Claude Code 不是更快的编程助手，而是更可靠的结对程序员_服务软件

1. 能上生产才是硬道理！Coding Agent 评测，终于开始关注过程了

2. ClaudeCode 如何使用？

3. 今天我们开源了一个新的AI Agent项目。Wegent：一个能够定义、编排和执行Agent团队的开源系统。和其它Agent开发系统的区别是，Wegent底层使用声明式方式构建和编排 AI Agent，这就意味着部署智能体就像是在K8S里部署负载一样，可以实现基于yaml直接定义部署Agent服务。同时，Wegent的底层定义中区分了智能体的“Ghost（提示词）”和“Shell（执行器）”的概念。例如，你既可以把Claude Code作为智能体的“壳”实现远程编码Agent系统，也可以基于Agno的“壳”来实现DeepResearch系统。在开源项目里也增加了配套的前端服务，可以直接在网页中构建新的Agent团队。项目地址：github.com/wecode-ai/Wegent（附件是用Wegent实现的网页版Claude Code的效果）

4. Anthropic这是被迫开源啊，最震撼的不是代码本身，而是泄露内容暴露的野心： KAIROS模式——从"帮你写代码"到"帮你管一切" PROACTIVE开关——AI从被动响应进化到主动行动多Agent协作——一群AI分工替你干活这已经超出编程工具的边界了。悲剧的是，代码里明明有"卧底模式"防泄密，结果因为一个.npmignore配置失误，整个蓝图被扒光。GitHub上几小时过万星。防不胜防！#ClaudeCode源码意外泄露#

5. 为什么Claude的代码能力会这么强？

6. 前端圈直接上了个大新闻：Anthropic 把 Bun 收了。这个原本被称为“Node.js 最强替代品”的超高速运行时，现在正式成了 Claude 的底层引擎。很多人只看到收购，但真正值得关注的是AI 编程工具正在反向重塑整个 JavaScript 基础设施。 Claude Code、FactoryAI 等一堆热门 AI 编码工具，本质上都跑在 Bun 上：运行快、启动快、工具链一体化、还原生支持 TypeScript。对 Anthropic 来说，谁掌握了运行时，谁就掌握了未来 AI 写代码的执行权。有了 Anthropic 的资源，Bun 的迭代速度会更快，Node.js 的压力也会更大。未来前端工具链可能不再靠开发者手搓配置，而是 AI + Bun 在底层把一切都处理掉。可以说这是 AI 改写开发方式的又一个转折点。#ai#

7. 为什么鸿蒙座舱5可以把交代的事办得干净利落？看完MoLA智能化架构后我懂了

8. 通透分析了ClaudeCode，全球最好的Agent框架全解密

9. Get Shit Done：给 Claude Code 加个大脑Claude Code 很强，但如果你的上下文不清楚，它输出的质量会逐步退化。用业界术语叫「Context Rot」——随着对话轮数增加，token 窗口被填满，Claude 开始忘记早期的上下文，输出会逐步劣化。GSD 的解决方案：不是靠 prompt 工程把 Claude 搞得更聪明，而是靠上下文工程——系统化地给 Claude 提供它需要的信息，并且按照设计师的意图来组织这些信息。核心机制：Draft → Plan → Execute → Verify1. 新项目讨论（/gsd:new-project）反复问你想要什么，直到彻底理解并行拉代理调研领域知识（比如你要做一个 OAuth 登录系统，自动去研究现在的最佳实践、常见坑点）抽取出哪些是 v1、哪些是 v2、哪些不在范围内生成 PROJECT.md + REQUIREMENTS.md + ROADMAP.md2. 阶段讨论（/gsd:discuss-phase）对路线图的每个阶段，深入讨论灰区——就是那些怎么实现没有明确方案的地方比如说"做个用户管理页面"，灰区就包括：是卡片布局还是表格、要不要搜索、怎么处理异常态系统会识别出这些灰区并持续追问，直到你满意输出 CONTEXT.md，成为后续规划和执行的参考3. 阶段规划（/gsd:plan-phase）研究：基于你在 CONTEXT.md 里的偏好，调研具体怎么实现规划：生成 2-3 个原子化任务计划，用 XML 结构化验证：计划会对标需求反复检查，直到通过关键：每个计划都足够小，能在一个全新的上下文窗口里执行，所以不会出现"做到后面我忘了最开始的需求了"的情况4. 并行执行（/gsd:execute-phase）按依赖关系分 wave 并行执行每个任务用一个新的 20 万 token 上下文，所以任务间不会相互污染每项任务完成后立刻生成一个 atomic commit，做得清楚明白最后对照目标验证一遍这个工具特别适合：1. 长期项目，多阶段迭代- 每个阶段定义清楚 → 规划清楚 → 执行清楚 → 验证清楚- 中途可以插队、调整，不用推倒重来2. 团队协作- 产品经理在讨论阶段把想法讲清楚- 工程师拿到规划就能纯执行- 不需要反复沟通"这个怎么实现"3. 自己一个人做项目，但项目很大- 特别是你要和 Claude Code 协作的场景- GSD 替你把工作流标准化了，你只需要审核关键决策访问：github.com/gsd-build/get-shit-done/blob/main/README.zh-CN.md#HOW I AI# #程序员#

