当前位置： 首页 > news >正文

组建你的 AI 开发团队：Claude 澄清需求 + Gemini 设计原型 + Codex 并行编码

news 2026/6/23 16:20:14

官方纯血 AI 中转站：https://dogcoding.cn/

不用再单打独斗了！通过 4.0 工作流的多 Agent 协作系统（基于 codeagent-wrapper），你可以组建一支 3 人 AI 开发团队：Claude 作为产品经理（澄清需求、生成 PRD）→Gemini 作为设计师（生成原型设计）→Codex 作为工程师（并行编码、测试）。一条/dev命令，启动端到端自动化开发工作流。

核心亮点：

  • 3 个 AI Agent 协作开发：Claude (需求) + Gemini (设计) + Codex (编码)

  • Skills 自动激活：说"我需要 PRD"自动触发 Claude，说"生成原型"自动触发 Gemini

  • 并行执行：后端、前端、测试同时开发，效率提升 3-5 倍

  • 强制质量保证：90% 测试覆盖率，标准化交付

  • 配置时间：5 分钟即可启动你的 AI 团队

4.0 工作流（Multi-Agent）（⭐ 当前版本）：

  • 形态：多 Agent 协作 + Skills 自动激活 + 并行执行

  • 突破：Claude（需求）+ Gemini（设计）+ Codex（编码）协作

  • 技术：基于 codeagent-wrapper 5.2 实现

  • 优势：端到端自动化、成本优化、质量保证

从单后端到端到端工作流的演进

传统方案（codex-wrapper）：

  • 局限：仅支持 Codex（OpenAI）

  • 问题：无法根据任务类型选择最优模型

  • 流程：手动需求分析 → 手动拆分任务 → 串行开发 → 手动测试

  • 适用：简单场景、单一技术栈

4.0 工作流（codeagent-wrapper + Skills System）：

  • 突破：支持 Codex、Claude、Gemini 三种后端

  • 优势：自动化端到端工作流、智能后端分配、并行执行

  • 流程：Claude 澄清需求→Gemini 设计原型→Codex/Gemini 并行开发→自动测试验证

  • 适用：生产级开发、复杂功能开发、团队协作

4.0 工作流的七大核心能力

1. Skills 自动激活系统（🆕 4.0 核心特性）

三大核心 Skills：

自动激活机制：

当用户输入包含特定关键词时，Claude Code 通过skill-rules.json自动匹配并激活对应 skill：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line { "product-requirements": { "patterns": ["requirements?", "PRD", "product spec", "feature spec", "需求"], "trigger": "auto", "backend": "claude" }, "prototype-prompt-generator": { "patterns": ["prototype", "design", "UI", "mockup", "wireframe", "原型"], "trigger": "auto", "backend": "gemini" } }

优势：

  • 零学习成本：用户无需记忆命令，自然语言即可触发

  • 智能路由：根据任务类型自动选择最优后端

  • 无缝集成：与/dev命令配合，形成完整工作流

2. 多后端支持

支持的 AI 后端：

后端选择策略：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 全局指定后端（所有任务使用同一后端） codeagent-wrapper --backend claude "分析代码库架构" # 任务级后端选择（不同任务使用不同后端） codeagent-wrapper --parallel <<'EOF' ---TASK--- id: analysis backend: claude # 使用 Claude 做分析 ---CONTENT--- 分析代码库架构和依赖关系 ---TASK--- id: implementation backend: codex # 使用 Codex 做实现 dependencies: analysis ---CONTENT--- 根据分析结果实现功能 EOF
2. 统一的 API 接口

所有模式统一调用

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 单任务模式 codeagent-wrapper --backend claude "任务描述" # 从 stdin 读取（支持长文本） codeagent-wrapper --backend gemini - <<'EOF' 多行任务描述 EOF # 恢复会话 codeagent-wrapper --backend codex resume <session_id> "继续任务" # 并行执行 codeagent-wrapper --parallel <<'EOF' ---TASK--- ... EOF
3. 灵活的并发控制

环境变量配置：

ounter(lineounter(lineounter(lineounter(lineounter(line # 限制并发任务数（推荐：8） export CODEAGENT_MAX_PARALLEL_WORKERS=8 # 自定义超时（默认 2 小时） export CODEX_TIMEOUT=3600000 # 1 小时

并发策略：

  • 独立任务：同一层并行执行

  • 依赖任务：按拓扑排序串行

  • 失败处理：失败任务阻塞所有依赖它的任务

4. 智能的权限管理

Claude 后端：

  • 默认：--dangerously-skip-permissions（自动化友好）

  • 禁用：export CODEAGENT_SKIP_PERMISSIONS=true

Codex/Gemini 后端：

  • 默认：启用权限检查

  • 跳过：export CODEAGENT_SKIP_PERMISSIONS=true

5. Session 管理

Session ID 格式：

ounter(lineounter(line thread_xxxxx (Codex) 019a7247-... (Claude/Gemini)

