异步编码代理指南：让AI边干活边等你答复

2026年8月，OpenAI 把 send_user_message_async 合并进了公开的 Codex 仓库（据 The New Stack 报道）。这个看似很小的改动，其实改变了编码代理和开发者之间的关系：以前代理问你问题时必须停下来干等，现在它可以先把消息发出去、立刻收到「已接受」的确认，然后继续干活。今天我们就聊聊异步编码代理怎么用、为什么它是生产环境的必需品。

现代开发工作流中的AI代理

一、什么是异步编码代理

异步编码代理的核心是「不阻塞」。The New Stack 在报道中对比了两种工具：Codex 原有的 request_user_input 会暂停整个回合，等开发者回答后才继续；而新合并的 send_user_message_async 把问题或进度发给开发者、收到「已接受」响应后立即继续当前回合，开发者的回复稍后以新的用户消息返回。集成测试里，代理发送「Still investigating（还在调查）」后立刻获得了继续生成的机会——不再干等。

二、为什么生产环境需要异步

真实开发里，一个重构任务可能要问 3-5 个决策问题。如果每次都阻塞，一次 20 分钟的会话会浪费一半时间在等待上。异步让代理把「不依赖答案的工作」先做完：先分析调用图、先写测试、先整理 patch，只在真正需要拍板时才打断你。The New Stack 指出，这类改动证明 OpenAI 正在构建「编码代理与监督它的开发者之间」的全新协作关系。

# The old blocking pattern: request_user_input
# Codex pauses the whole turn and waits for the developer
def verify_breaking_change(plan):
    # This tool BLOCKS: the agent stops generating
    answer = request_user_input(
        "This refactor touches auth/validator.ts. Proceed?"
    )
    if answer == "yes":
        return execute(plan)
    return plan.revised

三、异步消息是侧信道，不污染上下文

一个容易被忽略的细节：OpenAI 没有把给开发者看的消息以普通 assistant 回复的形式二次塞进模型输入。原始的工具调用和「已接受」结果保留在对话里，但消息本身不会重复注入——相当于一条「侧信道」。这避免了无意义的 token 浪费，也防止代理被自己的进度汇报带偏。对在意上下文预算的团队来说，这个设计很关键。

# The new async pattern: send_user_message_async
# Codex sends the message, gets "accepted", and keeps working
def long_running_refactor():
    send_user_message_async(
        "Still investigating the cache invalidation path."
    )
    # No blocking: the agent continues the current turn
    graph = inspect_call_graph("src/cache")
    risky = find_write_cycles(graph)
    if risky:
        send_user_message_async(
            "Found 3 write cycles. Preparing a minimal patch."
        )
    return patch

四、子代理与异步的边界

合并的代码里有个注册逻辑：子代理（subagents）不会拿到这个工具。也就是说，一个用了多个子代理的 Codex 任务，仍然只有一个代理负责和开发者沟通。这是刻意的设计——避免多个代理同时向你发问造成混乱。团队在编排多代理工作流时，也应该约定「单一对外沟通口」。

# Worker agent pattern: background jobs with a heartbeat
# A task queue keeps the human informed without stalling the agent
from codex import CodexSession

session = CodexSession(repo="evergreen-tools")

job = session.submit_async(
    prompt="Upgrade all lodash imports to native ES2024",
    notify_on=["progress", "question", "done"],
)

# The human sees updates as they arrive and answers only
# when a decision is actually needed
for update in job.stream():
    if update.kind == "question":
        update.answer(input("Decision needed: "))
    elif update.kind == "progress":
        print(f"[agent] {update.text}")

五、落地姿势：队列、心跳与决策点

把异步代理接入真实工作流，建议采用三个模式：任务队列（提交后台任务并订阅通知）、心跳消息（长任务定期汇报进度）、决策点拆分（只在需要拍板时发问）。这样开发者从「陪聊」变成「审批」，代理从「一步一问」变成「连续推进」，整体吞吐能提升一个数量级。

# Review-loop pattern: async handoff between agent and reviewer
# The agent keeps the repo green while the reviewer thinks
pipeline = [
    ("agent", "implement feature X with tests"),
    ("async",  "notify reviewer: PR ready for early look"),
    ("agent", "continue on independent task Y"),  # no waiting
    ("human", "approve or request changes"),
    ("agent", "address review comments and rebase"),
]

for step in pipeline:
    run(step)   # async steps never block the queue

六、什么时候不要用异步

异步不是银弹。高风险操作（改数据库 schema、动生产配置）仍然应该用阻塞式确认；没有充分测试覆盖的任务，让代理自由推进可能制造垃圾改动。最佳实践是：默认异步推进，关键路径强制同步确认——「该问就问，不该问别烦我」。