10. Deep Agents：LangChain开源的Agent框架，开箱即用的LLM应用方案。核心思想：给你一个开箱即用的Agent，需要定制再加工。Deep Agents基于LangGraph构建，内置了单Agent应用的标配能力：任务规划、文件系统访问、Shell执行、子Agent委托、自动上下文管理。会话长了自动总结，大输出存文件，子Agent有隔离的上下文窗口。启动简单，支持任何能调工具的LLM（OpenAI、Claude、开源模型都行）。需要时加工具、换模型、调提示词。支持MCP。对比其他框架：1.LangGraph：底层编排框架，基于图和状态机。完全可控，支持流式、持久化、断点恢复。缺点是学习曲线陡，小任务过度设计。2. CrewAI：多Agent协作框架，建在LangChain和LangGraph之上。提供Agent、Task、Crew等高级抽象，快速定义多Agent分工。优点是上手快，缺点是多Agent固定模式，非标准行为定制困难。3. AutoGen（Microsoft）：事件驱动，支持conversation-based Agent交互和group chat。v0.4引入强可观测性和异步模型。适合多Agent对话，不适合需要持久化和复杂状态的应用。4. Deep Agents的位置：单Agent框架，高于简单的ReAct（思维链+工具调用），低于多Agent系统。填补了这个缝隙：需要快速上手，但又要求工业级的规划、文件访问、子Agent能力。技术特点：1. Deep Agents采用trust-the-LLM模型——Agent可以做工具允许的任何事，安全边界由工具和沙箱保证。这套思路来自Claude Code，也就是LangChain在把Claude Code的经验系统化。2. 上下文管理做得细致：会话自动总结、大输出转文件、子Agent隔离上下文窗口。处理长期运行任务（爬虫、研究、报告生成）时能显著降低token消耗。应用场景1. 快速原型或一次性脚本 → Deep Agents足够2. 复杂单Agent任务（爬虫、研究、代码生成） → Deep Agents很合适3. 多Agent协作 → CrewAI更顺手4. 需要完全自定义Agent行为 → LangGraph完全控制5. 对话式多Agent互动 → AutoGen更原生项目：github.com/langchain-ai/deepagents#HOW I AI# #程序员#

