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 ​

层职责
大脑Codex 计划、调度、审查、决策
手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。