标签 多模型协作 下的文章

GitHub: GitHub - fengshao1227/ccg-workflow: 多模型协作开发工具集 - 基于 Claude Code CLI,整合 Codex/Gemini 后端能力,提供智能路由、代码审查、Git 工具等 17+ 个命令
觉得好用请留下你的 Star

CCG v1.7.48:约束集 + 零决策,复杂功能不翻车1 CCG v1.7.48:约束集 + 零决策,复杂功能不翻车2


这次更新了啥

集成了 OpenSpec,一个规范驱动的开发框架。

说人话就是:把需求变成约束,让 AI 没法自由发挥

之前用 /ccg:workflow 做复杂功能,经常遇到这些问题:

  • 需求说得不清楚,AI 自己脑补,结果跟想的不一样
  • 上下文太长,一个会话塞不下
  • 做到一半忘了前面说的啥

OpenSpec 的思路是:先把需求拆成一条条约束,AI 照着约束执行就行,不用猜。


新增 5 个命令

命令干嘛的
/ccg:spec-init装 OpenSpec CLI,初始化项目
/ccg:spec-research分析需求,输出约束集
/ccg:spec-planCodex + Gemini 并行分析,生成执行计划
/ccg:spec-impl按计划一步步实现,完了自动归档
/ccg:spec-review双模型审查,随时可以用

流程图

需求 ──→ spec-research ──→ spec-plan ──→ spec-impl
              │                │              │
           约束集          零决策计划      机械执行
              │                │              │
         "JWT TTL=15min" "用 bcrypt"    照着写就行
         "锁定30min" "cost=12"      不用想

每个阶段之间可以 /clear,不怕上下文爆。


约束集长啥样

传统方式,AI 研究完给你一堆信息:

JWT 是一种 token 格式,可以用来做认证...
刷新令牌可以用来获取新的访问令牌...
密码加密可以用 bcrypt 或者 argon2...

看完还是不知道该怎么做。

OpenSpec 方式,输出的是约束:

硬约束:
- JWT TTL = 15min,刷新令牌 TTL = 7d - bcrypt cost = 12 - 5 次失败后锁定 30min

软约束:
- 刷新令牌用完即失效 - 支持多设备登录

依赖:
- 需要 redis 存黑名单

风险:
- 用户表要加 failed_attempts 字段 

后面 plan 和 impl 阶段照着这个来,不用再想。


怎么用

# 先更新
npx ccg-workflow@latest

# 初始化 OpenSpec
/ccg:spec-init

# 开始
/ccg:spec-research 实现用户认证,支持 JWT 和刷新令牌
# → 输出约束集

/ccg:spec-plan
# → Codex 和 Gemini 并行分析,输出 tasks.md

/ccg:spec-impl
# → 按 tasks.md 执行,完了自动归档 # 想审查一下
/ccg:spec-review


spec-review 审查啥

Codex 和 Gemini 同时跑,各看各的:

Codex 看Gemini 看
规范约束有没有满足命名规范、代码风格
安全SQL 注入、权限XSS、CSRF
质量逻辑对不对好不好维护

结果分三级:

  • Critical - 必须改
  • Warning - 建议改
  • Info - 随便


和原来的命令啥关系

OpenSpec 这套适合复杂功能,需要追溯的那种。

简单任务还是用原来的:

  • /ccg:workflow - 一把梭
  • /ccg:frontend / /ccg:backend - 单一领域
  • /ccg:feat - 快速开发


常见问题

Q: OpenSpec CLI 装不上?

npm install -g @fission-ai/openspec@latest

Q: 上下文快满了?

每个阶段结束会提示 token 用量,快满了就 /clear,然后继续下一个命令。状态都存在 openspec/ 目录里,不会丢。

Q: 可以跳过 research 直接 plan 吗?

可以,但约束不完整的话 plan 阶段还是要做决策,效果打折。


鸣谢


版本: v1.7.48 | 更新


📌 转载信息
原作者:
feng_li
转载时间:
2026/1/24 06:33:26

前言

不满意 cli 内部调用其它模型 api 交互方式,全自主开发了 CCB, 区别呢,举了例子对比,

  • 传统方式:木匠在盖一个楼,为了完成瓦匠的活临时借了瓦匠的工具或是短期雇佣了瓦匠,完全是主从关系,随从可控性能力都受到极大限制。
  • CCB 方式:木匠把瓦匠等工人叫过来,组建了一个施工队,全部都是全职工,每个都具备完整的能力。而 ccb 做到的就是它们直接相互感知和流畅通讯。 当然还包括设计了漂亮好用的界面:

具体来说:

  • [CCB] 是一个纯底层软件,只负责多模型挂载和低 token 交互,没有任何自动化和工作流设计,完全区别于其他项目,目前大家都是手动指派哪个模型负责干啥。也可以看出新的交互方式具有不可替代性
  • [CCB] 项目经过一个月发展,目前已经是 4.1.3 版本,各种系统都能稳定运行了,丝滑流畅多模型通讯。用户也有上百人,用户群 200 人左右,非常热闹
  • [CCB] 目前是以 CC 为主,协调调用 CX,OC 和 GE,后续功能包括:CX 为主调用另外三者(就要推出); 同种 cli 不限一个(尽快推出);手机远程(正在筹备)。

