23-多工具协同:构建你的 AI 编程工作台 —— 系列收官

多工具协同:构建你的 AI 编程工作台 —— 系列收官

23 篇文章,我们拆解了 3 大终端 Agent、Skills、MCP、Plugins、Hooks、多 Agent 编排、Spec Driven、安全防护。但所有这些知识,最终都要落在一个问题上:明天早上打开电脑,你的 AI 编程工作台长什么样?


从单工具到多工具协同的演进

回顾你在这 23 篇文章中的成长路径:

阶段一(第 1-2 篇):认知建立
  工具:还没决定用哪个
  状态:在浏览器里试 v0,在 IDE 里装 Cursor
  产出:第一次让 AI 帮你写出了代码

阶段二(第 3-10 篇):能力构建
  工具:Claude Code,配好了 CLAUDE.md + Skills + MCP + Plugins
  状态:AI 的输出质量大幅提升
  产出:一个配置到位的 AI 编程环境

阶段三(第 11-15 篇):单工具深度
  工具:Claude Code 为主,Hooks + Memory + 多 Agent
  状态:可以靠描述需求完成一个完整项目
  产出:端到端的 AI 辅助开发能力

阶段四(第 16-19 篇):工具箱扩展
  工具:Claude Code + Codex CLI + OpenCode
  状态:理解每个工具的甜区和雷区
  产出:选择了适合自己的工具组合

阶段五(第 20-22 篇):工程化落地
  方法:横向评测 + Spec Driven + 安全防护
  状态:AI 写的代码可以放心上生产
  产出:有安全底线的 AI 编程体系

阶段六(本篇):协同工作台
  方法:Claude Code 主控 + Codex 外包 + OpenCode 备份
  状态:像一个 CTO 一样管理多个 AI 工具
  产出:属于你自己的 AI 编程工作台

协同模式一:Claude Code 主控 + Codex 外包

这是最高效的日常组合。

工作流:

1. 接到需求
   👤 心里默念:"这个需求复杂吗?"
   ├─ 简单清楚 → 直接在 Claude Code 里开干
   └─ 复杂/模糊 → 切到 Codex 做 /plan

2. 需要计划先行的场景
   Codex > /plan 重构支付模块,支持微信支付 + 支付宝
   → 生成 8 步计划
   → 你审查、调整、确认
   → 简单步骤回 Claude Code 做(快)
   → 复杂步骤让 Codex /goal 跑(稳)

3. 日常执行
   Claude Code 里:
   👤 "做 Task 3:积分扣减接口,参考 docs/specs/points/architecture.md"
   🤖 读 Spec → 理解设计 → 写代码 → 跑测试 → 你验收

4. 长任务执行
   下班前:
   👤 Codex > /goal 完成 docs/specs/search/ 中 Task 4-7
   → 挂后台 → 回家
   → 第二天回来看结果

具体配置

# 终端布局(tmux 推荐)
┌───────────────────┬───────────────────┐
│ Pane 1: Claude Code │ Pane 2: Codex CLI  │
│ (主力开发)(计划/长任务)       │
│ 当前项目目录        │ 当前项目目录        │
│ 快速迭代            │ /plan & /goal      │
├───────────────────┴───────────────────┤
│ Pane 3: 终端 (git status / 跑测试 / 日志)│
└───────────────────────────────────────┘

协同模式二:Git Worktree 并行工作流

当你需要同时做两个独立功能时:

# 主工作区
cd ~/projects/my-app
git worktree add ../my-app-feature-a feature-a
git worktree add ../my-app-feature-b feature-b

# 三个终端窗口:
# 终端 1: cd ~/projects/my-app-feature-a && claude
# 终端 2: cd ~/projects/my-app-feature-b && codex
# 终端 3: cd ~/projects/my-app && git status(监控合并状态)
执行过程:

终端 1(Claude Code @ feature-a):
  👤 "实现用户积分系统,按 docs/specs/points/tasks.md 执行"
  🤖 做 Task 1-3...

终端 2(Codex @ feature-b):
  > /goal 实现全文搜索功能,按 docs/specs/search/tasks.md 执行
  🤖 自动执行...