11. 观察 AIRI 源码：一个 Agent 系统如何处理入口、扩展与执行闭环

12. 观察 AIRI 源码：一个 Agent 系统如何处理入口、扩展与执行闭环

13. 在线协作开发常常需要协调多个AI助手、项目任务和沟通渠道，流程复杂不便管理。OpenSwarm 是基于 Claude Code CLI 的自治AI开发团队协调器。OpenSwarm 能自动从 Linear 拿任务，执行 Worker/Reviewer 代码生成与评审，还能在 Discord 上同步进度，利用 LanceDB 实现长期认知记忆，让AI团队像真人团队一样协作。主要功能：- 多代理流水线，支持 Worker、Reviewer、Tester、Documenter 多阶段自动协作；- 集成 Linear 任务管理，自动抓取和更新任务状态；- 通过 Discord 机器人，实时控制和查看任务进展，支持命令调度和对话；- 支持 LaurentDB 向量存储，实现跨会话的认知记忆回顾；- 支持多模型提供者，如Claude和OpenAI Codex，运行时可动态切换；- 自动监控PR，处理CI失败、合并冲突和重试，释放人工干预压力；- 丰富的终端交互界面（TUI），方便开发者操作与管理；- 支持多项目调度和自动任务分配，提升协作效率；- 具备代码依赖分析及变更影响检测功能，保障代码安全和准确；适合需要用AI自动化代码开发和评审、提升团队协作效率的开发者和团队。GitHub：github.com/unohee/OpenSwarm#开源神器# #AI开发助手# #自动化编程# #团队协作# #ClaudeCode# #开发效率提升#

14. 一个挺有意思的项目，值得体验一下：ClawTeam-OpenClawGitHub：网页链接如果你已经在用 OpenClaw / Claude Code / Codex / Hermes 这类 CLI Agent，应该会秒懂它的价值——它不是单纯再造一个 Agent，而是让一个 Agent 可以继续拉起多个 Agent 一起干活。比如你只给一个目标：“做一个 Web App”然后它可以自己拆任务、拉 worker、分工开发、同步进度、最后汇总结果。我觉得它最有意思的点有几个：默认深度适配 OpenClaw，不是顺手兼容一下，而是真正往 OpenClaw 工作流里嵌多 Agent 协作更工程化：任务拆分、会话隔离、结果汇总，不再全靠人盯着支持多种 CLI Agent：OpenClaw、Claude Code、Codex、Hermes、Cursor 等说白了，以前大家用 AI coding agent，很多时候还是“一个人单兵作战”；这个项目想推进的是：把 AI 编码从单兵模式，推到小团队协同模式。#OpenClaw# #AI编程# #多智能体# #AIAgent# #ClaudeCode# #Codex#

15. 【把Claude当异步实习生用，才是AI编程的正确打开方式】Tailwind CSS作者Adam Wathan分享了一个被严重低估的工作流：用Claude Code桌面版处理那些“重要但不紧急”的琐碎任务。他的做法很简单：把积压已久的开源项目维护工作丢给Claude，让它在后台异步处理，自己则专注于真正需要动脑的事情。关键在于云端运行的能力，电脑上启动任务后，用手机随时查看进度、提供反馈。这才是AI编程工具的真正价值所在。大家都在演示“帮我写个App”这种炫酷场景，但实际工作中最有用的是：同时排队四五个无聊的PR，把维护工作变成背景噪音。有人问为什么不用命令行版本？答案是异步和跨设备。躺在沙发上看电视时用手机启动一个想法，第二天回到电脑前继续推进，这种工作流的连续性是终端做不到的。一位开发者的实践更有意思：开9个iTerm标签页，每个标签页三栏布局，中间是Claude Code，左边是服务器和开发环境，右边是终端。每个Claude实例有独立的数据库。这种并行处理的效率，相当于雇了一个不知疲倦的团队。还有人用这个方法批量处理Sentry报错、清理技术债务、优化代码结构。这些任务的共同特点是：足够重要所以不能忽略，又足够无聊所以一直拖延。不过有一条提醒值得注意：委托的应该是任务，而不是思考。AI擅长执行明确的指令，但判断什么值得做、怎么做才对，这仍然需要人来把关。真正的效率提升不在于代码质量有多高，而在于消灭了积压任务的心理负担，让项目保持可维护的状态。当那些“太小不值得开始”的任务不再堆积，你才能真正专注于需要人类直觉的问题。x.com/adamwathan/status/2017616165455949851

