Agent of Empires

核心用法

Agent of Empires (aoe) 是专为 AI 编码代理设计的 tmux 会话管理工具，封装了 Claude Code、Codex、OpenCode 等工具的启动与监控流程。

典型工作流

• 创建会话: aoe add /path/to/repo -t "feature X" -g backend -l（-l 立即启动）
• 并行开发: 利用 Git 工作树隔离 aoe add . -t "fix-123" -w fix/issue-123 -l
• 状态监控: aoe status --json 获取 running/waiting/idle/stopped 统计
• 输出捕获: aoe session capture <id> --json 提取代理输出用于审查
• 自动检测: 在 aoe 管理的 tmux 会话内运行可省略 session ID

关键特性

• Profile 隔离: 多工作空间支持，通过 -p <name> 或环境变量切换
• Group 分组: 支持嵌套路径（如 backend/api）组织大量会话
• YOLO 模式: -y 跳过权限提示，适合自动化场景
• Docker 沙箱: -s 启动隔离环境

显著优点

1. 专为 AI 代理设计: 原生理解 Claude Code/Codex 等工具的生命周期，比裸用 tmux 更高效
2. JSON 输出友好: 所有查询命令支持 --json，便于脚本集成
3. 工作树原生支持: 无需手动管理 git worktree，自动处理并行分支开发
4. 实时状态感知: 区分 waiting（等待用户输入）vs running（执行中）状态，避免无效等待

潜在局限

• tmux 依赖: 必须安装并运行 tmux，Windows 原生支持有限
• 工具特定: 不适合通用 tmux 窗口管理，功能聚焦于编码代理场景
• 外部二进制: 需要单独安装 aoe CLI，非纯 shell 方案

适合人群

• 需要同时运行多个 AI 编码代理的开发者
• 进行大规模并行代码审查或重构的团队
• 追求自动化代理工作流的高级用户

常规风险

• 会话孤立: 强制删除正在运行的会话可能导致 tmux 孤儿进程
• 工作树残留: --delete-worktree 操作不可逆，需谨慎使用 -f 强制标志
• 环境泄露: Docker 沙箱 (-s) 配置不当可能突破隔离
• 权限绕过: YOLO 模式 (-y) 跳过确认，不适合不可信代码库

核心用法

Agent of Empires (aoe) 是一款专为 AI 编码代理设计的 tmux 会话管理工具，支持对 Claude Code、Codex、OpenCode 等主流 AI 编程工具进行集中化生命周期管理。用户可通过 aoe add 快速创建带元数据的会话，利用 -g 分组与 -w 工作树实现并行分支开发，通过 aoe list --json 与 aoe status --json 获取结构化状态监控数据，并借助 aoe session capture 捕获会话输出用于审查或自动化分析。

核心工作流围绕"会话-分组-配置文件"三层架构展开：会话作为最小执行单元承载具体 AI 代理进程；分组支持嵌套命名空间（如 backend/api）实现逻辑隔离；配置文件（Profile）则提供多工作空间切换能力，满足多项目隔离需求。工具深度集成 Git 工作树特性，允许在同一代码库上并行启动多个独立代理会话，配合 -y YOLO 模式实现零交互批量部署。

显著优点

规模化并行管理能力：突破单会话限制，支持数十个 AI 代理同时运行，通过 aoe status 聚合视图实时掌控全局状态（running/waiting/idle/error），大幅提升复杂项目的并发开发效率。

可观测与自动化友好：全量 JSON 输出接口（--json 标志）使工具极易集成至 CI/CD 流水线或自定义监控脚本；session capture 功能支持程序化提取会话内容，为自动化测试、代码审查、日志归档提供基础设施。

工作树原生支持：深度整合 git worktree，允许在同一代码库的不同分支上并行运行独立代理会话，避免上下文污染，特别适合大型项目的多特性并行开发场景。

沙箱与隔离机制：支持 Docker 沙箱启动（-s 标志）与子会话层级（-P 父会话），配合配置文件隔离，为不可信代码执行与权限管控提供多层防护。

潜在缺点与局限性

外部依赖刚性：必须预先安装 aoe CLI 与 tmux，且工具本身对 tmux 有深度绑定，Windows 原生环境支持有限，跨平台协作存在摩擦成本。

学习曲线陡峭：概念体系（Session/Group/Profile/Worktree）层次较多，CLI 标志设计密集（如 -P 父会话与 -p 配置文件易混淆），新用户需投入时间理解状态机与 JSON 输出结构。

功能边界模糊：明确声明不适用于"与编码代理无关的通用 tmux 管理"，但实际使用中用户难以快速判断某些场景是否越界，可能导致误用或功能预期落差。

YOLO 模式风险：-y 参数跳过权限提示的设计虽提升效率，但文档也承认其安全隐患，在自动化脚本中滥用可能导致不可逆的代码变更。

适合的目标群体

多代理并行开发者：需在单项目或跨项目中同时管理多个 AI 编码任务的资深工程师，尤其是采用"AI 驱动开发"模式的技术团队。

DevOps/平台工程师：负责构建内部 AI 开发平台的团队，可利用 aoe 的 JSON API 封装企业级工作流，实现代理会话的编排、监控与审计。

开源维护者与贡献者：频繁在多个分支上处理 Issue/PR 的开发者，工作树集成功能可显著降低上下文切换成本。

使用风险与注意事项

运行时环境风险：作为纯 Markdown 技能，本 Skill 本身无代码执行，但实际功能完全依赖外部 aoe 二进制与 tmux 守护进程。用户需从官方渠道（GitHub 组织账号）获取 aoe，警惕供应链攻击；tmux 会话残留可能导致资源泄漏，需定期执行 aoe worktree cleanup。

敏感信息暴露：session capture 可能记录终端输出中的 API 密钥、环境变量或私钥内容，建议在分享捕获结果前进行脱敏处理，或使用 --strip-ansi 减少元数据残留。

自动化脚本稳健性：JSON 输出结构虽稳定，但字段存在条件省略（如 command 为空时消失），脚本需做好缺失键的防御性处理；status --json 与 list --json 状态字段语义不同，混用可能导致监控误判。

权限与沙箱边界：Docker 沙箱模式（-s）依赖本地 Docker 环境，配置不当可能导致容器逃逸风险；YOLO 模式应仅限受控代码库使用，禁止用于第三方依赖的自动更新场景。