bug 在生产环境最难排查。

对普通人的影响

对企业 IT：评估 Agent 时，别只看 demo 跑没跑通，先问清它接受的输入长什么样、输出能不能被下游系统直接消费。"Agent 中台"不是装上就能用。 对个人职场：当 AI 工具反馈"成功"但结果不对时，多半不是模型能力差，而是任务定义没对齐。换工具前，先把"我到底要它做什么"写清楚。 对消费市场：标榜"多 Agent 协同"的 AI 产品，目前大概率是把不同模型拼进同一个 UI，效果不可直接比较。看到这种宣传，把预期调低一档。