16. HiClaw 加入 AgentScope，携手 CoPaw 共建多 Agent 的基础设施

17. 阿维塔07首发MoLA架构，车载AI也能这么懂你#阿维塔07##阿维塔07华为系MoLA架构首发上车##一句小塔万事对答# 扎克张的微博视频

18. #Easy同学正在独立开发# ClaudeCode 的核心竞争力不是什么cli，而是Claude 模型的能力和套餐模式（等于它可以廉价拿到 Claude 的最新能力）。至于产品这块，其实细节做得不太行。OpenCode做得好多了，被分去了很大一部分市场。然后 Claude 就宣布套餐不给 OpenCode 等第三方用了。[笑cry] 这才是真实的商业竞争。

19. “大模型就像处理器：需要巨大投资，潜力无限，但单独用处有限。Agent运行时就像操作系统：协调模型周围的进程、资源和数据，让模型更有价值。Skills就像应用程序：真正创造价值的地方。”这一观点将AI技术栈类比为传统计算机架构（处理器、操作系统、应用程序），不仅是一个形象的比喻，更揭示了AI开发方向的重大战略转移。1. 模型 (Model) = 处理器 (Processor)在计算机架构中，CPU提供原始的算力；在AI架构中，模型（如Claude 3.5 Sonnet, GPT-4）提供原始的智力。- 极高的通用性与门槛：就像全球只有少数几家公司能制造高端芯片（Intel, AMD, Apple），只有极少数公司能训练前沿的基础大模型。这是一项资本密集型、技术密集型的基础设施建设。- 潜力巨大但不可控：模型本身就像演讲中提到的“智商300的天才Mahesh”。它拥有从第一性原理推导万物的能力，算力（智力）惊人。- 局限性：光有一颗强大的CPU放在桌子上是无法工作的。同样，模型如果缺乏上下文和具体约束，虽然能解决问题，但过程不可控，每次都要从头推导，结果不稳定，无法直接在垂直场景中产生稳定价值。2. Agent 运行时 (Runtime) = 操作系统 (OS)操作系统负责管理资源、进程和输入输出；Agent运行时则是协调模型与数字世界交互的通用平台。- 通用接口：Anthropic发现，底层的Agent架构其实是高度通用的。就像Windows或macOS可以运行在不同的电脑上一样，Agent运行时为模型提供了标准化的环境。- 资源调度：操作系统管理内存和硬盘，Agent运行时则管理代码执行环境、API调用权限和文件系统。演讲中提到的代码（Code）就是通往数字世界的通用接口。无论是生成财报还是处理反馈，本质上都是通过代码这一“系统指令”来调用底层资源。- 连接层（MCP）：类似于操作系统通过驱动程序连接硬件，Agent运行时通过MCP（Model Context Protocol）连接外部数据库和工具。它提供了“连接”的能力，但还没提供“如何使用”的知识。3. Skills = 应用程序 (App)应用程序是用户真正使用的工具，解决了具体问题；Skills则是封装了专业知识的“业务逻辑包”。- 专业知识的载体：Skills就像演讲中的“税务专家Barry”。它不依赖模型从头推导，而是提供了一套经过验证的“工作手册”。- 定义的简单性：Skills的本质就是“文件夹”。它包含了指令（Prompt）、脚本（Code）和资源文件（Template/Reference）。它不需要复杂的架构设计，就像写一个Markdown文件一样简单。- 差异化与价值核心： - 生态规模：做CPU（模型）和OS（运行时）的公司屈指可数，但开发App（Skills）的人可以有千千万万。 - 场景落地：就像Excel处理表格、Photoshop处理图片一样，Skills让通用的AI算力聚焦于特定任务。例如“品牌合规Skill”确保文案风格统一，“财报分析Skill”确保数据处理流程标准。- 可复用与可迁移：Skills如同软件安装包，可以被版本管理（Git）、分享（Google Drive）和分发。它是固化下来的最佳实践。总结：从“造轮子”到“写应用”的范式转移这个类比的核心启示在于纠正了当前AI开发的误区：1. 分工明确：不要试图去重新发明“处理器”（训练基座模型）或“操作系统”（构建复杂的通用Agent架构）。这些是基础设施，应该由大厂来做。2. 价值下沉：真正的机会在于“应用程序层”（Skills）。企业和个人应该专注于将自身的领域知识（Domain Knowledge）——即SOP、品牌规范、业务流程——打包成Skills。3. 确定性交付：通过将“高智商模型”（处理器）与“专业知识包”（应用程序）结合，我们不仅利用了AI的推理能力，还通过Skills约束了其行为，实现了从“每次随机生成的不可控结果”到“稳定、专业的专家级交付”的转变。参考：mp.weixin.qq.com/s/AIIZiW4tmeWD8SNxXBAemw

