OpenRig 当前版本 0.5.9，做了一件很务实的事：把 Claude Code、Codex 这些 AI 编程助手（业内称作 Agent）从"各占一个终端窗口"的混乱，整合成可持久化的虚拟开发团队。但文章自己也列出四个工程难题未解。
这是什么
OpenRig 是一个"编排层"（即调度协调多个程序），不替代任何 AI 助手，而是把多个 Claude Code、Codex 装进 tmux 会话（终端复用工具，可让多个程序共享同一终端并后台运行）统一管理。开发者用一份 YAML 文件（人类可读的结构化配置）描述团队结构——几个席位、谁和谁通信——一条 rig up 命令就能启动整队，状态可快照、可恢复。
技术栈是 Node.js 20/22/24 加 SQLite，目前只支持 macOS 和 Linux，Windows 用户需用 WSL2（Windows 上的 Linux 子系统）。它内置三种团队模板：双人协作、四席位流水线（模拟 CI/CD 即自动化构建部署流程）、多角色产品团队，还集成 MCP（Model Context Protocol，Agent 调用外部工具的标准协议），让 AI 能自己调度团队配置。
行业怎么看
支持者认为这是 AI 编程从"单体智能"走向"群体智能"的关键一步——过去痛点不在智能本身，而在状态管理：六个终端、上下文断裂、会话丢失。声明式配置和快照机制是工程上的明显进步。
但我们看到的反对声音同样清晰，来源就是文章本身。它自己列出四个未解难题：跨模型上下文同步（Claude 和 Codex 同时改同一段代码谁说了算）、容错策略模糊（子 Agent 失败后怎么重试、要不要人工介入没说清）、效率本身存疑（组团是否真比单干快，文章直接问"是否存在边际效益递减"）、安全门槛（工具会自动改写 Claude Code 和 Codex 的配置文件，官方建议先 --dry-run 即试运行预览）。另外，Windows 原生用户暂时用不上。
对普通人的影响
我们从三个角度观察。
对企业 IT：信号意义大于实用——AI 编程正从"代码补全"走向"项目级自主"，IT 部门迟早要建立 Agent 治理与审计框架。
对个人职场：即使你不编程，也会在日常工具里陆续看到这种变化——AI 不再是"一个对话框"，而是"一组分工的虚拟同事"。理解这一点能帮你判断未来 AI 产品的能力边界。
对消费市场：未来一年会出现更多"多 Agent 协作"的 AI 产品，把写作、研究、设计打包成一个工作流，功能更强，但行为也更不透明——你得更信任供应商。