新闻详情

新闻详情

首页 / 资讯中心 / 详情

5分钟上手CCB:从零安装到启动你的第一个AI编码智能体工作区(新手快速开始)

发布时间:2026/11/13 6:37:16来源:尧图网络
5分钟上手CCB:从零安装到启动你的第一个AI编码智能体工作区(新手快速开始)
5分钟上手CCB从零安装到启动你的第一个AI编码智能体工作区新手快速开始【免费下载链接】claude_codex_bridgeVisible multi-agent CLI workspace for mixing Codex, Claude, Gemini, Kimi, Qwen, Cursor, Copilot, Pi, OpenCode, and other AI coding agents项目地址: https://gitcode.com/gh_mirrors/cl/claude_codex_bridgeCCBclaude_codex_bridge是一个可见的多智能体 CLI 工作区把 Codex、Claude、Gemini、Kimi、Qwen 等 AI 编码智能体装进同一个终端让它们分工协作、消息互通还能从手机远程接管。本文是一份新手快速开始教程带你从零安装 CCB到启动你的第一个 AI 编码智能体工作区全程只需 5 分钟。 开始之前30 秒检查环境CCB 支持Linux、macOS、WSLWindows 原生为 beta。开始安装前请确认依赖用途是否必须Node.js npm通过 npm 安装 CCB推荐Python 3.10源码安装时的运行时仅源码安装需要至少一个 AI 编码 CLI如 Codex / Claude / Gemini且已完成登录✅ 必须 CCB 本身不内置大模型它负责编排你在机器上装了哪个 AI 编码智能体的 CLICCB 就能挂载哪个。启动时 CCB 会按Codex → Claude → Gemini的顺序自动挑选本机第一个可用的 CLI。第一步npm 一键安装 CCB最快配置方法打开终端执行一行命令即可完成安装npm install -g seemseam/ccblatest安装完成后验证版本ccb --print-version看到版本号输出就说明 CCB 已就绪。如果你后续想升级只需再次执行ccb update事务式更新器失败会自动回滚。 不想用 npm两种替代安装方式方式 A下载 release 包解压后运行安装脚本tar -xzf ccb-*.tar.gz cd ccb-* ./install.sh install方式 B源码安装面向开发者git clone https://gitcode.com/gh_mirrors/cl/claude_codex_bridge cd claude_codex_bridge ./install.sh install安装脚本见 install.sh。如果安装成功但运行时出问题多半是环境里多个 Python / Volta / tmux 互相干扰可参考 docs/install-runtime-environment/ 排障。第二步一条命令启动你的 AI 编码智能体工作区进入你的项目目录直接运行ccb如果启动时提示无法自动创建.ccb或找不到项目锚点手动创建即可mkdir -p .ccbCCB 以轻量模式启动只打开一个main窗口并根据本机可用的 CLI 创建一个名为demo的智能体——不会再默认拉一整个多智能体团队占屏新手不会被界面吓到。此时你已经拥有了一个可直接对话的 AI 编码智能体。第三步打开配置面板挑选你的智能体与模型两种方式打开本地配置控制面板点击 CCB 侧边栏左上角的⚙ 设置图标或在项目目录运行ccb config ui。面板里可以配置窗口与 pane 分栏、智能体 provider、模型、思考等级、Rich 模式、侧边栏布局等。保存前会先做校验支持热加载 dry-run保存后生成.ccb/ccb.config把当前拓扑固定为该项目的配置。想要多智能体协作拓扑用,表示上下堆叠、;表示左右分栏例如reviewer:claude, qa:gemini就是一个评审 质检双栏窗口。完整示例见 README/zh.md。第四步让智能体真正干起来——对话与 /ask 协作方式 1直接对话。在任意 agent pane 里直接输入就像和单个 AI 助手聊天。方式 2/ask跨智能体委派。在任意智能体里输入/ask reviewer review the latest parser changes and list blocking issues.CCB 会把消息排队投递给目标智能体对方处理完再把结果回传8.7.0 起人和智能体共享有序消息队列你在写草稿时不会被打断。长期上下文建议把团队规则、项目约束、交接约定写进项目共享记忆文件.ccb/ccb_memory.md所有智能体都能读到比各自维护私有记忆更可靠。 进阶三连Rich 模式、手机远程控制、安全升级功能命令说明Rich 富媒体终端ccb update rich在终端内浏览文件树、预览文档与媒体手机 AppAndroidccb update mobile远程控制项目、语音输入、文件传输源码见 mobile/ 与 lib/mobile_gateway/升级 / 回滚ccb update/ccb update 8.1.3事务式更新失败自动恢复旧版本另外值得一提的是CCB 的后台守护进程会持续运行关掉前台界面项目状态依然保活下次ccb直接接上。总结你的 CCB 快速开始清单✅npm install -g seemseam/ccblatest安装✅ 项目目录运行ccb若提示缺失则mkdir -p .ccb✅ ⚙ 设置面板里选定 provider 与模型✅ 用/ask让智能体互相协作✅ 升级用ccb update遇到问题用ccb --print-version与ccb doctor自查想继续深入可以阅读官方使用手册 docs/manuals/user-guide/或查看版本更新记录 CHANGELOG_4.0.md。现在打开终端敲下ccb你的第一个 AI 编码智能体工作区已经就位。【免费下载链接】claude_codex_bridgeVisible multi-agent CLI workspace for mixing Codex, Claude, Gemini, Kimi, Qwen, Cursor, Copilot, Pi, OpenCode, and other AI coding agents项目地址: https://gitcode.com/gh_mirrors/cl/claude_codex_bridge创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