恢复会话：

ounter(lineounter(lineounter(lineounter(lineounter(line # 恢复之前的会话继续工作 codeagent-wrapper resume thread_abc123 "继续实现剩余功能" # 指定后端恢复 codeagent-wrapper --backend claude resume 019a7247-... "优化代码"
6. 高测试覆盖率推荐

每个任务推荐：

  • 实现功能代码

  • 编写单元测试（90% 覆盖率目标）

  • 运行测试并报告覆盖率

  • 修复失败的测试

环境配置：从零到生产

前置要求

操作系统：

  • macOS / Linux：原生支持

  • Windows：推荐 PowerShell + install.bat（一键安装），或使用 WSL1

Windows 用户推荐方案：

  1. PowerShell + install.bat（推荐）：

  • 原生支持，无需虚拟化

  • 一键安装脚本，配置简单

  • 直接访问 Windows 文件系统

  1. WSL1（备选）：

  • 内存占用低（400-500MB，WSL2 需要 2-4GB）

  • 文件性能好（直接访问/mnt/d/workspace）

  • 兼容性强（除 C++ 编译外无已知问题）

必需工具：

  • Python 3.8+

  • Git

  • Go 1.21+（编译 codeagent-wrapper）

  • AI CLI 工具（根据选择的后端）：

    • codex（如果使用 Codex）

    • claude（如果使用 Claude）

    • gemini（如果使用 Gemini）

第一步：安装 codeagent-wrapper

方式 1：一键安装脚本（推荐）：

macOS / Linux：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 克隆仓库 git clone https://github.com/cexll/myclaude.git ~/myclaude cd ~/myclaude # 执行安装脚本 python3 install.py --module dev # 安装过程： # [1/5] 检查依赖（uv, codex） # [2/5] 安装 codex-wrapper # [3/5] 配置 Claude Code Skills # [4/5] 安装 dev-workflow 命令 # [5/5] 验证安装

Windows PowerShell：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 克隆仓库 git clone https://github.com/cexll/myclaude.git $HOME\myclaude cd $HOME\myclaude # 执行安装脚本 .\install.bat # 脚本会自动： # - 检查 Python 和 Git # - 安装 codeagent-wrapper # - 配置 Claude Code Skills # - 安装 /dev 命令 # - 验证安装

方式 2：从源码安装：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 克隆仓库 git clone https://github.com/cexll/myclaude.git ~/myclaude cd ~/myclaude # 编译 codeagent-wrapper（需要 Go 1.21+） cd skills/codex go build -o codeagent-wrapper main.go # 移动到 PATH sudo mv codeagent-wrapper /usr/local/bin/ # 验证安装 codeagent-wrapper --version

方式 3：使用预编译二进制：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 从 GitHub Releases 下载 curl -L https://github.com/cexll/myclaude/releases/latest/download/codeagent-wrapper-$(uname -s)-$(uname -m) -o codeagent-wrapper # 添加执行权限 chmod +x codeagent-wrapper # 移动到 PATH sudo mv codeagent-wrapper /usr/local/bin/

第二步：配置 AI 后端

2.1 配置 Codex（OpenAI）

安装 Codex CLI：

  • ounter(line uv tool install codex

    配置~/.codex/config.yaml：

  • ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line model = "gpt-5.2" model_reasoning_effort = "xhigh" model_reasoning_summary = "detailed" approval_policy = "never" # 自动执行 sandbox_mode = "workspace-write" # 允许写入 disable_response_storage = true network_access = true

    设置 API Key：

  • ounter(line export OPENAI_API_KEY="your-openai-api-key" 获取地址：https://nicecode.cc/
    2.2 配置 Claude（Anthropic）

    安装 Claude Code CLI：

  • ounter(lineounter(line # 下载安装 curl -L https://claude.ai/cli/install.sh | sh

    权限说明：

    codeagent-wrapper 对 Claude 默认使用--dangerously-skip-permissions，因为：

  • 自动化工作流无法处理交互式确认

  • 所有操作在沙盒环境执行（安全）

  • 如需启用权限检查：export CODEAGENT_SKIP_PERMISSIONS=true

设置 API Key：

  • ounter(line export ANTHROPIC_API_KEY="your-anthropic-api-key"
    2.3 配置 Gemini（Google）

    安装 Gemini CLI：

  • ounter(line pip install google-generativeai

    设置 API Key：

  • ounter(line export GOOGLE_API_KEY="your-google-api-key"

    第三步：配置 Claude Code（推荐）

    如果使用 Claude Code 作为主编排工具：

    安装 codeagent skill：

ounter(lineounter(line git clone https://github.com/cexll/myclaude && cd myclaude bash install.sh

Parallel tasks:

  • ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line codeagent-wrapper --parallel <<'EOF' ---TASK--- id: task1 backend: codex ---CONTENT--- task content EOF

