新闻详情

新闻详情

首页 / 资讯中心 / 详情

Codeg多智能体协作:@提及一键委托,Claude Code起草Codex审查并行工作完全指南

发布时间:2026/11/16 15:24:08来源:尧图网络
Codeg多智能体协作:@提及一键委托,Claude Code起草Codex审查并行工作完全指南
Codeg多智能体协作提及一键委托Claude Code起草Codex审查并行工作完全指南【免费下载链接】codegCollaborative multi-agent AI coding workspace: aggregate sessions from Claude Code, Codex, OpenCode, Pi, Grok Build, etc. Desktop app, self-hosted server, or Docker.项目地址: https://gitcode.com/gh_mirrors/co/codegCodegCode Generation是一款开源的多智能体协作 AI 编程工作区它把 Claude Code、Codex、OpenCode、Pi、Grok 等 15 种智能体会话聚合进同一个可搜索的工作区并支持在一个任务内让主智能体把子任务委派给其他类型的智能体——桌面应用、自托管服务器或 Docker 三种形态均可运行。而整篇文章的主角就是它最核心的杀手锏输入、选中智能体、发送一行字就能让 Claude Code 起草、Codex 同步审查两个智能体并行开工。为什么需要多智能体协作单智能体编程的瓶颈很明显同一个模型既写代码又当审稿人容易自己查不出自己的问题想换个人换个模型复核就得复制上下文、切终端、粘贴结果。Codeg 把这件事压缩到一个按键传统做法Codeg 的做法复制 A 智能体的输出粘贴到 B 智能体终端输入B智能体发送上下文割裂来回切换所有结果实时汇流回同一对话手动等待、逐个盯进度每个子任务一张实时卡片边跑边填相关实现分布在 rich-composer.tsx输入框提及与 delegation-context.tsx父↔子智能体的实时绑定跟踪中。提及一键委托3 步上手整个过程不需要任何配置只要你的智能体已安装Codeg 可以替你安装并锁定版本输入在任意对话输入框中敲下会弹出智能体选择面板——Claude Code、Codex、OpenCode、Grok 等全部列出。值得一提的是mention-match.ts 针对中日韩无空格书写做了专门优化帮我看下Codex这种连续中文也能正常触发面板选中智能体从面板里点选或继续输入做模糊搜索被提及的智能体会以徽章形式出现在输入框里发送Codeg 自动把该智能体拉起为独立会话把任务交给它再把它的输出流式汇回你当前的对话。一次两个智能体它们就并行开工。底层调度由后端 broker 完成前端通过 delegation-context.tsx 订阅delegation_started/delegation_completed事件在桌面端和 Web 服务器端行为完全一致。委派卡片每个子任务实时可观测委托不是黑盒。被委派的每个子智能体都会在对话流中生成一张委派卡片delegation card边跑边填状态从 启动中 → 运行中 → 完成/失败 实时变化而不是等结束才一次性出现等待权限时高亮子智能体如果需要你授权某个操作卡片会切到等待状态提示你处理点开即读点击卡片可以直接打开子智能体自己的完整会话看它是怎么一步步干活的。卡片的解析与状态判定逻辑集中在 delegation-card.ts它同时服务于消息流内的内联卡片和右上角的子智能体浮层——单一数据源永不漂移。Claude Code 起草、Codex 审查并行工作的正确姿势多智能体最实用的组合就是一人起草、一人审查在一条消息里ClaudeCode和Codex描述同一份需求ClaudeCode 实现登录接口的防重放校验Codex 审查它的实现并指出安全漏洞Codeg 同时拉起两个独立会话Claude Code 在起草Codex 在审查互不阻塞两路输出实时汇流回同一对话你不用来回切终端复制粘贴。想看得更清楚用分屏右键会话标签向右或向下拆分视图左侧 Claude Code 重构、右侧 Codex 审 diff各自独立滚动布局按工作区记忆、重启原样恢复。跨智能体会话接力Codex 接着上周 Claude Code 的活儿干这是 Codeg 会话聚合的隐藏福利各智能体的历史会话一键导入工作区后不再是孤岛——提及一个旧会话哪怕它是另一个智能体写的你当前对话的智能体就能读到它。于是今天的 Codex 可以接着上周 Claude Code 停下的地方继续做跨模型的上下文无缝接力。进阶待办任务 委派 无人值守流水线不想盯着的活儿交给待办看板写下标题、说明、指定智能体Codeg 给它一份独立的 git 工作树独立分支多个任务并行互不干扰。做完的任务进入待验收栏等你看 diff——通过才合并且 Codeg 会亲自核对 git确认不了的合并自动退回绝不报喜不报忧。再叠加 Codeg 内置的专家技能头脑风暴、执行计划、并行代理派发、完成前验证等定义见 experts.toml起草—审查—验证的完整协作流水线就搭好了主会话提及起草者与审查者并行开工大块任务丢进待办看板夜间自动跑早上看 diff逐条验收合并。常见问题 FAQQ 提及的并行智能体之间会互相看到对方的输出吗每个被提及的智能体运行在自己的独立会话里它们共享的是同一个任务上下文你的消息与代码工作区而不是彼此的实时流——这正是起草/审查分工成立的前提。Q子智能体出错怎么办委派卡片会显示失败原因智能体失败时会明确归类连接、登录、额度、被拒、服务异常输入框下方直接给出 重试/登录/新会话 按钮。Q手机端能用吗原生 iOS/Android 客户端可连接桌面端的 Web 服务或自托管codeg-server在手机上发起会话、盯实时进展、批准权限。Q名单外的智能体能参与协作吗可以。从公开 ACP 注册表挑一个或粘贴 distribution JSON 注册Codeg 会安装、预检并像内置智能体一样对待它——出现在选择器里、接受委派。总结Codeg 用提及 一键委托把多智能体协作从折腾变成了本能Claude Code 起草、Codex 审查并行开工委派卡片实时可见跨智能体会话可接力待办看板让整条流水线无人值守。作为桌面应用、自托管服务器或 Docker 容器它都能跑完整文档可在官方文档站查阅中文说明参见 README.zh-CN.md。现在试试在输入框里敲下第一个吧。【免费下载链接】codegCollaborative multi-agent AI coding workspace: aggregate sessions from Claude Code, Codex, OpenCode, Pi, Grok Build, etc. Desktop app, self-hosted server, or Docker.项目地址: https://gitcode.com/gh_mirrors/co/codeg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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/16 6:47:19

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