最近我在 Codex 里做了一次很有意思的实验。 不是让 AI 帮我写一篇文章，也不是让 AI 查几个案例，而是用 Codex 的多线程能力，手动搭了一套“半自动 subagent 团队”。 简单说，就是：人定规则，AI 执行，文件系统做骨架。 传统 multi-agent 听起来很美，给一个总任务，AI 自动拆解、自动派发、自动整合。但实际用下来，最大问题是失控。AI 怎么拆任务、子任务质量如何、中间有没有跑偏，人很难及时介入。 所以我换了一个思路。 1.派发阶段，由主控窗口生成结构化启动指令，写清任务目标、读写边界和验收标准。哪些能做，哪些不能做，都提前写死。 2.执行阶段，支线窗口只处理自己负责的任务，只写自己的状态文件，不碰主控看板和其他窗口内容。 验收阶段，支线提交不等于通过。主控要对照 acceptance gates 逐项核验，不符合就打回。 这就是我说的“半自动”。 它不是 AI 全自动狂奔，也不是人把所有细节都抓在手里，而是把人放在关键控制点上：定规则、划边界、做裁决。 更关键的是，整个系统不能依赖某一个对话窗口。 我的一个主控窗口曾经真的崩过，出现 systemError。如果项目状态只存在聊天上下文里，那就断了。但因为所有关键状态都沉淀在本地文件系统中，新主控只需要读取 00_status.md、09_dispatch_board.md、08_handoff.md、06_operation_log.md，就能重新接任。 这件事让我确认了一个原则：对话不是事实源，本地文件才是事实源。 跨线程通知只是触发器。真正的项目状态，必须落到可审计、可恢复、可交接的文件里。 这套机制现在还很粗糙，但骨架已经立住了。 我越来越觉得，AI native 不是“用 AI 提高效率”这么简单。它真正改变的是组织方式。 人不再是数据搬运工，而是规则制定者和质量裁决者。AI 负责拆解、流转和重组。文件系统负责承载状态和记忆。 工具会变，平台会更新。 但这个结构性思路不会轻易失效：人定规则，AI 执行，文件系统做骨架。 AI工具 #Codex #法律科技 #AI原生 #工作流 #律师成长 #知识管理 #小团队效率 #subagent #程律进化论