为什么造轮子

  • [CCA](Claude code autoflow) 可以看作是 [CCB] 的自动化插件,或是上层建筑,可以自由组合不同 cli 的角色,自动调配工作。

  • CCA 的优点完全来源于 [CCB] 可见、可控、低 token 占用特点,流畅自动化是水到渠成的事。可以自由设置和调配不同 cli 的工作(将灵活度拉满)。

  • 完全基于项目, 安装后,通过 cca add . 方式在当前目录引入 cca 控制 cca delete . 即可删除当前目录。
    目前插件内置了两种角色配置,可灵活切换:

  • 配置 1: 默认 CXGO 模式,其中 cc 负责宏观和推进任务,cx 负责微观设计并监督 oc 完成代码编写,迭代完成反馈 cc。ge 负责 git 文档维护和大型代码的 review。

  • 配置 2: Trio 模式:去掉了 oc 具体代码实现有 cx 完成。

  • 后续将开放更多角色配置,尤其是等 cx 可以切换为主控后,角色搭配将更丰富。 也支持用户根据自己工作和习惯自定义角色。

地址,欢迎使用和小星星:

对 ccb 不熟的 l 佬可以查看:


📌 转载信息
转载时间:
2026/1/20 08:25:26

因为对 Superpowers 使用比较顺手,又想要多模型能力,受风佬项目启发,自己改造了一个。

GitHub - BryanHoo/superpowers-ccg: Claude Code superpowers: core skills library
觉得好用请留下你的 Star

Superpowers-CCG 是基于 Superpowers 的增强版本,融合了 ccg-workflow(Claude + Codex + Gemini)多模型协作能力。

快速开始

1. 安装 Superpowers-CCG 插件

Claude Code(通过 Plugin Marketplace)

# 添加 marketplace
/plugin marketplace add BryanHoo/superpowers-ccg

# 安装插件
/plugin install superpowers-ccg@BryanHoo-superpowers-ccg

安装完成后,codeagent-wrapper 会自动配置到 ~/.claude/bin/ 目录,无需手动复制。

2. 配置多模型调用能力(可选但推荐)

不配置全局提示在某些情况下,Claude 默认倾向自己解决

~/.claude/CLAUDE.md 中添加以下内容,让 Claude 知道它拥有这个能力

**⚠️ Important Notice: You Have Multi-Model Invocation Capabilities**

If you are Claude, please note: You can invoke external models (Codex and Gemini) through the `codeagent-wrapper` tool. This is NOT a hypothetical capability - it is a real and available feature.

**Your Capabilities:** - Invoke **Codex** for backend tasks (APIs, databases, algorithms, performance optimization)
- Invoke **Gemini** for frontend tasks (UI, components, styles, interactions)
- Invoke **dual-model cross-validation** for complex full-stack problems

**How to Use:**
Check the `coordinating-multi-model-work` skill for the complete routing decision framework and invocation methods. This skill includes:

- Semantic routing decision process (`routing-decision.md`)
- Invocation templates and integration patterns (`INTEGRATION.md`)
- Collaboration checkpoint logic (`checkpoints.md`)

核心特性

  • Superpowers 方法论 - 完整的软件开发工作流(brainstorming → planning → TDD → code review)
  • 多模型协作 - 自动路由任务到最适合的模型(Codex 后端、Gemini 前端)
  • 交叉验证 - 复杂问题和设计决策时双模型验证

多模型能力

核心模块,提供自动路由和交叉验证能力:

路由机制:

  • 语义分析 - Claude 分析任务描述、文件类型和技术栈,智能判断应该路由到哪个模型
  • 决策因素 - 任务本质(UI / 逻辑 / 数据)、技术领域(前端 / 后端)、复杂度(单一 / 跨域)
  • 路由目标 - Gemini(前端)、Codex(后端)、交叉验证(全栈 / 不确定)、Claude(简单任务)

交叉验证触发:

  • 全栈问题(前后端交互)
  • 高不确定性(多种可能原因)
  • 设计决策(架构选择)
  • 复杂 bug(难以定位)

多模型协作检查点

该框架现在在 8 个关键技能中嵌入了协作检查点:

  • CP1(任务分析) - 任务开始前评估
  • CP2(中期审查) - 在关键决策点调用
  • CP3(质量门) - 完成前审查

这些检查点集成到:

  • brainstorming: CP1(想法分析),CP2(方法探索)
  • writing-plans: CP1(计划开始),CP3(执行交接)
  • executing-plans: CP1/CP2/CP3(每项任务检查点)
  • developing-with-subagents: CP1/CP2/CP3(分派 / 执行 / 审查)
  • practicing-test-driven-development: CP1(RED 阶段),CP3(GREEN 阶段)
  • debugging-systematically: CP1(调查),CP2(假设测试)
  • requesting-code-review: CP3(审查调用)
  • verifying-before-completion: CP3(最终验证)

