当 Coding AI 用得太好，IDE 被撑破了——Agent 注意力的下一个界面

June 5, 2026

当 Coding AI 用得太好，IDE 被撑破了——Agent 注意力的下一个界面

我有一个越来越强烈的预感：下一代 Agent 的界面，不会是更好的聊天框。

IDE 被撑破的那一天

Coding AI 太好用了——好到我们让它在后台跑 100 个并行 session。一个在修 parser，一个在调 IR optimize，一个在改 shell tool 的超时参数，还有 97 个在做它们各自的事。

然后 IDE 撑破了。不是内存溢出——是人类的注意力溢出。100 个 session = 100 个 chatbox = 100 个需要你逐个检入的对话线程。你变成了瓶颈——不是你没能力审查，而是串行界面让你无法同时看见全局和局部。

这是个信息架构问题，不是 UI 美化问题。

不是拍脑袋：四篇论文铺的路

这个问题不是凭空想出来的。过去几个月我们密集分析了四篇 arXiv 论文，它们从不同角度指向同一个结论：Agent 系统的瓶颈正在从模型能力转移到人类的注意力管理。

Code as Agent Harness (2605.18747)

39 位作者的综述论文，提出了一个核心命题：代码不是 Agent 的输出产物，而是 Agent 推理、行动、验证的操作基底（operational substrate）。其中 §5.2.1 明确指出，现有 benchmark 评估的不足之一是无法衡量 Harness 层面的可靠性；§5.2.5 提出了一个关键主张——"人类反馈不应是一次性 prompt 打断，而应是持久 Harness 状态"。

这句话是本文所有推演的起点。如果人的反馈要成为持久状态，那"人什么时候应该介入"就不能靠自觉——必须有一个系统来分配注意力。

Agentic Harness Engineering (2604.25850)

复旦大学团队提出的 AHE 框架，用三个可观测性支柱让 Harness 组件（tools/middleware/memory/system prompt）自主进化。其中最精妙的是第三根支柱——Decision Observability。

每次 Harness 编辑附带一个 Change Manifest：

{
  "id": "chg-3",
  "failure_pattern": "evaluator closure not triggered before submit",
  "predicted_fixes": ["T3-ir-generation", "T4-ir-optimize"],
  "risk_tasks": ["T5-asm-generate"],
  "constraint_level": "middleware"
}

下一轮实测验证。修复预测命中则保留；无效则 git revert 文件级回滚。

这个设计的精妙之处在于：它把每次编辑变成了可证伪的合同——不是"我觉得这样更好"，而是"我预测任务 A/B 会被修复，任务 C 有风险，下一轮见分晓"。

但论文也暴露了一个致命盲区：修复预测精度 33.7%（~5x random），而回归预测精度仅 11.8%（~2x random）。Agent 能论证"为什么这个修改应该有效"，但几乎无法预见哪些任务会被它意外破坏。论文将此称为 Regression Blindness——自进化循环的最大瓶颈。

RAMP (2605.27492)

中山大学团队用编译器构造的 6 阶段串行依赖链测试了 15 个顶级模型。结果令人警醒：T0（环境搭建）全满分，到 T4（IR 优化）全线崩溃，0 个模型完成全部 6 阶段管线。推理成本跨度 2,525 倍。论文的核心论点是：benchmark 分数 ≠ 生产环境能力——你需要运行时评估。

RAMP 还提供了量化思维：AEI (Agent Efficiency Index) 把时间、成本、token 和 reward 归一化到一个 [0,100] 的标尺上。Opus-4.7 的 MR 最高（93.39），但 AEI 仅 40.00；GPT-5.5 的 MR 只有 65.91，AEI 却高达 81.57——因为它用极低的资源消耗获取了可观的进展。

这个思维移植到注意力管理上：高 impact 但高注意力消耗的编辑未必是最优选择。

SkillRevise (2606.01139)

