Agent of Empires

核心用法

Agent of Empires (aoe) 是一款专为 AI 编程代理设计的 tmux 会话管理工具，支持 Claude Code、Codex、OpenCode 等多种代理工具的集中化生命周期管理。

会话管理：通过 aoe add 创建带标题、分组、指定工具的代理会话，支持 -l 立即启动、-w 绑定 Git 工作树、-s Docker 沙箱隔离、-y YOLO 免确认模式。会话自动分配 UUID，支持通过 ID 或标题引用。

监控与捕获：aoe session capture 是核心能力，可提取 tmux 面板内容用于状态审查；aoe status --json 提供运行/等待/空闲/停止等聚合统计，便于脚本轮询判断任务完成状态。

组织与隔离：支持嵌套分组（backend/api）、多 Profile 工作区、子会话依赖关系，配合 aoe list --json 实现程序化会话遍历。

显著优点

• 代理原生设计：相比原始 tmux 命令，内置状态语义（running/waiting/idle/stopped/error）和工具元数据
• 并行开发友好：Git 工作树集成实现多分支同时推进，避免切换冲突
• 可编程接口：JSON 输出格式统一，与 jq 配合实现监控脚本自动化
• 环境隔离：Docker 沙箱与 Profile 机制保障多项目、多环境互不干扰

潜在局限

• tmux 强依赖：必须预先安装并运行 tmux 服务
• 生态锁定：主要针对 Claude Code 等特定代理优化，通用进程管理场景非其目标
• TUI 与 CLI 分离：分组批量操作依赖交互式 TUI，纯脚本场景需自行实现循环逻辑

适合人群

• 需要同时管理 3+ 个 AI 编码代理的开发者
• 追求"后台运行、异步审查"工作流的技术团队
• 希望用 JSON API 自动化代理流水线的高级用户

常规风险

• 会话残留：代理异常退出可能导致 tmux 会话僵尸，需定期 aoe worktree cleanup
• YOLO 模式：-y 跳过权限确认可能引发意外文件变更
• tmux 配置冲突：用户自定义的 tmux 绑定可能干扰 aoe 的面板捕获
• 工作树膨胀：频繁创建 -w 工作树若无 --delete-worktree 清理，将累积磁盘占用

核心用法

Agent of Empires (aoe) Skill 是一套用于管理 AI 编程代理会话的命令行工具文档，基于 tmux 实现进程隔离与会话持久化。用户可通过 aoe add 在指定项目目录创建代理会话，支持指定标题 (-t)、分组 (-g)、工具类型 (-c 如 claude/codex)、Git worktree 并行开发 (-w) 及 Docker 沙盒环境 (-s)。会话创建后可立即启动 (-l) 或后续手动控制生命周期。

会话管理涵盖启动、停止、重启、附加交互 (aoe session attach) 等操作，并内置自动检测机制——在 aoe 管理的 tmux 窗格内执行命令时可省略会话标识符。状态监控通过 aoe list（人类可读）与 aoe list --json（机器解析）双模式输出，支持捕获 tmux 窗格内容 (aoe session capture) 用于进度审查与日志留存。高级功能包括多 Profile 工作区隔离 (-p)、嵌套分组组织 (backend/api)、子会话层级 (-P)，以及通过 TUI 进行批量群组操作。

显著优点

多代理并行编排：支持在同一项目或不同 worktree 分支上同时运行多个 AI 代理，通过 aoe status --json 实时聚合所有会话状态，结合 shell 脚本实现轮询监控循环，大幅提升复杂项目的开发效率。

环境隔离与复用：基于 tmux 的会话机制确保代理进程崩溃不影响主机环境；Git worktree 集成允许在独立分支上并行实验，避免代码冲突；Docker 沙盒选项 (-s) 提供额外的安全边界。

自动化友好设计：全命令支持 JSON 输出，与 jq 等工具无缝集成；aoe status -q 仅输出等待计数，专为 CI/CD 脚本优化；会话捕获功能支持 ANSI 剥离与行数限制，便于生成干净的审查报告。

组织化管理：分组、Profile、嵌套路径等抽象层帮助开发者在多项目、多任务场景下保持清晰结构，避免 tmux 会话爆炸带来的认知负担。

潜在缺点与局限性

外部工具强依赖：本 Skill 仅为使用文档，实际功能完全依赖独立安装的 aoe 二进制与 tmux，版本兼容性、路径配置、权限问题需用户自行解决。Windows 原生环境不支持 tmux，WSL 或虚拟机成为必需。

功能边界模糊风险：文档明确警示 "Do NOT use this skill for general tmux window/pane management"，但实际使用中难以完全隔离，可能导致用户混淆 aoe 管理会话与原生 tmux 命令，产生意外状态。

YOLO 模式安全隐患：-y 参数跳过 AI 代理的权限确认提示，虽提升自动化效率，但可能在不可信代码库上执行危险操作，需严格限制使用场景。

捕获输出的隐私风险：aoe session capture 获取的窗格内容可能包含 API 密钥、私钥、内部代码等敏感信息，文档虽作警示但无技术手段自动脱敏，依赖用户人工审查。

无内置持久化存储：会话元数据、捕获输出、历史记录均存放于本地文件系统，无云同步或备份机制，设备损坏或误删 aoe 配置目录将导致数据丢失。

适合的目标群体

本 Skill 主要面向多线程 AI 辅助开发的高级开发者与技术团队负责人，典型场景包括：需要同时推进多个功能分支的独立开发者；管理分布式团队 AI 代理会话的 Tech Lead；构建 AI 编程自动化工作流的 DevOps 工程师；以及希望将 Claude Code/Codex 集成进现有 tmux 工作流的资深终端用户。对单任务、轻量级使用或图形界面偏好者而言，学习成本过高，收益有限。

使用风险

供应链风险：aoe 与 tmux 需从可信渠道安装，若使用非官方包或未经审计的第三方构建，存在恶意代码注入可能。建议验证二进制签名或从源码编译。

权限升级风险：YOLO 模式配合自动启动 (-l) 可能在不审阅的情况下执行 AI 生成的 shell 命令，导致文件系统意外变更、依赖污染或安全凭证泄露。

数据残留风险：会话捕获文件若未加密存储或误提交至版本控制，将造成敏感信息外泄。aoe remove --delete-worktree 的强制删除操作不可逆，可能丢失未推送的实验代码。

性能与资源占用：大量并行 tmux 会话及 AI 代理进程将显著消耗内存与 CPU，在资源受限环境（如云服务器、低配笔记本）可能引发系统卡顿或 OOM。

监控盲区：JSON 输出虽结构化，但 unknown 状态的会话可能存在底层进程僵死，需结合 tmux ls 原生命令交叉验证，避免状态不一致导致的误判。