代理需要监督界面

OpenAI现在将Codex应用描述为一个命令中心，用于管理多个代理、并行运行任务，并在整个软件生命周期中监督协同团队。¹这一产品方向确认了界面层面的转变：难题已经从“代理能否行动？”变成了“人类能否大规模监督这些行动？”

代理需要监督界面：人在这里查看状态、审查风险、审批敏感工具、检查追踪、从失败中恢复，并用证据签署结果。更好的聊天有助于表达意图。监督界面负责治理工作。

简要概览

聊天仍然适合表达意图。但如果把它作为自主工作的唯一界面，就会失效，因为代理运行中包含工具调用、权限、追踪、记忆、失败分支和完成声明。OpenAI的Codex云文档描述了沙箱环境中的后台任务、实时进度监控、终端日志引用和测试输出证据。²OpenAI Agents SDK提供了人工介入审批，以及对工具调用、交接、护栏和自定义事件的内置追踪。³⁴Anthropic的Claude Code钩子暴露了PreToolUse、PostToolUse、PermissionRequest和Stop等生命周期节点。⁵

产品层面的启示是：监督不是最后弹出一个模态框。它是一组伴随代理工作过程存在的界面。

关键要点

面向代理产品团队： - 先构建监督队列，再添加新的聊天润色功能。队列应展示被阻塞的运行、高风险操作、过期证据、失败检查和可审阅产物。 - 将审批、追踪和恢复视为核心UX。用户不应被迫从聊天记录里还原工具状态。

面向设计工程师： - 给每个代理动作设定清晰层级：静默、摘要、打断或阻塞。只读工作不应看起来像生产环境变更。 - 设计审阅对象，而不只是设计消息。审阅对象包含工具载荷、风险原因、差异、证据和下一步操作。

面向采用编码代理的团队： - 衡量操作者能否回答：什么正在运行，什么正在等待，改了什么，哪里失败，什么需要审批，还有什么尚未验证。 - 用聊天进行委派。用监督界面承担责任。

什么是监督界面？

监督界面是用于可问责代理工作的用户界面。

它不试图展示每一个token，而是展示决定代理是否应继续的部分：

它与聊天的区别在于随机访问。聊天说的是“读完整段滚动记录”。监督界面说的是“检查高风险部分，然后决策”。

当一个人运行多个代理时，这一点至关重要。单个代理在一段时间内还可以保持对话式。5个长时间运行的代理就变成了运营问题。界面必须能够确定优先级、生成摘要并路由注意力。

为什么聊天不适合作为操作界面？

聊天会失效，因为它的形态不适合持续推进的工作。

代理工作会产生事件：计划、搜索、文件读取、文件写入、shell命令、浏览器操作、API调用、测试运行、被拒绝的路径、失败重试和最终证据。聊天记录可以包含这些事件，但无法按风险、阶段或责任来组织它们。

OpenAI的Codex应用公告直接点明了这一转变。开发者现在会委派工作、并行运行任务，并跨项目监督代理；旧有IDE和终端界面并不适合这种模式。¹这句话很重要，因为监督需要的布局不同于提示输入。操作者需要的是看板，而不是长卷轴。

Microsoft在2019年提出的人机AI交互指南仍然提供了基础设计框架：AI系统应传达状态、支持纠正，并在整个交互过程中处理失败。⁶代理让这些旧指南变成了可操作要求。状态现在意味着“哪个工具调用正在等待？”纠正现在意味着“拒绝并继续这次运行。”失败现在意味着“展示失败命令、变化的假设和修复路径。”

错误在于把监督视为摩擦。糟糕的监督确实会增加摩擦。好的监督会降低认知负担，因为它把决策放在正确的位置。

运行队列应该展示什么？

运行队列应展示需要注意的事项，而不是活动流水。

活动流告诉用户发生过的一切。监督队列告诉用户什么需要判断。队列可以把大多数事件压缩成少数几种状态：

OpenAI的Codex云文档描述了可以在后台运行的任务，包括在各自云环境中并行运行。²并行后台工作改变了注意力模型。用户不应逐个轮询线程。系统应把被阻塞、高风险和可审阅的工作路由到同一个地方。

队列应避免制造虚假紧迫感。草稿分支上的lint检查失败，与生产部署不一致，不应拥有同样的视觉权重。界面应把打断保留给不可逆操作、公开发布、安全敏感操作，以及代理缺少足够上下文、无法负责任继续的决策。

审批应该如何工作？

审批应像一组审阅对象构成的队列，而不是一串模态框打断。

OpenAI Agents SDK的人工介入流程会暂停执行，直到有人批准或拒绝敏感工具调用。文档将待处理审批描述为interruptions，并使用RunState在决策后进行序列化和恢复。³同一页面还指出，审批适用于嵌套代理工具和MCP工具，不只适用于当前顶层代理。³

Anthropic的Claude Code钩子文档从另一个角度暴露了相同的设计形态。PreToolUse在工具调用前运行，并且可以阻止调用。PermissionRequest会在权限对话框出现时触发。PostToolUse和PostToolUseFailure会在工具成功或失败后触发，Stop会在Claude完成响应时触发。⁵

这些基础能力指向了正确的界面：

正确的审批界面会让低风险读取静默通过，批量处理中等风险决策，并在高风险变更前打断。用户不应一边读段落一边批准shell命令。用户应审批一个带类型的操作，并获得足够上下文来保持问责。

