Symphony: OpenAI’s Open-Source Specification for Codex Orchestration

Lisa Ernst · 28.04.2026 · Artificial Intelligence · 9 min

AI 编排：OpenAI LLM 编码代理 Symphony 内部

当 OpenAI 发布 Symphony，其用于编排编码代理的开源规范时，我发现自己被其对软件开发的潜在影响所吸引。这个系统旨在将项目管理板转变为 AI 的操作控制界面，预示着一个未来，其中自主代理将处理软件工程中越来越多的繁重工作。本质上，Symphony 允许一个 AI 管理其他 AI，分配任务，跟踪进度，甚至从错误中恢复。这种 OpenAI 内部开发以提高自身生产力的方法，从根本上改变了我们与大型语言模型（LLM）在代码生成中的交互方式。

来源: 原创插画

Symphony 核心解决的问题在于独立 LLM 的固有局限性：它们在持久上下文、实时知识和多步骤复杂问题方面存在困难。编排框架弥合了这些差距，进而简化了提示工程、API 交互、数据检索和状态管理等流程。Symphony 专注于编码代理，通过将项目管理任务转化为 AI 的可执行单元来体现这一点。

快速摘要

以下是 OpenAI Symphony 的简要概述：

• 它是什么： 用于编排 Codex（及其他）编码代理的开源规范。
• 起源： OpenAI 内部开发，以提高代码生成生产力。
• 核心理念： 将项目管理板（如 Linear）转化为 AI 代理的控制平面。
• 如何工作： 每个开放任务都有一个专门的代理；Symphony 监控、重启并组织工作。
• 主要优点： 减少了人类工程师的上下文切换，提高了 PR 合并率（内部最高可达 500%），并为代理提供目标而非僵化的转移。
• 组件： 包括工作流程加载器、配置层、问题跟踪器客户端、编排器、工作区管理器、代理运行器和可观测性功能。
• 不是产品： 作为参考实现发布，而非独立产品。
• 社区影响： 启发了 Go 语言和 Claude Code 等其他 LLM 的社区实现。

理解 Symphony：规范

Symphony 作为 open-source specification for orchestrating Codex agents. 最初在 OpenAI 内部开发，其主要目标是提高使用 Codex 进行代码生成的生产力。该系统旨在将传统的项目管理板，如 Linear，转化为一个 control plane for these coding agents. 在此模型下，项目板上的每个开放任务都分配给一个专门的代理，负责 continuously working on it.

来源: github.com

GitHub 存储库屏幕截图展示了 OpenAI Symphony 规范的主页，其中详细介绍了如何编排 Codex 代理以提高生产力。

Symphony 会持续监控这些任务板，在代理崩溃或停滞时重启它们，并 500% increase in landed pull requests 对于一些内部 OpenAI 团队。主要优点是减轻了人类工程师的认知负担，他们不再需要 manage multiple interactive coding agents individually. Symphony 背后的核心理念是为代理提供目标而非僵化的转移，这类似于 manager assigns a goal to an employee.

该规范本身主要是一个 SPEC.md 文件，它 outlines the problem and the proposed solution. Symphony 作为一个长期运行的自动化服务，不断 reads tasks from an issue tracker. 对于每个问题，Symphony 都会创建一个隔离的工作区并 runs a coding agent session within it. 它解决了四个操作挑战： repeatable daemon workflows, isolated agent execution, version-controlled workflow policies, and observability.

Symphony 的目标包括查询问题跟踪器、维护权威的编排器状态、创建确定性的工作区、终止空闲运行、从错误中恢复、从 WORKFLOW.md 文件加载运行时行为以及提供可观测性。它特别避免成为一个丰富的 Web UI、一个通用的工作流引擎，或者包含用于票证处理的内置业务逻辑。

通过编排来操作代码生成

Symphony 的实际实现依赖于一系列组件和层。其架构分为策略层、配置层、协调层（编排器本身）、执行层、集成层和 Observability Layer. 外部依赖项包括一个问题跟踪器 API（如 Linear）、一个本地文件系统、可选的工作区填充工具（如 Git CLI）以及 coding agent executable.

核心域模型包括问题、工作流定义、工作区和 Run Attempts. 工作流规范在 WORKFLOW.md 文件中定义，其中可以包含 YAML Frontmatter 以用于配置参数，例如 tracker 设置、polling 间隔和 workspace roots. 此 WORKFLOW.md 文件还包含 prompt template for each issue. Symphony 支持对 WORKFLOW.md 配置进行动态重新加载，而无需 service restart.