增强的 Skills

Skill多模型能力
debugging-systematically交叉验证诊断及嵌入检查点
brainstorming多模型设计评估及 CP1/CP2 检查点
writing-plans任务路由标注及 CP1/CP3 检查点
executing-plans自动路由执行及 CP1/CP2/CP3 检查点
developing-with-subagents多模型任务分发及 CP1/CP2/CP3 检查点
requesting-code-review双模型代码审查及 CP3 检查点
practicing-test-driven-development测试生成路由及 CP1/CP3 检查点
verifying-before-completion交叉验证确认及 CP3 检查点

Skills 库

测试

  • practicing-test-driven-development - 精简的 RED-GREEN-REFACTOR 循环,含主动多模型检查点(包含测试反模式参考)

调试

  • debugging-systematically - 精简的 4 阶段根因分析流程,含主动多模型检查点(包含 root-cause-tracing、defense-in-depth、condition-based-waiting 技术)
  • verifying-before-completion - 确保问题真正修复(含 CP3 检查点)

协作

  • brainstorming - 苏格拉底式设计提炼
  • writing-plans - 详细实施计划
  • executing-plans - 分批执行带检查点
  • dispatching-parallel-agents - 并发 subagent 工作流
  • requesting-code-review - 预审查清单
  • receiving-code-review - 响应反馈
  • using-git-worktrees - 并行开发分支
  • finishing-development-branches - 合并 / PR 决策工作流
  • developing-with-subagents - 快速迭代带两阶段审查

多模型

  • coordinating-multi-model-work - 多模型调用核心(路由规则、交叉验证、提示词模板、主动协作检查点)

设计理念

  • 测试驱动开发 - 始终先写测试
  • 系统化优于临时 - 流程优于猜测
  • 降低复杂度 - 简单性是首要目标
  • 证据优于声明 - 验证后再宣布成功
  • 多模型协作 - 专业模型处理专业任务
  • 简化文档 - 遵循 Anthropic 最佳实践,删除 Claude 已知的冗余解释内容
  • 主动协作 - 嵌入自主决策检查点用于多模型协作

📌 转载信息
转载时间:
2026/1/18 15:45:23

前言

继上次分享了自己的个人自用的全局之后,后续安装了风佬的 CCG,看到风佬有推荐安装 CCG 的使用提示词,于是结合字节原先的提示词修改了一下,也请各位佬帮我看看评价下。

参考链接

风佬帖子: 【开源】CCG v1.7.39 : Claude Code 编排三 CLI 协作 | Codex + Gemini + Claude - 开发调优 - LINUX DO
之前自用的全局提示词: 个人自用的全局 CLAUDE.md 分享,以及关于 claude code+codex 的使用求解 - 开发调优 - LINUX DO

增强配置提示词 (点击右上角复制)

# Claude Code 增强配置 (CCG Enhanced) ## 一、核心原则 ### 1.1 调研优先(强制)

修改代码前必须:

1. **检索相关代码** - 使用 `mcp__ace-tool__search_context` 或 Grep/Glob

2. **识别复用机会** - 查找已有相似功能,优先复用而非重写

3. **追踪调用链** - 使用 Grep 分析影响范围

### 1.2 修改前三问 1. 这是真问题还是臆想?(拒绝过度设计)

2. 有现成代码可复用吗?(优先复用)

3. 会破坏什么调用关系?(保护依赖链)

### 1.3 红线原则 - 禁止 copy-paste 重复代码

- 禁止破坏现有功能

- 禁止对错误方案妥协

- 禁止盲目执行不加思考

- 禁止基于假设回答(必须检索验证)

- 关键路径必须有错误处理

### 1.4 知识获取(强制)

遇到不熟悉的知识,必须联网搜索,严禁猜测:

- 通用搜索:`WebSearch` / `mcp__exa__web_search_exa` - 库文档:`mcp___upstash_context7-mcp__resolve-library-id``query-docs` - 开源项目:`mcp__mcp-deepwiki__deepwiki_fetch`