你:在两个窗口间切着看,哪个完成了验收哪个。

完成后:
  终端 1 合并 feature-a → main ✅
  终端 2 合并 feature-b → main
  如果有冲突 → 终端 3 git mergetool 解决

协同模式三:oh-my-claudecode Team Mode 跨模型协同

# 在 Claude Code 中启动 Team Mode
> team start --model claude-sonnet-4-6

# 分配不同 Agent 用不同模型
> team agent architect --model claude-opus-4-7
> team agent coder --model claude-sonnet-4-6
> team agent reviewer --model claude-haiku-4-5

# 分配任务
> team assign architect "设计积分系统的数据库 schema"
> team assign coder "实现积分获取接口"
> team assign reviewer "审查 Task 1-3 的所有代码"
Architect (Claude Opus)        Coder (Claude Sonnet)        Reviewer (Claude Haiku)
"设计积分系统架构..."           "写代码实现..."              "审查代码..."

      │                              │                            │
      ▼                              ▼                            ▼
  architecture.md              积分获取接口                   审查报告
      │                              │                            │
      └──────────┬───────────────────┘                            │
                 ▼                                                │
            Coder 基于 architecture.md 写代码                      │
                 │                                                │
                 └────────────────────────────────────────────────┘
                                    │
                                    ▼
                             Reviewer 审查 Coder 的代码

什么时候需要跨模型

需要 Opus 的场景(推理最强,但最贵):
  - 架构设计
  - 复杂 Bug 定位
  - 安全审计

需要 Sonnet 的场景(性价比最优):
  - 日常编码(80% 的工作)
  - 代码审查
  - 文档生成

需要 Haiku 的场景(最快最省):
  - 格式化
  - 简单 rename
  - 补充缺失的类型标注

个人工作台配置模板

目录结构

~/
├── .claude/
│   ├── mcp.json                     # 通用 MCP(GitHub/Filesystem/Context7)
│   ├── settings.json                # Hooks + Permissions
│   ├── skills/
│   │   ├── code-review/             # 代码审查
│   │   ├── test-gen/                # 测试生成
│   │   └── deploy/                  # 部署流程
│   └── memory/
│       └── MEMORY.md
│
├── .codex/
│   └── settings.json                # Codex 权限 + 模型配置
│
├── .opencode/
│   ├── oh-my-opencode.slim.json     # Slim 单文件全配置
│   └── presets/                     # omo-switch 预设
│       ├── default.json
│       ├── budget.json
│       └── max-quality.json
│
└── projects/
    ├── project-a/
    │   ├── CLAUDE.md                # 项目级约束
    │   ├── AGENTS.md                # 跨工具通用约束
    │   ├── .mcp.json                # 项目专用 MCP
    │   └── .claude/
    │       ├── hooks/               # 项目级 Hooks
    │       └── skills/              # 项目级 Skills
    └── project-b/
        └── ...

新机器一键配置脚本

#!/bin/bash
# setup-coding-workbench.sh —— 5 分钟配好全部环境

echo "🚀 配置 AI 编程工作台..."

# 1. 安装三大工具
npm install -g @anthropic-ai/claude-code @openai/codex @sst/opencode

# 2. 克隆个人配置仓库
git clone https://github.com/me/my-claude-config ~/.claude-config

# 3. 创建符号链接
ln -sf ~/.claude-config/mcp.json ~/.claude/mcp.json
ln -sf ~/.claude-config/settings.json ~/.claude/settings.json
ln -sf ~/.claude-config/skills ~/.claude/skills

# 4. 复制 Codex 和 OpenCode 配置
cp ~/.claude-config/codex/settings.json ~/.codex/
cp ~/.claude-config/opencode/slim.json ~/.opencode/oh-my-opencode.slim.json

# 5. 安装安全工具
pip install pip-audit bandit
npm install -g trufflehog

# 6. 验证
claude --version && codex --version && opencode --version

echo "✅ 工作台配置完成。试试: cd your-project && claude"

工作台的日常节奏

早上

1. 打开 tmux,切到项目目录
2. Claude Code 启动 → SessionStart Hook 展示项目状态
3. 看一眼昨天的 Codex /goal 结果(如果有挂后台的任务)
4. 决定今天做什么:简单 → Claude Code,复杂 → Codex /plan

