本文探讨AI编程工具效率差异的关键在于“鞍具”（harness）而非模型本身。Pi以极简提示词（约200 token）实现高完成率和低成本，而Claude Code等复杂工具消耗大量token，成本差达六倍。OpenCode Go提供月费模型入口，Herdr支持代理编排。作者强调工具应透明、可控，选择需匹配模型与工作流，避免被工具绑架。

作者分享基于 herdr 的多 agent 并发编程工作流：按工作空间划分 worktree，每个 agent 使用 opencode，开五个标签页分别负责每日代码优化、git 合并、运维、bug 修复和终端。流程为拆分需求、建 worktree、用 plan 模式描述需求，并根据 agent 状态（红暂停、绿完成、黄运行）回复；复杂需求用 grill-me 对齐，验收后生成交接报告并合并。该方法适合短平快需求，但需频繁切换上下文，作者极限约两三个 worktree，且依赖对模型和测试用例的信任。

Herdr 插件可将 Claude Code、Codex 和 OpenCode 等终端编码代理运行在隔离的 Vercel Sandbox 中，通过 tmux 风格管理器并排操作，不接触本地机器。它上传项目文件、以 JSON 输出结果，支持脚本控制，并内置文件预览、Git 补丁应用和删除确认等安全措施。安装后需运行 vercel link，首次为预演，第二次创建沙箱，变更以补丁形式拉回，按标准费率计费。

作者借鉴Herdr的检测机制，用Claude Fable 5开发了tmux-agent-watch，一个只读的tmux AI Agent状态监控器。它通过进程识别、屏幕检测和规则匹配，以红绿灯显示Agent状态（卡住、工作、空闲），每两秒轮询，不干扰Agent配置。项目由AI全程完成，含51项测试，解决了多Agent管理痛点。

riclib发现了herdr的插件系统，并安装了一个几乎完美的文件查看器。他提出了两个功能请求，并在19分钟内完成了修复，直接应用于自己的工作环境。维护者在睡觉时未察觉，醒来后发现了这个陌生人的贡献，感受到社区的温暖与合作。