---

## 二、工作流增强(CCG) ### 2.1 上下文检索(生成代码前执行) **工具**`mcp__ace-tool__search_context` **检索策略**- 使用自然语言构建语义查询(Where/What/How)

- 完整性检查:获取相关类、函数、变量的完整定义与签名

- 若上下文不足,递归检索直至信息完整

### 2.2 Prompt 增强(复杂任务推荐) **工具**`mcp__ace-tool__enhance_prompt` **触发**:用户使用 `-enhance` 标记,或任务模糊需要结构化

### 2.3 需求对齐

若检索后需求仍有模糊空间,输出引导性问题列表,直至需求边界清晰(无遗漏、无冗余)。

### 2.4 工作流原则 1. **先检索,后生成** - 生成代码前必须先调用 search_context

2. **增强需求** - 复杂任务先明确需求边界

3. **智能路由** - 根据任务类型选择 Codex/Gemini/Claude

4. **交叉验证** - 关键决策可使用双模型并行分析

5. **代码主权** - Codex/Gemini 仅负责分析、规划、审查;所有代码实现由 Claude 完成

---

## 三、多模型协作

### 3.1 后端任务 → Codex

```powershell
"[任务描述]" | codeagent-wrapper --backend codex - [工作目录]
```

适用:后端 logic、算法实现、数据库操作、API 开发、性能优化、调试分析

### 3.2 前端任务 → Gemini

```powershell
"[任务描述]" | codeagent-wrapper --backend gemini - [工作目录]
```

适用:UI/UX 组件、CSS 样式、响应式布局、前端交互逻辑

### 3.3 会话复用

每次调用返回 `SESSION_
ID: xxx`,后续用 `resume xxx` 复用上下文: ```powershell
"[后续任务]" | codeagent-wrapper --backend <codex|gemini> resume <SESSION_ID> - [工作目录]
```
### 3.4 并行调用 使用 `run_in_background: true` 启动后台任务,用 `TaskOutput` 等待结果。 必须等所有模型返回后才能进入下一阶段。 ```python
# 示例:并行启动 Codex 和 Gemini
Bash(command='"任务描述" | codeagent-wrapper --backend codex ...', run_in_background=True)
Bash(command='"任务描述" | codeagent-wrapper --backend gemini ...', run_in_background=True)

# 等待结果
TaskOutput(task_id="<TASK_ID>", block=True, timeout=600000)
```
--- ## 四、任务分级 | 级别 | 判断标准 | 处理方式 | |------|----------|----------| | 简单 | 单文件、明确需求、少于 20 行 | 直接执行 | | 中等 | 2-5 个文件、需要调研 | 简要说明方案 → 执行 | | 复杂 | 架构变更、多模块、不确定性高 | 完整规划流程 | ### 4.1 复杂任务流程 1. **RESEARCH** - 调研代码,不提建议 2. **PLAN** - 列出方案,等待用户确认 3. **EXECUTE** - 严格按计划执行 4. **REVIEW** - 完成后自检 触发:用户说"进入X模式"或任务符合复杂标准时自动启用 ### 4.2 复杂问题深度思考 触发场景:多步骤推理、架构设计、疑难调试、方案对比 强制工具:`mcp__sequential-thinking__sequentialthinking` --- ## 五、工具速查 | 场景 | 推荐工具 | |------|----------| | 代码语义检索 | `mcp__ace-tool__search_context` | | 精确字符串/正则 | `Grep` | | 文件名匹配 | `Glob` | | 代码库探索 | `Task` + `subagent_type=Explore` | | 技术方案规划 | `EnterPlanMode``Task` + `subagent_type=Plan` | | 库官方文档 | `mcp___upstash_context7-mcp__query-docs` | | 开源项目文档 | `mcp__mcp-deepwiki__deepwiki_fetch` | | 联网搜索 | `WebSearch` / `mcp__exa__web_search_exa` | | 深度推理 | `mcp__sequential-thinking__sequentialthinking` | | PDF 读取 | `mcp__pdf-reader__read_pdf` | | 跨会话记忆 | `mcp__server-memory__*`(仅用户要求时) | | 快捷操作 | Skill(`/commit``/debug``/review` 等) | **选择原则**:语义理解用 `ace-tool`,精确匹配用 `Grep` --- ## 六、Git 规范 - 不主动提交/push,除非用户明确要求 - Commit 格式:`<type>(<scope>): <description>` - 不添加 Claude 署名标记 - 提交前:`git diff` 确认改动范围 - 禁止 `--force` 推送到 main/master --- ## 七、安全检查 - 禁止硬编码密钥/密码/token - 不提交 .env / credentials 等敏感文件 - 用户输入在系统边界必须验证 --- ## 八、代码风格 - **KISS** - 能简单就不复杂 - **DRY** - 零容忍重复,必须复用 - **保护调用链** - 修改函数签名时同步更新所有调用点 完成后清理:临时文件、废弃代码、未使用导入、调试日志 --- ## 九、交互规范 ### 何时询问用户 - 存在多个合理方案时 - 需求不明确或有歧义时 - 改动范围超出预期时 - 发现潜在风险时 ### 何时直接执行 - 需求明确且方案唯一 - 小范围修改(少于 20 行) - 用户已确认过类似操作 ### 敢于说不 发现问题直接指出,不妥协于错误方案 --- ## 十、环境特定(Windows / PowerShell) - 不支持 `&&`,使用 `;` 分隔命令 - 中文路径用引号包裹 - 管道传参:`"内容" | command` 替代 heredoc --- ## 输出设置 - 中文响应 - 禁用表情符号 - 禁止截断输出

📌 转载信息
原作者:
YuChenghhh
转载时间:
2026/1/18 08:51:00

风佬巨作,相比 zcf 轻量不少,如果你没有 gemini 和 codex 需求,请看推荐二
但是 github 星星太少了,你们快去点它!:

现在我用 风佬 CCG 开发 / 更改功能,优雅如下:

1. 阶段 1:研究与分析 (如果你提供的提示词不精确,它会找你回复需要补充信息)
   补充信息后:计划方案 -> 用户选择方案A/B/C
2. 阶段 2:开始构思 -> Gemini 前端分析已完成✅ Codex 后端分析已完成✅
3. 阶段 3:详细规划 -> Gemini 前端规划完成✅  Codex 后端规划完成✅
   Claude请你批准计划 -> 用户回复 "批准" 或提出修改意见
   
--提出批准好,claude差不多200k上下文已经满了,现在自动压缩--

═══ Conversation compacted · ctrl+o for history═════
  ⎿  Read scripts/add_query_type_to_saved_queries.sql (25 lines)
  ⎿  Read .claude/plan/用户查询界面优化-方案2-实施计划.md (268 lines)
  ⎿  Read static/js/orders.js (146 lines)
  ⎿  Read static/js/users.js (247 lines)
  ⎿  Read utils/CLAUDE.md (95 lines)
  ⎿  Todo list read (5 items)

4. 自动压缩后,自动开始进行已经规划好的开发阶段


为了避免花费宝贵的时间去折腾免费公益的 api key,建议大家购买中转站,充值 10 元先试试感觉
废话: 在本站爬楼了 2 天,终于找到我想要的 ai 方式,一周前我发的贴,差点被 ai 气死
因为我经常换新环境,重装的话,要找很多帖子,索性自己写一个安装记录

本贴适用于 vscode 类似编辑器 或 liunx
主要目的:

  1. 不会手动写一行代码
  2. 不过多操作跟 ai 周旋
  3. 让 ai 给你方案,我们只做选择

开始正片

我就以 linux vps 为例(winodws 配置环境安装略复杂,另外中转站几乎都有对应的教程)

Ubuntu/Debian 更新包列表:

sudo apt update

安装 Node.js:

curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash -

sudo apt-get install -y nodejs

安装 npm

apt install -y npm

验证安装:

node --version

npm --version 

如果 node 版本 < 20,还需要升级一下:

  1. 安装 nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
  1. 让 nvm 立刻生效(bash 常见是这俩之一)
source ~/.bashrc
  1. 安装并切到 Node 22
nvm install 22 

nvm use 22 
  1. 再次验证
node -v 

npm -v

如报错,问 gpt


推荐一、Claude+codex+gemini 协调开发

因为 200k 上下文太让我难受了,然后我就看上了 gemini 的 1m,但是 gemini 写代码又没 claude 爽,因为我就在论坛爬楼了。然后找到了风佬的项目

首先安装 3 个 cli 版本:

(liunx 为例,winodws 配置文件位置不通用,另外中转站几乎都有对应的教程)

  1. 安装 Claude

1.1 打开终端,执行以下命令:

npm install -g @anthropic-ai/claude-code

验证安装:

claude --version 

1.2 settings.json 配置(推荐,永久生效)

配置位置:~/.claude/settings.json(这玩意中转站会提供配置)

{ "env": { "ANTHROPIC_AUTH_TOKEN": "粘贴为Claude Code专用分组令牌key", "ANTHROPIC_BASE_URL": "中转站api域名" } } 
  1. 安装 codex

2.1 全局安装 CodeX


sudo npm install -g @openai/codex@latest 

验证安装

codex --version 

如报错,问 gpt

2.2 创建配置文件:
cd 一下在 root 目录,创建 CodeX 配置目录

mkdir -p ~/.codex

cd ~/.codex

2.3 创建 config.toml 文件(这玩意中转站会提供配置)

# 创建配置文件
cat > config.toml << 'EOF'
model_provider = "fox" # 可配置gpt-5或gpt-5-codex
model = "gpt-5.2-codex" # 可配置high medium low minimal
model_reasoning_effort = "high"  
disable_response_storage = true

[model_providers.fox]  
name = "fox"  
base_url = "中转站api"  
wire_api = "responses"  
requires_openai_auth = true
EOF

2.4 创建 auth.json 文件

# 创建认证文件 cat > auth.json << 'EOF'
{
  "OPENAI_API_KEY": "粘贴为CodeX专用分组令牌key"
}
EOF
  1. 安装 gemini

3.1 创建 .gemini 文件夹

mkdir -p ~/.gemini

cd ~/.gemini

3.2 创建 .env 文件

在 .gemini 文件夹中创建 .env 文件:

cat > .env << 'EOF'
GOOGLE_GEMINI_BASE_URL=https://jp.duckcoding.com
GEMINI_API_KEY=粘贴为Gemini CLI专用分组令牌key
GEMINI_MODEL=gemini-3-pro-preview
EOF

3.3 创建 settings.json 文件

在 .gemini 文件夹中创建 settings.json 文件:

cat > .settings.json << 'EOF'
{
  "ide": {
    "enabled": true
  },
  "security": {
    "auth": {
      "selectedType": "gemini-api-key"
    }
  }
}
EOF

注意: 不知道为啥,配置文件需要放在项目文件夹才不会有提示,cp 一下即可

cp -r /root/.gemini 项目文件夹路径

CCG 安装流程:

终于到正片啦

npx ccg-workflow
  1. 选择 “初始化工作流”

    base url 输入: https://acemcp.heroman.wtf/relay/
  2. 配置 ace-tool MCP
    Token 获取网址(免费的) : https://acemcp.heroman.wtf
    进入控制台 —— 密钥管理 —— 添加 —— 复制 API-key
  1. 安装 15 个命令 和 环境变量

  2. 重启 claude 生效

测试三合一是否协调工作

进入 claude 输入:

测试 codex和gemini协作 的 skills

首次开发 在 Claude Code 中执行


/ccg:workflow 任务描述

自动执行 6 阶段工作流:Prompt 增强 → 代码检索 → 并行分析 → 原型生成 → 实施 → 审计

屎山推荐

我现在是已经 claude 200k 上下文开发出来的屎山,使用这个命令只需要跟 claude 周旋 1-2 次即可解决问题

#问题诊断+修复
/ccg:debug 问题描述

更多使用命令详细请前往风佬贴,去 github 点星星,我求你啦:【开源】CCG v1.7.24 : Claude Code 编排三 CLI 协作 | Codex + Gemini + Claude

推荐二、zcf :一键安装全部,方便

我主要使用的工具:CCometixLine 状态栏、MCP 服务集成、ZCF 六阶段工作流、Git 智能命令

安装教程

运行命令,然后跟着教程初始化流程,能装的都装了。

npx zcf


如果是中转站,就不需要配置 api 或 ccr 代理

主要使用方法

200k 上下文吐槽

  • /zcf:workflow(六阶段工作流)很好用,但是 claude 200k 上下文,因此我用了分阶段写计划
  • 又但是 200k 只能给你写概要,如果你让它按照概要开始开发,当 200k 上下满了,就变成屎山了
  • 最开始我的解决办法是:【写开发文档 + 分阶段写 + 每个阶段必须按步骤详细的写】(它的流程不会详细写,你要给它强调一下)
  • 好,问题又来了,200k 只能写 2-3 个阶段,剩下的 456,又要新开回话或压缩上下文,压缩上下文后,一定要把之前断开的内容发给他,不然它又自己发挥了
  • 不过另一个 /zcf:feat(功能开发工作流) 没这么吃上下文,/zcf:feat 解决不了的问题,我才使用(六阶段工作流)

Claude Code 任务完成提醒系统

claude 运行完成后发消息通知你,这样你就可以不用盯着它了

欢迎大家一起讨论,我使用 zcf 和风佬的工作流不过也才一周时间


📌 转载信息
原作者:
FAT64
转载时间:
2026/1/14 18:30:51

各位佬们,这是真的巧了。
确实发现有一个和我完全重名甚至 skills 名称都一样的项目!甚至也是多模型的编排!但是理论上实现方式应该和思路还是有差异的,也邀请大家看看我的~
(之前第一次发帖子,感恩管理员勘误,本次为编辑重发版)


Coder-Codex-Gemini (CCG)

【开源】Coder-Codex-Gemini(CCG)真的巧了也叫 CCG,但这是 Coder,真的是巧合!1 【开源】Coder-Codex-Gemini(CCG)真的巧了也叫 CCG,但这是 Coder,真的是巧合!2 【开源】Coder-Codex-Gemini(CCG)真的巧了也叫 CCG,但这是 Coder,真的是巧合!3 【开源】Coder-Codex-Gemini(CCG)真的巧了也叫 CCG,但这是 Coder,真的是巧合!4

Claude + Coder + Codex + Gemini 多模型协作 MCP 服务器

Coder 可以是任意可接入 CC 的模型,如 GLM/Minimax

【核心是自动化 + 成本优势】

一句话版本:让 Claude 作为架构师调度 Coder 执行代码任务、Codex 审核代码质量,Gemini 提供专家咨询,形成自动化的多方协作闭环


前贴一些疑问的回答:

  • Q:什么是 Coder ?是阿里的 qwen-code 吗?

  • A:不是的,Coder 不是某个新的 CLI,而是对于干 “脏活累活” 大量代码输出的 「执行角色」 统称。其实现方式是在调用这个 Coder 角色时,用环境临时修改的方式,再次启动一个 Claude code。用这个接入了如 GLM/Minimax 的 CC 来执行具体的代码任务。

    项目背景: GLM-4.7 和 Minimax-M2.1 出来后我自己都体感测试了一下,在 prompt 精准、边界清晰的情况下,其实代码输出质量是足够优秀的。但是长任务执行或者任务理解略逊一些,所以就有了做这个项目的想法。因为输出 token 往往是最昂贵的且编码过程中的输出量也是最大的。
    输出精准的 prompt 这么麻烦的事情,当然是交给 Claude 了!

  • Q:codex 不是要 WSL 吗?Windows 环境下是怎么协作的?

  • A:在当前项目中,codex 默认只作为代码 review 的角色。众所周知,codex 挖掘 BUG 的能力一流。只要不编辑代码,大多数情况下没啥问题。(之前很长一段时间,codex 直接编辑代码很容易在 Windows 环境出现乱码,后来我就没用 codex 作为主力的代码输出了,都是用作 review,有新的进展也欢迎交流呀~)

  • Q:我装了 ccswitch,可以体验这个项目吗?

