# 🚀Graph Engineering范式：Codex Multi-agent V2支持Kimi、MiniMax、GPT多模型混用+动态派生subagent，并行执行、Pi Agent工具调用，效率倍增 來源：https://youtu.be/RAFQc6zHdXE?si=8ECyzu-jSque3ds6 本次已先保留可用逐字稿；摘要品質可在後續進階處理。 ## 逐字稿 OpenAI最近为Codex最新版 也就是0.145.0版 推出了全新的Multi-Agent V2 也就是更加稳定的多智能体系统 这次升级之后 我们终于可以在Codex中 更加灵活的使用和管理Sub-Agent 目前Multi-Agent V2已经进入相对稳定阶段 它不仅支持为不同的子Agent 配置不同的模型和推理层级 还可以控制并发数量 当任务恢复之后 也能快速继续保持原来的角色分工 它还提供了更加清晰的agent导航和管理能力 这意味着Codex正从过去的单个超级agent 逐渐升级成为一个真正的agent调度系统 它并不是简单的启动几个subagent 让他们各自完成各自的任务 而是让一个主agent充当整个任务的调度者 主agent可以先理解和拆解任务 再把代码探索 方案设计 功能开发 测试验证代码审查等不同工作 分别交给不同的subagent 等这些subagent完成各自的任务之后 主agent还会统一收集 判断并且合并他们的执行结果 最终形成完整的解决方案 更值得关注的是 Codex现在这种工作方式 在设计思路上 已经越来越接近Cloud Code的 Dynamic Workflow功能 而且最近Graph Engineering 这个概念在AI编程领域非常火 像过去我们更多是在研究如何写好一条prompt 或者是让一个agent在loop中不断执行 检查和修复 而graph engineering关注的是更高一层的问题 也就是如何把多个agent和多个工具 多个验证点以及不同的反馈循环 组织成一张可以实际执行的任务图 像cloudcode的dynamic workflows 本身就是graph engineering的一种典型实现 它可以根据用户的目标来生成一套工作流 再通过多个subagent条件分制 并行任务和验证点 完成更加复杂的任务 而这一次Codex通过multiagent的v2 让用户能够更加自由的构建和配置不同的subagent 虽然目前它还不能完全等同于 Cloudcode的dynamic workflows 也还不是一套完整的graph workflow运行时 但从主agent的调度 角色分工 并行之行和结果汇总这些能力来看 Codex的Multi-Agent V2已经具备了非常鲜明的Graph Engineering特征 本期视频就为大家深度演示Codex中它新增的Multi-Agent V2这个功能 它在多种场景中的使用方式 以及如何配置才能让Codex的Multi-Agent V2更加接近Graph Engineering 好 想使用这个新特性非常简单 我们直接将Codex升级到最新版 我们只需要在中轮命令行中 执行codex update这条命令 就可以将我们的codex cri升级到最新版 在codex桌面版的最新版中 我们同样可以使用multiagent v2这个新特性 为了让大家能够更直观的感受到 在codex中subagent它的灵活性有多强 在这里我先让codex列出 我已经配置好的subagent 然后我们再调用subagent来启动一个任务进行测试 好,Codex这里他列出了我配置好的这4个subagent 第1个subagent他的任务是code review 然后我为他设置的模型是kimi k3 第2个subagent他的使用场景是ui产品设计与评审 然后我为他设置的模型也是kimi k3 然后第3个subagent他的任务也是代码审查 然后我为他设置的模型是minimax模型 然后第4个subagent他的任务也是代码审查 然后我为他设置的模型是gpt5.6soul模型 下方键的话 我们在codex中就可以来调用 我们已经配置好的这些subagent 也可以直接让codex根据任务的复杂度来自动派生不同的subagent 在codex中这里的主agent 我使用的模型就是gbt5.6soul模型 然后我们就可以来测试一下 让主agent来调用 我们已经配置好的subagent来执行任务 这里我输入的提示词是 让他用这三个subagent对代码进行对抗选择 然后我们就直接发送 当我们发送这个任务之后 这个任务会被当前的主agent接受 也就是我们设置的gbt5.6送模型 然后这个主agent就会调用我们刚才配置好的这三个subagent 对我们的项目代码进行对抗性审查 好 这里codex提示三个审查轨道都已经启动 在这里我们就可以看到正在运行的这三个subagent 然后我们可以点击第一个进行查看 好 第一个subagent 他这里正在运行 已经运行了一分钟 然后我们再点击查看第二个agent 这个agent调用的是minimax模型 我们点击 好 这里我们就可以看到他正在执行 然后我们再点击查看第三个subagent 第三个subagent 我是让他单独调用的pyagent来执行的代码审查任务 也就是说 在codex的这些subagent中 我们不仅可以为这些subagent配置非openai官方的模型 比如说第三方的这些kimi模型或者是mimax等模型 我们还能让subagent来调用不同的这些工具 比如说这里调用pyagent 像这样的话 