20. Claude Code源码深度架构分析（附下载）

21. Claude Code 源码多 Agent 架构解析

22. 拆开Claude Code

23. 神人拆解CC源码揭秘高杠杆用法，ClaudeCode竟是多Agent编排平台

24. Claude Code 泄露源码分析 -Coordinator 多 Agent 系统深度分析

25. 拆解 Claude Code（七）

26. ClaudeCode泄露源码，暴露了顶级Agent的5个设计

27. Anthropic ClaudeCode 源码泄露，架构解析

28. ClaudeCode源码深度解析

29. Claude Code 源码深度解析

30. 多模型编排 + tmux Worker

31. ClaudeCode源码泄露别只吃瓜，9个技术彩蛋，直接抄进你项目

32. Claude Code 源码出书

33. 需要了解的 Claude Code 架构

34. Claude Code 源码泄露

35. Claude Code源码泄露

36. Claude Code 深度拆解，一个顶级 AI 编程工具的核心架构

37. Claude Code 源码泄露深度剖析

38. Claude Code源码意外泄露

39. ClaudeCode源码深度研究报告（增强完整版）---提供分析文档

40. 全网最详细的 Claude Code 50万行源码解读

41. 01 — Claude code核心架构思想

42. 先深挖，再横向

43. GitHub爆款开源项目

44. Claude 长任务编码的新工作流

45. 给Claude Code装上「群体智慧」

46. 推荐Xiao Tian的ClaudeCode源码深度研究

47. 来了来了，Claude Code 全架构解析！

48. Anthropic教你打造可自我改进的Agent

49. Claude Code（完整源码泄露）分析

50. Claude Code偷懒的真相——Anthropic源码里写的设计哲学，不是bug

51. ClaudeCode 爆火之后，AI 编程正在进入“第二阶段”

52. Claude Code最佳实践（官方版）

53. Claude Code 深度解析（七）

54. ClaudeCode最近很火！快速入门与配置+最佳实践+企业级应用实战！

55. 堪比“ChatGPT”时刻！SemiAnalysis深度解读

56. OpenAI Codex vs Claude Code：两大 AI 编程 Agent 的架构哲学之争

57. Claude Code 7 层分级记忆体系

58. Claude团队成员亲述：使用 Claude Code 构建高效 Agent 实战经验总结

59. Claudecode 架构深度解析 ⑤：Agent Harness 调度框架设计

60. 用 ClaudeCode 对 ClaudeCode 代码进行走读是一种什么体验？

61. Claude Code v2.1.88 源码架构:从全局设计到核心模块的工程实践

62. Claude Code 源码解读：包含Agent Loop、Context 管理、Tool 调用、Memory、Muti Agent等模块

63. Claude Code 最佳实践 - 完整工程实战指南架构核心 Command → Agent → Skills 三层编排 Command 通过 Task 调用 Agent，Agent 声明所需 Skills 和权限 Sub Agent 间不能直接调用，必须通过 Task(subagent_type=...) 编排 Skill 用 context: fork 隔离执行，避免上下文污染 Memory 三层作用域：User > Project > Local。启动时注入 MEMORY.md 前 200 行，增长后自动拆分主题文件。 