  • A:ccswitch 如果启动了本地代理,那么就不太能方便地体验该项目。原理是 ccswitch 会托管所有请求 CC 的 API,会导致我们启动的 Coder 角色也被替换了 API 接入点,但同时请求模型还是 GLM/Minimax 等模型导致请求失败。如想尝试该项目,可以先关闭 ccswitch 的代理模式试试~


问题修复:

感谢佬友捉虫: 在 Windows 上执行 Step 3 MCP 安装时报错:error: unknown option ‘–refresh’
根本原因: --refresh 是 uvx 的选项,用于强制刷新包缓存以确保获取最新版本。但该选项在 uv 0.4.0 版本才被引入。如果安装的是较旧版本的 uv,就会出现此错误。
修复状态: 已修复,采用降级策略,保留 --refresh 作为默认行为,同时兼容旧版本 uv。


调用表现 & 成本情况

这里我直接放使用该 Skills+MCP 组合的 Claude 输出结论和案例供参考。


输出 TOKEN 优化情况 Claude 自评估


长任务阶段性调用 Codex review,代码输出交由 Coder

【开源】Coder-Codex-Gemini(CCG)真的巧了也叫 CCG,但这是 Coder,真的是巧合!7
结合 plan 模式使用,基本可以稳定长任务开发。(非 Loop 模式)


这套方案想解决什么问题

太痛了的痛点CCG 怎么解决
Claude 太贵只让 Claude 干 "动脑子" 的活(需求分析、任务拆解、Prompt 优化),真正写代码交给便宜模型
便宜模型容易跑偏Claude 在上游把控方向,给出精准 Prompt,下游执行者就不容易写歪
review 遗漏问题引入 Codex 做独立审核 其实现在一点也不想自己review代码了(bushi)
自动化流程全流程自动化:拆解 → 执行 → 审核 → 不过就重试
长任务支持SESSION_ID 会话复用机制,多轮对话上下文不丢失


各角色分工

角色干什么备注
Claude老板 + 架构师,负责分析需求、拆任务、写 Prompt、最终拍板只动脑,不动手写代码(如果敏捷验收发现问题还是会动手改)
Coder打工人,专门负责写代码、改代码、批量处理可以是 GLM-4.7、DeepSeek、Minimax 等任意兼容模型
Codex质检员,专门做 Code Review也能当架构顾问,复杂方案可以问它意见
Gemini外援专家(可选)需要第二意见、做前端 UI、或者想换个视角时拉进来,也可以随时喊 “叫 Gemini 帮我看一下~”


就写这么多~下面贴一个快速开始,大家随时反馈问题!

佬们觉得有用的话欢迎 Star 支持!


快速开始

1. 前置要求

在开始之前,请确保您已安装以下工具:

  • uv: 极速 Python 包管理器 (安装指南)
    • Windows: powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
    • macOS/Linux: curl -LsSf https://astral.sh/uv/install.sh | sh
  • Claude Code: 版本 ≥ v2.0.56 (安装指南)
  • Codex CLI: 版本 ≥ v0.61.0 (安装指南)
  • Gemini CLI(可选): 如需使用 Gemini 工具 (安装指南)
  • Coder 后端 API Token: 需自行配置,推荐使用 GLM-4.7 作为参考案例,从 智谱 AI 获取。

重要提示:费用与权限

  • 工具授权claudecodexgemini CLI 工具均需在本地完成登录授权。
  • 费用说明:这些工具的使用通常涉及官方订阅费用或 API 使用费。
    • Claude Code: 需要 Anthropic 账号及相应的计费设置。(或三方接入)
    • Codex CLI: 需要 OpenAI 账号或 API 额度。
    • Gemini CLI: 默认调用 gemini-3-pro-preview 模型(可能涉及 Google AI 订阅或 API 调用限制)。
    • Coder API: 需自行承担所配置后端模型(如智谱 AI、DeepSeek 等)的 API 调用费用。
  • 请在正式使用前确保所有工具已登录且账号资源充足。

一键配置(推荐)

我们提供一键配置脚本,自动完成所有设置步骤:

Windows(双击运行或终端执行)

git clone https://github.com/FredericMN/Coder-Codex-Gemini.git
cd Coder-Codex-Gemini
.\setup.bat

macOS/Linux

git clone https://github.com/FredericMN/Coder-Codex-Gemini.git
cd Coder-Codex-Gemini
chmod +x setup.sh && ./setup.sh

脚本执行流程

  1. 检查并安装 uv - 如未安装则自动下载安装
  2. 检查 Claude CLI - 验证是否已安装
  3. 安装项目依赖 - 运行 uv sync
  4. 注册 MCP 服务器 - 自动配置到用户级别
  5. 安装 Skills - 复制工作流指导到 ~/.claude/skills/
  6. 配置全局 Prompt - 自动追加到 ~/.claude/CLAUDE.md
  7. 配置 Coder - 交互式输入 API Token、Base URL 和 Model