HKUST 团队提出的 Skill 自动修正框架，通过 Diagnosis → Principle Memory → Execution-Anchored Revision → Utility-Gated Selection 的闭环，在 SkillsBench 上将 GPT-5.5 从 36.05% 提升到 61.63%。它的 Utility-Gated Selection 机制——arg max U(S,T) 而非最后生成版本——为注意力分配中的优先级选择提供了方法论基础。

三层跃迁

这四篇论文串联出一个清晰的范式迁移：

Transformer 注意力（Token Attention）→ 上下文注意力（Context Attention）→ 人类注意力（Human Attention）

资源从 GPU flops → context window → human cognitive budget 逐层上移。每一层都比上一层更稀缺。

Attention Budget 的介入

当 100 个并行 session 每个都在产出 Change Manifest，问题就不再是"这个编辑对不对"——而是"100 个编辑，人应该看哪一个"。

Attention Budget 的定义：人类在单次审查周期内可分配的最大审查容量（N decisions）。系统在此预算内按 impact/risk/novelty/confidence 四维评分分配优先级。

关键设计：risk 权重 > impact 权重。因为 Regression Blindness 告诉我们——Agent 看不见的破坏比看得见的修复更需要人的注意力。即使 risk_tasks 只标记 1 个任务，blindness_penalty 也会把编辑推到队列顶部。

反直觉效果：Evolve Agent 有动力做高影响编辑——微调一个修复 2 个任务的 prompt 不值得消耗 1/5 的注意力预算。

画布，不是聊天框

Chatbox 的隐含假设是人串行消费信息——逐个阅读、逐个回复、逐个推进。但人类的视觉注意力需要外周视野（peripheral vision）来建立全局模型。你需要同时看到全局拓扑、优先级队列、和当前决策的上下文——三种尺度同时可见。

这就是 Agent Attention Canvas 的三层结构：

Layer 1: Topology View（拓扑视图）

12 个 Agent session 的依赖图。每个节点显示 session ID、task name、attention score（红/黄/绿热力图）。依赖边显示上下游关系。你不需要推理依赖——你看到一根红线从 middleware chg-3 的节点连到所有 risk_tasks 标记的下游 session。

Layer 2: Attention Queue（注意力队列）

按 score 降序排列的 card 列表。前 5 个在 budget boundary 上方（可审查），之后的半透明 deferred。每个 card 包含 session 身份、active edits 数量、failure pattern、评分维度。不展示对话内容——因为你还不需要看内容。你需要先决定值得看哪个。

Layer 3: Decision Surface（决策面）

点击任意 card → 底部展开审查面板。三栏：Edit Details（修改了什么组件/文件）、Predicted Impact（predicted_fixes + risk_tasks + 下游影响链）、Metrics（Tokens/Cost/AEI + [Approve] [Reject+Rollback] [Defer] 三个操作）。审查不丢失上下文——左侧 Topology View 和右上 Attention Queue 始终可见。

Demo：12 个 Agent Session 的注意力画布

我们实现了一个可交互的 HTML 原型，模拟 12 个 Agent session 在编译器构造管线上的并行执行（任务数据基于 AHE 的 Terminal-Bench 2 场景）：

  • S-042 (parser-ast)：score 0.92，blocked。2 个 active edits——chg-3 修改 middleware 的 finish-hook，predicted_fixes 包含 IR generation 和 IR optimize，risk_tasks 标记了 asm generate。上游依赖 S-040 和 S-041，下游阻塞 S-045 和 S-047。
  • S-044 (ir-optimize)：score 0.87，running。chg-1 修改 tool_impl 的 shell timeout，predicted_fixes 包含 IR optimize 和 IR generation，但 risk_tasks 同时标记了 env-setup 和 parser——这是 Regression Blindness 的典型例子：修复超时可能意外影响环境初始化和解析逻辑。
  • S-045 (asm-generate)：score 0.82，waiting（被上游 S-042 阻塞）。chg-9 是一个 rollback——上一轮的 publish-state guard 在 Hard 任务上提前关闭了 loop，本轮回退。