追踪界面应该证明什么？

追踪界面应证明顺序、原因和后果。

OpenAI Agents SDK追踪文档称，追踪会记录一次运行中的LLM生成、工具调用、交接、护栏和自定义事件，并支持开发和生产环境中的调试、可视化和监控。⁴这一描述使追踪成为产品原语，而不只是开发者仪表化。

监督追踪应回答5个问题：

追踪不需要私密推理。它需要操作证据。用户不需要隐藏的思维链来评估一次发布。用户需要命令输出、路由状态、缓存状态、D1行、翻译关口、来源检查，以及仍需母语审阅的缺口。

这个区分同时保护信任和品味。展示过多内部细节会让界面变成噪音。展示过少则会让产品变成表演。

恢复应该如何融入流程？

恢复应放在失败事件旁边。

代理系统在正常工作中会不断失败：安装命令超时，格式化工具修改了无关文件，浏览器冒烟测试发现过期缓存，翻译关口拒绝某个locale，或者来源链接对脚本返回403。好的监督界面会把这些时刻视为预期状态。

恢复控件应保持具体：

OpenAI的Codex应用公告描述了代理在隔离代码副本中工作，使用户可以探索不同路径，并在某个代理继续工作的同时在本地检出变更。¹这种隔离有助于恢复，但界面仍需展示哪条路径胜出、哪条路径失败，以及哪些工作仍不适合合并。

产品绝不应让用户从原始日志中重建恢复过程。失败步骤本身已经知道它的命令、工作目录、输出和目标。界面应把负责任的下一步操作放在该事件上。

什么样的监督界面才算值得？

当监督界面减少工作量却不削弱责任时，它才算值得。

简单版本会添加更多面板。值得的版本会消除疑虑。用户应能更快回答真正重要的问题：

• 哪个运行需要我？
• 哪个操作可能造成损害？
• 哪个结果有证据？
• 哪个结果只有文字说明？
• 哪个分支应被保留？
• 哪个缺口仍未解决？

NIST的AI风险管理框架把可信度视为团队应纳入AI产品和系统设计、开发、使用和评估的内容。⁷监督界面正位于这个交汇点上。它让设计承载操作风险，让使用产生证据，让评估在用户签署之前可见。

MCP扩展了同一种责任。Model Context Protocol将AI应用连接到外部数据源、工具和工作流，使代理能够访问信息并执行任务。⁸连接的工具越多，行动面就越大。更大的行动面需要更好的监督，而不是更多信任。

设计标准应保持简单：代理产品不应最大化自主行动，而应最大化可问责进展。

如何开始构建？

从最小可用的监督界面开始：

1. 运行列表：每个活跃代理一行，包含阶段、耗时、阻塞项和下一项决策。
2. 审批队列：每个敏感工具调用一个对象，包含参数、目标、风险，以及批准/拒绝/延后控件。
3. 追踪表：每个有意义事件一行，可按读取、写入、shell、浏览器、来源、测试、部署和审阅过滤。
4. 证据面板：最终结果的声明到证明表。
5. 恢复菜单：从失败事件处执行暂停、继续、重试、分叉和带缺口关闭。

第一版可以看起来很普通。表格、过滤器、徽标和可展开行，胜过一个隐藏风险的优雅聊天记录。品味问题要在信息架构诚实之后再处理：减少噪音，谨慎使用警示色，归组低风险事件，暴露高风险载荷，并让最终签署始终绑定证据。

代理式设计就是控制界面设计。 代理界面就是操作层。 HTML可以保留Markdown丢失的空间信息。监督界面结合了这些框架：它们把自主工作转化为可检查、有空间结构且可问责的操作。

快速总结

代理需要的不是更好的聊天记录，而是监督界面。严肃的代理界面需要运行队列、审批队列、追踪时间线、证据面板和恢复控件。OpenAI、Anthropic、Microsoft、NIST和MCP的文档都指向同一种产品形态：自主系统需要可见状态、工具治理、可审阅追踪，以及处于正确层级的人工决策。^1345678

聊天可以继续作为委派通道。监督必须成为工作界面。

FAQ

什么是代理监督界面？

代理监督界面是用于监控和控制自主代理工作的UI。它展示运行状态、待审批项、工具追踪、证据、失败和恢复控件。聊天收集意图。监督界面帮助操作者决定代理下一步可以做什么，以及结果是否值得签署。

为什么聊天不足以支持AI代理？

聊天是顺序式、追加式的。代理工作需要随机访问状态、风险、审批、追踪、差异、测试输出和未解决缺口。聊天记录可以记录这些事件，但无法按风险对它们排序，也无法在并行代理之间路由人工注意力。

团队应该先构建什么？

团队应先构建运行队列和审批队列。这两个界面会立即暴露被阻塞的工作和敏感操作。接下来添加追踪表，因为证据、恢复和最终审阅都依赖事件记录。

监督界面与可观测性有什么不同？

可观测性帮助构建者调试系统。监督帮助操作者在工作发生时治理工作。两者共享数据，但服务于不同用户。生产追踪既可以为开发者调试视图供数，也可以为人工审批界面供数。

每个代理都需要人工审批吗？

不需要。每个代理都需要校准得当的监督。低风险读取可以静默运行。中等风险变更可以批量审阅。高风险操作应暂停等待审批。公开发布、破坏性命令、影响客户的操作和资金流动，都应有更强的关口。

参考资料