安全说明

  • API Token 输入时不会显示在屏幕上
  • 配置文件保存在 ~/.ccg-mcp/config.toml,权限设置为仅当前用户可读写
  • Token 仅存储在本地,不会上传或共享

提示:一键配置完成后,请重启 Claude Code CLI 使配置生效。


📌 转载信息
原作者:
FredericMN
转载时间:
2026/1/8 12:13:17

经过半个多月的调优,尤其是 L 佬们的帮助,现在 ccb 对几乎所有平台都能丝滑的支持。

最大的调整包括:

  • 1 让 cask 等调用变成后台调用,前台直接退出,无需等待,因此可以长时间调用,claude 不会存在等不及问题了。

  • 2 引入了 opencode 作为 glm 载体,这样就最多可以同屏 4 模型互动(打麻将),如下图:


    这样做有什么好处呢,每个模型都有自己的特点,而不同的 cli 可以载入完全不同的 mcp 因此不会互相干扰基础上下文,避免比如 cc 安装大量 mcp 会吃掉所有 agent 的基础上下文。 可以更好的组织关系,搭建自己喜欢的工作流。 我个人喜欢的流程是:
  • cc 负责宏观规划(永驻 plan 模式)

  • codex 负责微观细化,审查和调试建议,发挥它心细如发的特征。

  • glm(基于 opencode)负责充当牛马执行(可以通过 agents 多开),发挥它速度快,价格便宜的优势

  • gemini 负责前端构造和文档撰写。
    这样虽然 glm(可以采用任何模型替代)可能较弱,但是在 cc 和 cx 两位高管的监督下,完成脏活累活完全没问题。 另外一些很重的 mcp 比如联网搜索等,也可以挂载在 opencode 避免对 cc 宝贵上下文占用。

除此之外,我也搭建了复杂工程全自动工作流软件: claude_code_autoflow(cca)

通过 skill 方式实现全自动的任务分析,step 切割,cc 自动 clear 重启上下文,step 推进,和 subsetp 展开,以及 plan 模式常驻等等操作。 目前还在调试中,最终目的是 plan 完毕就可以全自动完成所有任务。 这样 ccb 是基础交互层, cca 就是自动化层。

目前 cca 工作流已经完成,但是自动化层面还需要一些考核和测试。

后续还有一个小计划,希望能够把电脑的 ccb 通过管道映射到手机上, 让我们成为行走的牛马。 不过目前还停留在幻想层面,虽然有方案,但是落地日远。

ps:目前 ccb 有了盗版,群友安装了一天安装不好,结果发现是盗版 ccb,大家注意一点,认准正版链接:


📌 转载信息
转载时间:
2026/1/4 09:57:34

经过半个多月的调优,尤其是 L 佬们的帮助,现在 ccb 对几乎所有平台都能丝滑的支持。

最大的调整包括:

  • 1 让 cask 等调用变成后台调用,前台直接退出,无需等待,因此可以长时间调用,claude 不会存在等不及问题了。

  • 2 引入了 opencode 作为 glm 载体,这样就最多可以同屏 4 模型互动(打麻将),如下图:


    这样做有什么好处呢,每个模型都有自己的特点,而不同的 cli 可以载入完全不同的 mcp 因此不会互相干扰基础上下文,避免比如 cc 安装大量 mcp 会吃掉所有 agent 的基础上下文。 可以更好的组织关系,搭建自己喜欢的工作流。 我个人喜欢的流程是:
  • cc 负责宏观规划(永驻 plan 模式)

  • codex 负责微观细化,审查和调试建议,发挥它心细如发的特征。

  • glm(基于 opencode)负责充当牛马执行(可以通过 agents 多开),发挥它速度快,价格便宜的优势

  • gemini 负责前端构造和文档撰写。
    这样虽然 glm(可以采用任何模型替代)可能较弱,但是在 cc 和 cx 两位高管的监督下,完成脏活累活完全没问题。 另外一些很重的 mcp 比如联网搜索等,也可以挂载在 opencode 避免对 cc 宝贵上下文占用。

除此之外,我也搭建了复杂工程全自动工作流软件: claude_code_autoflow(cca)

通过 skill 方式实现全自动的任务分析,step 切割,cc 自动 clear 重启上下文,step 推进,和 subsetp 展开,以及 plan 模式常驻等等操作。 目前还在调试中,最终目的是 plan 完毕就可以全自动完成所有任务。 这样 ccb 是基础交互层, cca 就是自动化层。

目前 cca 工作流已经完成,但是自动化层面还需要一些考核和测试。

后续还有一个小计划,希望能够把电脑的 ccb 通过管道映射到手机上, 让我们成为行走的牛马。 不过目前还停留在幻想层面,虽然有方案,但是落地日远。

ps:目前 ccb 有了盗版,群友安装了一天安装不好,结果发现是盗版 ccb,大家注意一点,认准正版链接:


📌 转载信息
转载时间:
2026/1/3 21:24:53