用 October 把多个编码 Agent 编成一个团队：共享画布、Bus 通信与 Runs 自动组队实操

# 路线一：Windows 桌面版（PowerShell / CMD 里执行）
curl.exe -fL "https://october.dev/api/download?platform=windows" -o "October-x64.exe"
# 运行 October-x64.exe 完成安装

# 路线二：npm 安装开源 Harness（需要 Node.js 22.19+）
node -v
npm install -g --ignore-scripts @october-dev/october

# 登录并验证
october login

桌面版适合想直接用完整画布体验的用户，一条 curl 命令下载官方安装包。CLI 路线装的是开源 October Harness——注意命令里的 --ignore-scripts：这是官方推荐写法，跳过包内声明的安装期脚本，属于供应链上的谨慎姿态，照抄即可。安装完成后 october login 走浏览器完成登录，已有 Claude、Codex 等订阅的账号直接沿用，模型走你自己的账户额度，October 不收模型钱。验证很简单：终端里敲 october --help 能看到子命令清单就说明就绪。

cd /path/to/your/project
october

# 进入 TUI 后先来一段定向提问：
# Summarize this repository, explain how to run its checks,
# and suggest the highest-leverage next task.

October Harness 是一个完整的终端编码智能体：能读写文件、跑 shell 命令、检查仓库、保留会话供以后继续。官方建议的起步动作是在真实项目里让它做一次自我定向——总结仓库、说明怎么跑检查、建议下一步高价值任务。这一步有两个目的：验证 Harness 能正常读写你的项目；同时你会看到它的 TUI 交互风格（会话状态、任务状态都直接外显在界面上），后面多人模式里看到的「peer 与任务状态」就是同一套信息的扩展。单机阶段就把它当一个普通编码 Agent 用，不需要任何额外配置。

# 在项目目录启动多人模式
october --team

# 头一次启动时 October 自动完成四件事：
# 1) 下载当前平台的 pinned Bus 版本
# 2) 校验其 SHA-256 摘要
# 3) 启动本地 Bus 守护进程（daemon）
# 4) 创建稳定的按项目作用域（per-project scope）
#    并加入该作用域内所有可达的 peer

多人模式的入口只是一个 --team 标志，但背后发生的事值得逐条看懂。Bus 版本是固定钉住（pinned）的，下载后先做 SHA-256 校验再启动——防止供应链投毒；守护进程常驻本地，负责消息投递与 peer 发现；「作用域」把协作范围限定在当前项目，同项目下可达的机器自动互相看见。官方明确了一条安全边界：作用域凭据以 owner-only 权限存在 ~/.october/agent/team-scopes.json，进入 Agent 进程的只有执行凭据——协调凭据和执行凭据分离，Agent 拿不到能改协作拓扑的钥匙。

# 典型的双 Agent 交接场景（官方案例）：
# Agent A 在 worktree-a 里改代码
git worktree add ../worktree-a feature-x
# Agent B 在 worktree-b 里做另一件事
git worktree add ../worktree-b feature-y

# 两台机器（或两个终端）各自启动 Harness 后，
# 在 October 桌面版画布上把它们连接起来；
# A 完成后通过 Bus 报告：做完了什么、还差什么等你决策

桌面版的画布操作接近搭积木：把 Agent、浏览器、应用拖上去，连线表示「它们可以共享工作」。官方给出的最小验证场景是两个 Claude Code 分别在两个 git worktree 里干活，通过画布连接后，一个 Agent 报告完成事项与待决策项，另一个接手继续。跨机器也一样：同事把他的 Agent 接入同一画布（像分享 Figma 文件那样邀请），你在画布上能实时看到双方 Agent 在做什么，需要时加入会话或把两边 Agent 连到一起——执行始终留在各自正确的机器与账户上，画布只负责看见与协调。

# 共享记忆的官方形态：
# 在画布上放一个 MCP server 块，
# 把它连接到画布上的每一个 Agent

# 效果：Agent 们从同一份记忆读取背景，
# 而不是各自维护一份且互相不同步
# （配置方式与普通 MCP server 一致，此处略）

多 Agent 协作最隐蔽的成本是背景重复：每个 Agent 各存一份项目上下文，改了需求之后有的知道有的不知道，产出开始互相矛盾。October 的解法是把共享记忆做成画布上的一个 MCP server 块，所有 Agent 连同一个记忆源，背景写一次、全员可见。配合 Bus 的直接对话（Agent 之间可以互问「团队 API 好了吗」并当场得到回答），上下文同步从「人肉复制粘贴」变成「基础设施自动保证」。这一步做完，你的多 Agent 协作才算从玩具进入可用状态。

# Runs 的交互流程（官方描述）：
# 1) 你在画布上描述任务，例如：
#    "Check this PR for bugs."
#    "Audit this PR, then build the feature."
# 2) October 依据各 Agent 的特长、成本、
#    剩余额度与历史结果，提案一支队伍和一份计划
# 3) 你审阅并调整队伍与步骤，确认启动
# 4) October 接管交接、审查、审批与检查，
#    结果汇总回一张卡片；随时可暂停或改队

Runs 是 October 区别于「终端多开」的核心能力：你不再手动连线，而是描述一个结果（官方示例是「检查这个 PR 的 bug」），October 根据各 Agent 的强项、成本、剩余用量与过往表现自动提名队伍与计划，你审完再放行。运行期间每个环节的交接与审查都由 October 驱动，人保留在任意节点介入、修改、暂停的权力。官方案例里，一次 PR 审计被拆给独立审查者与复核者两个角色，互相质证后才出报告——这类「让 Agent 互查」的编排靠手写流水线很难维护，正是 Runs 的用武之地。