CLAUDE.md 加载策略向上：立即加载当前目录到根目录沿途所有 CLAUDE.md 向下：子目录懒加载，访问时才加入平级：兄弟目录永不互相加载设置优先级：命令行标志 > settings.local.json > settings.json > settings.local.json > settings.json -- 关键实践 -- 上下文管理 · CLAUDE.md 控制在 150 行以内，超过后指令遵循度下降 · 上下文用到 50% 时手动 /compact，别等自动压缩 · 子任务上下文消耗不超过 50% · 任务完成立即 commit，释放上下文 Agent 设计 · 优先用 Command 驱动，非直接建 Agent · 创建专用子 Agent · 渐进式技能披露：只声明当前所需 Skills · 简单任务直接用原生 Claude Code RPI 工作流：Research → Plan → Implement 工具与配置推荐 MCP：Context7、Playwright、Chrome DevTools、DeepWiki 权限安全：通配符预批准安全命令，用 /sandbox 做隔离，敏感文件不入 CLAUDE.md 终端配置：自定义状态栏显示模型/目录/上下文/费用，团队将 settings.json 纳入版本控制 API 优化参考 · Programmatic Tool Calling - token 减少 37% · Dynamic Filtering - 输入 token 减少 24% · Tool Search Tool - 工具定义 token 减少 85% · Tool Use Examples - 准确率 72 → 90% #ai

64. Claude Code 源码泄露，深度解析

65. 3分钟讲透Claude Code 架构全景：7个核心概念一次搞懂

66. Claude Code 架构深度解析

67. Claude Managed Agents 是 Anthropic 推出的预构建、可配置代理框架，运行在托管基础设施之上，专为长时间运行任务和异步工作负载设计。与 Messages API 的直接模型提示访问不同，该方案提供完整的代理循环、工具执行和运行时环境，让开发者无需自行构建沙箱或基础设施即可

68. 一文说清楚ClaudeCode的多Agent通信

69. Claude Code架构曝光：用prompt编排Agent Anthropic 搞了个大乌龙，Claude Code 源码意外泄露，50 万行 TypeScript 几小时内被 fork 几十万次。但所有人都在看热闹的时候，没人注意到源码里藏着一个颠覆认知的设计——他们最核心的多 Agent 调度逻辑，一行代码都没写，全是 prompt。这不是偷懒，是整个 AI 工程范式正在发生的根本性转变。 #ClaudeCode #Anthropic #AI大模型 #prompt #多Agent

70. Claude Code源码泄露事件深度解析

71. 干货分析Claude code源码泄露。cli源码中还有很多值得深挖的系统 - System Prompt 的两层缓存架构：静态 vs 动态 - 四层递进的 Compact 架构：从轻量清理到全量压缩 - Proactive 模式：用一套完全不同的 System Prompt 自主工作 - Skill Discovery：技能自动发现与加载机制 - Auto Dream：从“记录对话”到“学习知识”的自我进化记忆系统 - Claude Code三层记忆体系(自动、团队、Agent专属) - Undercover 潜伏模式 - 多 Agent 协作架构：从“单兵作战”到“分布式军团” - Remote/Bridge 架构：从“本地工具”到“分布式 Agent 平台” - 安全分层设计 - 遥测体系：换 IP 也没用的完整追踪链 - LSP 集成 — 内置 Language Server，实时诊断反馈 - MCP 完整架构 — OAuth 认证、XAA 动态发现、权限管理、channel allowlist - Hooks 系统 — 用户自定义钩子，工具执行前后注入逻辑 - Cron 定时任务 — Agent 定时执行任务，支持 timezone 转换 - Coordinator 调度 — 多 Agent 的任务调度层 - Plans 系统 — 从 plan 到 implementation 的执行框架 - Voice 语音模式 — 语音输入流式 STT、关键词提取 - MagicDocs — 文档自动检测和跟踪 - Code Indexing — 代码索引，可能用于语义搜索 - Session Restore — 会话恢复和断线重连 - Cost Tracker — 实时成本追踪 - Plugins 系统 — 插件安装、marketplace、git clone 隔离 - API 错误处理 — 错误分类、rate limit 处理、重试策略大家可以去看看 #claudecode #claudecode源码泄露 #cli #agent #claude

