核心用法
ACPX 是一个基于 Node.js 的 CLI 工具，作为多 AI Agent 的编排层，封装了 opencode、pi、kimi、codex、claude 等 Agent 的统一调用接口。
主要命令体系：
- 发现与管理：
discover自动识别已安装 Agent，health批量健康检测，watch/kill会话监控 - 执行模式：
run单 Agent 执行，parallel并行多任务（独立任务），batch顺序执行（依赖任务） - 工作流预设：内置
review（代码审查）、refactor（安全重构）、test（测试生成）、debug（深度调查）四种标准化流程 - 输出格式：
json命令支持结构化输出，便于与jq等工具链集成
典型工作流：
acpx discover # 识别可用 Agent acpx health # 预检所有 Agent acpx workflow review # 执行代码审查工作流 acpx parallel tasks.txt # 批量并行任务
显著优点
1. 统一抽象层：屏蔽底层各 Agent CLI 的差异，提供一致的调用接口
2. 并行编排能力：parallel 命令支持真正的同时执行，提升批量处理效率
3. 依赖感知执行：batch 顺序模式正确处理任务间依赖关系
4. 健康检查机制：内置 health 命令，避免在无效 Agent 上浪费时间
5. OpenClaw 集成：提供 sessions_spawn 调用示例，适配子 Agent 运行模式
潜在缺点与局限性
1. Agent 耦合性：依赖外部 Agent 已正确安装配置，本身不提供 AI 能力
2. 文件写入冲突：parallel 模式下多 Agent 同时写入同一目录存在竞态风险
3. 超时控制有限：仅 debug 工作流显式配置 600s 超时，其他场景无细粒度控制
4. 错误隔离不足：并行任务中单个 Agent 失败可能影响整体结果收集
5. MIT 许可证：开源但无商业支持承诺，长期维护依赖社区
适合人群
- 多 Agent 用户：同时使用 2 种以上 AI 编码助手（如 OpenCode + Claude Code）的开发者
- 自动化工程师：需要将 AI Agent 集成到 CI/CD 或脚本工作流的技术团队
- 批量处理场景：需对大量文件执行相同 AI 操作（如批量审查、批量生成测试）
常规风险
| 风险类别 | 具体说明 | 缓解建议 |
|---------|---------|---------|
| 文件系统冲突 | 并行任务默认写入同一目录，可能覆盖或损坏文件 | 使用独立工作目录，或通过 `[cwd]` 参数隔离 |
| Agent 状态漂移 | `health` 通过不代表执行时可用，Agent 可能崩溃或超时 | 关键任务添加重试逻辑，监控 `watch` 输出 |
| 提示词注入 | `tasks.txt` 中的用户输入可能包含恶意指令 | 审查任务文件来源，避免直接拼接不可信输入 |
| 敏感信息泄露 | Agent 可能将代码上下文上传至云端模型 | 配置 `.acpxignore`，排除含密钥、令牌的路径 |
| 版本兼容性 | Agent CLI 接口变更可能导致 ACPX 调用失败 | 锁定 Agent 版本，关注 ACPX changelog |
综合评价
ACPX 填补了"多 AI Agent 缺乏统一编排工具"的空白，其 parallel/batch 的双模式设计体现了对实际工程场景的深入理解。对于已建立多 Agent 工作流的团队，能显著降低脚本维护成本；但对于单一 Agent 用户，收益有限。建议结合具体 Agent 的安全配置使用，并建立任务隔离规范。