我们就可以将不同任务分配给不同的模型 这样就可以更加节省codex中gpt5.6 它的token消耗 好 再等了几分钟之后 这里就提示审查完成 而且还发现了这些严重的bug 而且我们还可以点击查看这些不同subagent他们的输出结果 这里是这个使用了minimax模型的subagent 然后这是它的输出结果 这里是发现了比较严重的代码中的问题 它输出的这些内容都非常详细 然后这三个subagent他们的执行结果最后都会被主agent进行整理和分析 并给出最终的结论 像这样的话我们就完成了在codex中调用不同的subagent来完成代码的对抗性审查 然后我们可以看一下这些subagent他们的配置方式 我们可以直接在codex中点击查看 这里是这个subagent它的完整路径 它会放在codex的agents这个文件夹中 然后这是这个文件名 这里就是这个subagent它的名称 然后这里就是描述 也就是使用kmmk3模型进行代码审查 然后这里就是具体的提示词 在下面的这个模型这里 我们给它设置的就是KimiK3 因为我是使用的CCSwitch 所以在模型提供者这里 就是设置的CCSwitch 在模型的推理级别这里 我设置的是Hi 相见的话我们就可以在Codex中 用我们配置的Subagent来调用 第三方的模型 然后我们可以打开CCSwitch 在这里我们可以看到Codex 我们直接点击这个Codex 然后在这里我们就看到 我添加了KimiK3 然后我们点击编辑可以看一下我是如何配置的 然后这里就是模型提供者的这个名称 这里是Kimi的URL 然后这里就是API key 在这里就是Kimi他的API的链接 然后这里这个默认模型就是Kimi key3模型 在prompt cache这里我设置成了enable 在模型映射这里就对应Kimi key3 像这样的话我们就可以通过CC switch这个项目 将KIMI的API转换为支持Codex的API的格式 我们就可以在Codex的Subagent中来调用这个模型 也可以将主Agent模型改成第三方模型 但我这里还是默认使用的GPT5.6SOM模型 因为为主模型设置一个更加强大的模型 它在调度和分配这些Subagent的时候 会执行的更加精准和高效 然后我们再看一下这个Subagent 看一下它的配置 然后再下 然后在下面的参数这里这里就是模型名称 这里就是模型提供商 这里就是他的思考级别 因为minimax模型他本身就兼容codex的这种ap格式 所以在这里就不需要为minimax的这些API通过ccswitch进行转换了 因为我们刚才调用的kimi的API 它是不兼容codex的API格式的 所以我们刚才需要用ccswitch进行转换 但minimax的API它兼容codex 所以我们就不需要进行转换就可以直接调用 然后我们再看一下这个subagent 它是调用了py agent给它设置的模型 就是gpt5.6soul模型 然后给他设置的推理级别是high 相见的话 我们在codex中就分别设置了几个不同的subagent 并且让他们调用了不同的模型 甚至还可以让他们调用不同的工具 比如说这个subagent中让他调用了py agent 而且在这个UI产品设计的subagent中 我还让他调用了scale 也就是让他使用了superdesign这个scale 在codex的插件市场 我们就可以看到这个superdesign 像这些subagent我们就可以手动创建 也可以让codex直接帮我们创建 然后我们输入任务 让它创建一个用于漏洞扫描的subagent 要求这个subagent使用深度安全扫描这个scale 然后模型使用gpd5.6so 思考级别设为extra high 然后我们点击发送 好这里提示创建完成 而且它创建的这个subagent现在正在运行 它正在分析我们的项目代码库 然后我们还可以让codex在执行任务的时候动态的分配subagent 我输入的任务是派生5个subagent对代码进行对抗审查 分别调用不同的gpt系列模型以及kimi模型和mimax模型 然后我们就发送让codex动态的派生不同的subagent为我们执行任务 然后我们就看到他动态派生了这几个subagent 我们可以先点开看一下第一个subagent 好 第一个sub agent 因为调用的是kimi k3模型 然后调用次数过多 这里被限制了 然后我们再看一下第二个 第二个sub agent 使用的是minimax的模型 然后他正在执行 没有遇到速率限制 然后我们再看一下 这个使用gpd5.6soul模型的这个sub agent 好 这里他正在执行 然后我们再继续看 这是另一个sub agent 这里也正在执行 相见的话我们就在codex中 让codex动态的派生了不同的subagent来同时执行任务 而且codex他支持subagent内嵌subagent 为了节省时间这里就不再为大家去演示了 通过我们刚才的测试 可以发现codex的multiagentv2 这个多subagent的功能已经非常成熟 而且非常灵活 我们既可以手动设置这些subagent 也可以让codex动态派生不同的subagent 而且我们还可以为这一些不同的subagent 分配不同的模型 还能设置他们的思考级别 Codex它变得也越来越灵活 在多agent方面的能力也越来越强大 甚至已经具备graph engineering的初级范式 在很大程度上 我们甚至可以使用Codex 来完全替代cloudcode 好 本期视频就做到这里 欢迎大家点赞 关注和转发 谢谢大家观看