72. Claude Code系统架构源码解读

73. 终于有人把编程Agent讲透了！Sebastian Raschka复盘6大核心组件

74. Claude Code六维记忆体系全拆解！AutoDream睡眠重塑+四类封闭记忆，源码级深度解析

75. 使用 Claude Code 的 Agent 帮助你更快编写更好的代码

76. ClaudeCode 架构总览：一个 AI 编程助手的工程实践

77. 2.4万星！oh-my-claudecode：给 Claude Code 装上多 Agent 团队，一个命令调度整个 AI 军团

78. Claude Code工作原理深度拆解🔥

79. Claude Code架构小记

80. 我写了本书分析claudecode泄露的源码

81. Claudecode 服务层提示词深度分析 ③：extractMemories 自动记忆提取

82. 12课学会AI Agent架构

83. 【AI编程】智能体AI工具集：MCP vs. Agent Skills vs. AGENTS.md

84. 【Claude Code 进阶】Agent Teams 让多个 AI 协同开发

85. Claude Code：被低估的AI Agent编排框架

86. 别只会用！ClaudeCode 隐藏架构曝光 AI 编程神器 ClaudeCode 到底怎么跑？五层核心架构全拆解👇 用户交互层→Agent 核心调度层→工具执行管理层→工具生态 & 存储持久化从指令入口到本地记忆，一张图吃透底层技术逻辑！ #ClaudeCode #技术架构 #程序员干货 #架构图 #ppt

87. 1️⃣Multi agent架构优势：并行输出：多个agent可同时工作，如3个agent可同时开展任务，再用第4个agent整合输出内容，提高工作效率。上下文专注：将复杂任务拆分为相对独立的部分，由不同agent负责，可使每个agent的上下文更专注、更短，提高效率。例如在项目中，不同agent分别负责产品设计、编码、测试等工作。节省成本：每个agent可连接不同模型，根据任务复杂程度选择合适模型，简单任务用便宜模型，复杂任务用强大模型，从而节省成本。 2️⃣Multi agent架构实现方式：人工控制：打开多个Claude code平台，人工分配任务。如先写好需求文档，让第一个Claude code转化为详细需求文档并保存，再让第二个Claude code读取该文档进行编码，第三个Claude code对编码进行后续操作。增加管理agent：增加一个作为“老大”的agent，负责协调其他agent的工作，人只需与该agent对接，由其自主安排工作。内置模式：Claude自身内置多agent模式，即agent teams，可让其自行管理，详细使用方法可查看官网说明。#AI#Agent#学点AI #Claude

88. 有人开源了claude code多智能体编排系统，任意场景灵活可服用

89. 【开源】Agents 是一个面向 Claude Code 的多智能体自动化框架，由开发者 wshobson 开源。该项目通过插件化架构组织大量 AI 专家代理，让不同领域的 Agent 协同完成软件开发、运维、测试等复杂任务。开发者可以按需安装插件，从而为 Claude Code 构建一个可扩展的 AI 开发团队。特点 • 大规模 Agent 生态：包含约 100+ 专家级 AI agents 和 70+ 插件模块 • 插件化架构：每个插件只加载所需 agent、工具与技能，减少 token 消耗 • 多 Agent 协作：支持多智能体并行完成复杂任务与开发流程 • 工作流编排：内置 15+ workflow orchestrators 管理复杂操作 • 技能系统：100+ 专业技能包按需加载，实现渐进式知识调用 • 开发工具集成：提供代码生成、测试自动化、安全扫描等工具库名 wshobson/agents

90. 同任务subagent Codex让Claude更省

91. Claude Code 架构全解析：00-目录与导读

92. 耶鲁Bartik大神搞了个《AI agents在实证研究中的应用》系列课程.

Claude Code 不是更快的编程助手，而是更可靠的结对程序员

精选参考来源