Attention Queue 里 7 个有 active edits 的 session 按 score 排序。Budget boundary 设在 5——第 6、7 个自动 deferred，等下一轮审查周期。

点击 S-042 → 底部展开 Decision Surface：三栏显示 edit diff 描述、predicted/actual 对比、AEI 指标 + 三个操作按钮。点击 [Reject+Rollback] → session 状态更新为 blocked，节点变红，消失在下游的依赖链中。

Demo 以 MIT 协议开源。核心代码 ~350 行 HTML/CSS/JS。

📥 下载 Demo（12KB HTML） — 在浏览器中直接打开，无需服务器。

这个架构为什么是对的

同时可见。 Chatbox 一次只能看到一个会话。Canvas 同时显示 100 个 Attention Card 的拓扑分布。你在点击任何一个之前就知道哪个需要看——Router 给了 score，热力图给了颜色，依赖线给了上下文。

关系显式。 session-042 写了一个 middleware 修复，session-045 的 IR generation 依赖 042 的输出产物（RAMP 的串行依赖），session-047 又和 042 共享同一个 tool implementation。Chatbox 让你看到"042 做了 chg-3"，但你看不到这个修改在下游的连锁反应。Canvas 的拓扑视图把这一切显式化了。

上下文不中断。 你在 Decision Surface 审查 diff 时，左侧的 Topology View 和右上角的 Attention Queue 仍然可见。你的心理模型没有断裂——这和 Agent 系统的 session 上下文连续性是一脉相承的。

指挥官模式。 Chatbox 是"100 个士兵排队汇报，第 17 个说完你忘了第 3 个说了什么"。Canvas 是"指挥官看战术地图——扫视全局 → 发现异常聚集区 → 放大决策 → 回到全局"。

从信号到路由

回顾完整链路：

Code as Agent Harness §5.2.5 → 人类反馈应是持久 Harness 状态
AHE Decision Observability → 每次编辑是可证伪合同
AHE Regression Blindness → 回归预测几乎随机，是最大盲区
RAMP AEI → 效用不能只看 reward，要看 cost/benefit
Attention Budget → 100 个 manifest，人只看 5 个
Agent Attention Canvas → 三层视图承载全局 × 队列 × 决策

每一步都在解决上一层的剩余问题。

边界条件

  • Canvas 不是 orchestrator。 它不调度 Agent 执行。它只管理人类注意力。
  • Canvas 不替代审查。 它决定"什么时候看什么"，不替代人的判断。
  • Canvas 离线仍有效。 所有决策记录为可审计的状态转换（AHE 的 git history + 人的 approve/reject 事件）。
  • 私密性。 Canvas 只显示 score 驱动的优先级，不暴露其他 session 的具体内容——直到人主动点开 Decision Surface。

下一步

Attention Router 的评分算法——impact/risk/novelty/confidence 的权重分配——目前是基于推演的经验值。需要实证校准。但我们已经有 AHE 的数据（fix precision 33.7%, regression precision 11.8%）作为先验，RAMP 的 AEI 作为 utility 维度，SkillRevise 的 Utility-Gated Selection 作为选择策略。

这不是"更好的聊天界面"的讨论。这是一个新信息架构的设计任务。

Agent 是要被管理的，不是要被对话的。Chatbox 是为对话设计的。Canvas 是为管理设计的。

参考

  • Ning et al. (2026). Code as Agent Harness. arXiv:2605.18747.
  • Lin et al. (2026). Agentic Harness Engineering (AHE). arXiv:2604.25850.
  • Ouyang et al. (2026). RAMP. arXiv:2605.27492.
  • Liu et al. (2026). SkillRevise. arXiv:2606.01139.

技术声明：本文中的 Agent Attention Canvas 架构和 Attention Budget 概念为作者基于上述四篇论文加上工程直觉推导的原创框架。Canvas demo 为概念验证原型，非生产级实现。论文中的研究数据均来自 arXiv 公开预印本。所有引用均为来源确认事实。