    Backends

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line ### 第四步：验证安装 ```bash # 测试 Codex 后端 codeagent-wrapper --backend codex "print('Hello from Codex')" # 测试 Claude 后端 codeagent-wrapper --backend claude "分析当前目录结构" # 测试 Gemini 后端 codeagent-wrapper --backend gemini "生成一个简单的 README"

4.0 工作流的杀手级特性：端到端工作流

Skills System 介绍

4.0 工作流引入了三个核心 Skills，实现从需求到交付的完整自动化：

自动激活机制：

Skills 通过skill-rules.json配置关键词匹配规则，当用户输入包含特定关键词时，Claude Code 自动激活对应的 skill：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line { "product-requirements": { "patterns": ["requirements?", "PRD", "product spec", "feature spec"], "trigger": "auto" }, "prototype-prompt-generator": { "patterns": ["prototype", "design", "UI", "mockup", "wireframe"], "trigger": "auto" } }

工作流总结

4.0 工作流的端到端优势：

  1. 需求阶段（Claude）：

  • 自动激活product-requirementsskill

  • 交互式澄清需求

  • 生成结构化 PRD

  1. 设计阶段（Gemini）：

  • 自动激活prototype-prompt-generatorskill

  • 生成详细设计 prompt

  • 高质量原型设计（多模态能力）

  1. 开发阶段（Codex + Gemini）：

  • /dev命令一键启动

  • 自动检测任务类型（后端 → Codex，UI → Gemini）

  • 并行执行、依赖管理

  • 强制 90% 测试覆盖率

时间对比：

  • 传统方式（串行）：8-10 小时

  • 4.0 工作流（并行）：3-4 小时（提升 60-70%）

核心优势

4.0 工作流的三大突破：

  1. 多后端支持

  • 灵活选择 Codex、Claude、Gemini

  • 根据任务类型优化后端选择

  • 任务级后端配置

  1. 统一 API 接口

  • 所有后端使用相同的 API

  • 简化学习曲线

  • 易于集成和自动化

  1. 并发控制和安全

  • 可配置的并发限制

  • 灵活的权限管理

  • 自动化友好的设计

适用场景

推荐使用 4.0 工作流：

  • 生产级项目开发

  • 需要优化后端选择的项目

  • 复杂功能开发（多任务并发）

  • 团队协作（标准化流程）

不推荐使用：

  • 简单脚本（过度工程化）

  • 原型验证（可以直接用单一后端）

  • 一次性任务（配置复杂）

生产力提升

  • 开发速度：提升 3-5 倍

  • 代码质量：测试覆盖率 ≥90%

  • 代码标准化：降低维护难度

  • 灵活性：根据需求选择最优后端

http://www.jsqmd.com/news/1068109/

相关文章：

  • 从协议转换到运行时部署，SAP PI 中 Channel 定义的完整实战理解
  • 项目实训小组博客（十）：局内交互流程开发（三）
  • AI 串联软件测试流水线
  • 一个做过 Office 产品的人告诉你：为什么看到“纯前端高保真”我第一反应是怀疑
  • SageAttention完全指南：如何实现2-5倍注意力加速的终极实战教程
  • AI剧本杀局内玩法规范与设计
  • 网络安全等级保护（等保2.0）全面解析：从“被罚款“到“过测评“，这篇8000字把等保讲透了！（PPT）
  • 2025_NIPS_Learning from Visual Observation via Offline Pretrained State-to-Go Transformer
  • 协作机器人选型的 6 个技术维度：重复定位精度、轴数、负载与防爆一文讲透
  • 电机驱动开发学习9. PID位置式算法实现与串口修改目标值
  • 向量数据库选型指南：FAISS、Milvus、Weaviate与Chroma的功能解析
  • 前端手记（一）：项目启动与前端任务拆分
  • 08 - 组织生命体：AI时代组织管理深度诊断试卷
  • Apache DolphinScheduler技术深度解析：现代数据编排平台的高可用分布式架构设计
  • 从合规视角看开发资产凭证管理：一个被忽略的控制点
  • PyTorch模型微调实战指南
  • temperature top-p
  • AI Agent 面试题 794：Agent的评估中的多轮对话质量评估方法
  • 软件｜Navicat Premium16 免费安装配置教程（附安装包）
  • 简谈循环神经网络（RNN）以及现代变体
  • Linear自动化_linear-automation
  • 奥迪 AUDI 案例：母品牌和新业务怎么拆？
  • 山东大学软件学院项目实训：基于AI大模型的智能考研助手（五）
  • C# Binary读写流 / BufferedStream缓存流 全套笔记
  • PyTorch Tensor 完全指南：从基础概念到高级操作实战
  • 微信 iPad 协议登录认证与鉴权机制深度解析
  • 己所不欲勿施于人
  • 多源BFS最短路---矩阵 | 飞地的数量 | 地图中的最高点 | 地图分析
  • C语言学习笔记20260519—如何判断输入的自然数是否为素数
  • OpencvSharp 算子学习教案之 - Cv2.DrawContours 重载1