工作中

快速迭代:
  终端 1 (Claude Code): 描述需求 → AI 写代码 → 你验收 → 下一个

需要计划:
  终端 2 (Codex): /plan → 确认 → 复杂步骤转 /goal → 简单步骤回 Claude Code

多个任务并行:
  终端 1: Feature A (Claude Code)
  终端 2: Feature B (Codex /goal)
  终端 3: Git 操作 + 日志监控

下班前

1. 有没有可以做整晚的长任务?
   → Codex /goal 挂上去,回家
2. 今天积累了什么"隐性知识"?
   → 写进 Memory 或 CLAUDE.md
3. 今天 AI 犯过什么错?
   → 更新对应的 Skill 或约束规则

从这篇文章开始

23 篇文章到此结束。但真正的学习才刚刚开始——

你不需要记住全部 23 篇的内容。把这个系列当作一个参考手册

当你需要...                          翻到...

第一次让 Claude Code 上手干活        第 11 篇
写出更好的 CLAUDE.md                 第 3 篇
安装和使用 Skill                     第 4 篇
写一个自己的 Skill                   第 5 篇
设计好的 Skill                       第 6 篇
装 MCP Server                        第 7 篇
写自己的 MCP Server                  第 8 篇
安装 Plugin                          第 9 篇
打包发布 Plugin                      第 10 篇
写 Hook 脚本                         第 12 篇
编排生产级 Hooks                     第 13 篇
了解多 Agent 怎么玩                  第 14 篇
管理上下文的 Memory                  第 15 篇
用 Codex 的计划和长任务              第 16-17 篇
用 OpenCode 省钱或私有化部署         第 18-19 篇
不知道选哪个工具                      第 20 篇
把 Vibe Coding 工程化                第 21 篇
加固安全底线                         第 22 篇
搭建协同工作台                        本篇

Vibe Coding 的真相

最后,说几句实话。

**Vibe Coding 不是魔法。**它是第四次编程范式转移,就像汇编到 C 语言、C 到 Java、Java 到框架一样。每次转移都有人说"这会让程序员失业",但每次转移的结果都是:门槛降低,能做软件的人变多,好的软件变多了,滥竽充数的也变多了。

**AI 写的代码需要你更懂,而不是更不懂。**你不需要知道每一行代码怎么写,但你需要知道什么是对的、什么是危险的、什么是好的工程实践。AI 降低的是"打字"的成本,不是"判断"的成本。你的判断力,是 AI 永远替代不了的东西。

**工具只是工具。**Claude Code、Codex、OpenCode——选哪个没那么重要。重要的是:你用它做出了什么。一个用 v0 + Lovable 做了 10 个产品原型的产品经理,比一个装了全套 Claude Code + Codex + oh-my-claudecode 配置但从没做出过完整项目的人,学到的东西多一百倍。

关掉这篇文章。打开终端。让 AI 帮你做一件事。任何事。


延伸阅读

内容概要:本文系统梳理了个科研领域的前沿研究与技术实现,重点涵盖FDTD方法中的完美匹配层(PML)研究,以及Matlab/Simulink在电磁、电力、控制、通信、信号处理、图像处理、路径规划、能源系统优化等领域的仿真与算法实现。文中列举了大量基于Matlab和Python的科研案例,如风电功率预测、负荷预测、无人机三维路径规划、电池系统故障诊断、雷达模拟、通信编码、微电网优化调度等,并强调结合智能优化算法(如粒子群、遗传算法、深度学习等)提升系统性能。同时,提供了丰富的代码资源与仿真模型,涵盖永磁同步电机控制、逆变器设计、智能体任务分配、虚拟电厂调度等复杂系统,助力科研人员快速开展复现实验与创新研究。; 适合人群:具备一定编程基础,熟悉Matlab/Python工具,从事电气工程、自动化、通信、人工智能、新能源、控制科学等相关领域研究的研发人员及研究生。; 使用场景及目标:① 学习并实现FDTD仿真中的PML边界条件以有效抑制数值反射;② 掌握Matlab/Simulink在物理场建模、控制系统设计与优化算法中的综合应用;③ 借助提供的代码资源完成科研复现、课程设计、竞赛项目或工程原型开发; 阅读建议:此资源以科研实战为导向,不仅提供理论方法,更强调代码实现与仿真验证。建议读者结合自身研究方向,按目录顺序查阅相关模块,下载配套代码进行调试与二次开发,以达到学以致用、融会贯通的目的。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值