Skip to content

多 Agent 策略

项目目标很直接:

让 Plus 用出 Pro 的效果。

把最强模型留给判断,把更快或更便宜的 worker 用在明确子任务上,Codex 始终当总控。

运行模型

职责
大脑Codex 计划、调度、审查、决策
Claude Code worker 执行明确任务
路由器CCSwitch 提供本地 profile 和模型
账本每次 run 都留下 metadata、prompt、stdout、stderr

默认角色

角色用途
requirements范围、非目标、验收标准
architecture仓库地图、相关文件、实现计划、风险
development主开发任务
testing测试计划、边界场景、验证命令
review发现问题、文件引用、可维护性
performance运行耗时、IO、延迟、资源占用
compatibilityWindows、macOS、Linux、shell、版本风险
documentation教程、FAQ、示例、上手文档
automationCI、发布流程、打包检查
security密钥、权限、命令风险、供应链
implementation写入范围明确后的代码修改
ops部署、日志、回滚、运行风险
multimodal图片或混合输入任务

四阶段流程

  1. 并行分析:需求、架构、安全、测试等角色先看任务。
  2. 交叉审查:不同 agent 对比风险、范围、方案质量。
  3. 执行:计划稳定、写入范围清楚后,再让 implementation 动手。
  4. 总控总结:Codex 看日志、diff、测试和最终输出。

生成计划:

bash
python "$CC_ORCHESTRATOR_HOME/cc_orchestrator.py" workflow-plan "Ship a safe refactor"

成本规则

不要让最强模型做所有小活。

强模型适合:

  • 最终判断
  • 架构分析
  • 高风险审查
  • 难取舍的问题

worker 模型适合:

  • 仓库地图
  • 测试设计
  • 文档草稿
  • 兼容性检查
  • 审批后的明确实现

这就是这个项目存在的主要原因。

MIT 许可。项目与 OpenAI、Anthropic、Claude、Claude Code、CCSwitch 无官方关联。