北京
一个Claude负责规划和验收，四个Agent负责执行——这套多Agent协作编程工作流，正在被howie.serious用于日常开发。他给出的判断很直接：Opus 5.5在编程开发场景下，比更高级别的GPT-6 Astra表现更优。
这套流程的分工逻辑并不复杂。Claude承担两个关键角色：任务开始前做规划，任务结束后做验收。中间的具体执行环节，交给其他Agent完成，包括Codex CLI、Cursor CLI、Antigravity CLI和Grok CLI。
作者用一句话概括了这套流程：claude 规划，其他 agent 执行，最后 claude 验收。
这种分工带来的直接好处，是各种AI会员额度能被充分利用。不同工具各有各的额度限制，把执行环节分散到多个Agent上，等于把手里几张牌同时打出去，而不是让一个工具从头跑到尾、中途撞上额度天花板。
作者还提到了一个未来规划：把本地部署的模型也纳入这套协作流程。如果这一步落地，工作流的执行端就不只依赖云端Agent，本地模型也能接进来分担任务。
关于模型选型，作者基于实际使用体验给出了自己的排序。他认为Opus 5.5很好用，在编程开发场景下甚至强于级别更高的GPT-6 Astra。这个判断来自真实使用，而不是跑分对比，对正在纠结模型选型的人有一定参考价值。
整套工作流的核心思路可以拆成三点：
- Claude管两头——规划在前，验收在后，把控任务的方向和质量
- 其他Agent管中间——Codex CLI、Cursor CLI、Antigravity CLI、Grok CLI负责具体执行
- 额度最大化——多工具并行，把各家的会员额度都用起来
这套模式的价值不在于某个Agent有多强，而在于把规划和执行拆开。规划需要的是对任务的整体理解，执行需要的是稳定产出，两种能力由不同模型承担，各自发挥长处。
从工具清单看，执行端覆盖了当前主流的几个CLI编程Agent。这种组合方式对已经在用多个AI编程工具的人有直接借鉴意义——不必二选一，可以让它们各干各的活。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
