5 分钟搭建 Polly 多 Agent 工作流

Polly 是 Omnigent 自带的编排 Agent——她本人不写代码，她的工作是拆任务、分活、协调、交叉审查。做完上一期的横评后，我就在自己机器上跑了 Polly，这里把搭建过程记下来，你跟着走一遍，5 分钟就能跑起来。

前提条件

你电脑上已经装了的 Agent CLI 越多，Polly 能调度的"人手"就越多。理想情况是装了这些：

claude    # Claude Code
codex     # Codex (OpenAI)
hermes    # Hermes Agent
cursor-agent  # Cursor
pi        # Pi
opencode  # OpenCode

少几个也没关系，Polly 会在启动时自动检测可用的，只调度那些找到的。

第一步：安装 Omnigent（如果还没装）

一行命令搞定：

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

或者用 Homebrew：

brew install omnigent-ai/tap/omnigent

装完验证：omni --version 应该看到 omnigent x.y.z。

第二步：拉 Polly

Omnigent 安装后，Polly 已经在内了——不需要额外下载。直接跑：

omni run examples/polly/

就是这么简单。

第三步：看 Polly 干活

跑起来后你会看到 Omnigent 的 Web UI（默认 http://localhost:6767），Polly 的 session 在那里。她的工作流程像一条流水线：

你给任务 → Polly 拆解 → 检测可用 Agent
           ↓
    ├── Claude Code → 实现模块A
    ├── Codex → 实现模块B
    └── Pi → 调研文档
           ↓
    收件箱收齐所有结果
           ↓
    交叉审查（Claude 写的 Codex 审，反过来也审）
           ↓
    每个实现者开自己的 PR → 你决定要不要合并

全程你可以在 Web UI 的 Subagents 面板里点开任何一个子 Agent 的终端，实时看到它正在做什么，甚至可以接管。

第四步：给 Polly 一个真实任务

别给 hello world。Polly 的设计目标是大任务——复杂点的重构、多模块功能、跨文件改造。

举个例子，你在一个项目里想加个新功能，可以这么跟 Polk 说：

"在 app/services/ 下新增一个通知服务，支持邮件和 Slack 两种推送方式。已有的用户模块在 app/models/user.py。需要完整的 CRUD、单元测试、以及对应的迁移文件。"

Polly 收到后会：

1. 拆成：设计 → 实现通知模型 → 实现邮件通道 → 实现 Slack 通道 → 实现 API 层 → 写测试
2. 并行分派给不同的 Agent
3. 每个子 Agent 在自己的独立 git worktree 里工作
4. 完成后做交叉审查
5. 每人开 PR

一个小技巧

Polly 有系统级策略配置，可以限制每轮最多派多少活（默认 6）、是否允许 push 到远程等。在 examples/polly/config.yaml 里能找到：

guardrails:
  policies:
    spawn_bounds:
      arguments:
        max_dispatches_per_turn: 6   # 每轮最多派 6 个任务

如果你想先试试水，把 max_dispatches_per_turn 改成 2 或 3，等熟悉了再放开。

踩坑提醒

1. Polly 写不了代码——她是纯编排。如果你只装了 Claude Code 一个 Agent，Polly 也只能调度 Claude Code，那就没意义了。至少要两个不同的 Agent（Claude + Codex 或 Claude + Hermes）才能体现跨供应商交叉审查的价值。
2. git worktree——每个子 Agent 在独立 worktree 里跑，所以你的项目必须是一个 git 仓库。
3. 首次运行——Polly 会做一次预检，看看哪些 Agent 可用。如果某个 CLI 没找到，她会静默跳过，不会报错。

Polly 目前还是实验性功能（0.5.1），但方向清晰：把人工切换 Agent 的上下文损耗降到零。5 分钟搭完跑一次，你就会理解为什么 Agent 编排层值得关注。试试看。