编排器组件管理调度状态，将问题从 Unclaimed、Claimed、Running 等状态转移到 Released. 运行尝试经历 PreparingWorkspace、BuildingPrompt、LaunchingAgentProcess 和 StreamingTurn 等阶段，最终以 Succeeded、Failed、TimedOut 或 Stalled. Symphony 通过序列化状态变异并在启动工作进程之前执行检查来确保幂等性和恢复能力。它还包括 exponential backoff for retries after failures.

在定义的根目录下为每个问题创建的工作区是 reused across run attempts. Symphony 还支持可选的工作区钩子，如 Shell 脚本，例如 after_create or before_run. 至关重要的是，Agent Runner Protocol 通过标准 I/O 集成编码代理的应用程序服务器，使用 JSON-RPC-like messages.

核心架构组件

LLM 编排的更广泛格局

Symphony 的发布凸显了 LLM orchestration. LLM 编排对于管理和协调 LLM 至关重要，以确保其无缝集成和最佳性能。它解决了独立 LLM 的局限性，包括缺乏上下文保留、过时的知识库、API 复杂性、工作流碎片化和资源利用效率低下。

编排层充当中央智能，管理 LLM 驱动的应用程序的整个工作流。其任务包括提示链管理、LLM 资源和性能管理、数据管理和预处理以及 LLM 集成和交互。LLM 编排的关键要素涉及智能提示处理、模型选择和备份、上下文管理、性能跟踪、安全和智能资源利用。

除了 Symphony 之外，还有许多框架可以促进 LLM 编排。例如，LangChain，一个开源 Python 框架；Microsoft 的 AutoGen，用于多代理对话；LlamaIndex，用于上下文增强的 LLM 应用；以及 Haystack，用于可扩展的搜索管道。像 crewAI 这样的框架建立在 LangChain 之上，提供基于角色的自主 AI 代理。

来源: seeklogo.com

LangChain 徽标代表了众多旨在促进 LLM 编排的框架之一，创建了具有结构化交互的综合应用程序。

这些框架展示了编排 LLM 的不同方法。一些，例如统一 LLM 客户端规范，旨在为跨多个 LLM 提供商构建一致的客户端库提供一个语言无关的文档，使开发人员能够编写与供应商无关的代码。其他，如 Sibyl，专注于抽象 LLM 工作流并提供插件接口。ECO-LLM 将 LLM 部署视为整个查询分辨率路径上的联合优化问题，从而优化 LLM 部署，在准确性方面优于云端模型，并显著降低成本和延迟。Eino，来自 ByteDance 的一个开源 Go 语言框架，专注于 LLM 应用的基于组件的开发，并提供全面的工具生态系统。Orchesity IDE OSS 提供了一个用于多 LLM 编排的开源集成开发环境，具有智能路由、动态权重算法和缓存。

社区采用与未来展望

Symphony 作为 open-source specification 发布，并非旨在作为独立产品，而是作为参考实现，以展示 Codex App Server 结合 workflow tools like Linear. 自发布以来，该项目已引起了广泛关注，积累了超过 15,000 GitHub stars by April 23, 2026.

社区已经开始开发自己的实现。例如，Junho Yeo 发布了 Contrabass，一个 GitHub repository that recreates OpenAI's Symphony orchestrator in Go. 另一个值得注意的例子是改编开源编排器以支持 Claude Code; see tweet.

来源: pinterest.com

Junho Yeo，如图所示，开发了 Contrabass，这是一个基于 Go 语言的 OpenAI Symphony 编排器重现，展示了社区驱动的规范实现。

该领域的进一步发展包括 CLI 代理，如 OpenCode，这是一个 MIT 许可的、注重隐私的代理，能够自主发现上下文。桌面解决方案，如 macOS 的 Intent，提供了一个工作区，通过协调器、专家和验证器来编排多个代理与实时规范。

常见问题解答（FAQ）

结论

LLM 的编排不再是一个小众概念，而是构建健壮、可扩展且高效的 AI 应用的基础要求。OpenAI 的 Symphony 证明了智能自动化在代码生成中的潜力，简化了开发流程并显著提高了生产力。随着这些工具的发展，在开源计划和多元社区贡献的推动下，AI 辅助开发的面貌将继续转型，挑战自主代理能够实现的目标的界限。从单个 LLM 功能到协同、协调的 AI 团队的旅程已经开始，预示着一个未来，复杂任务将以前所未有的效率得到管理。