面向 Codex / Claude / Gemini 的终端多 Agent 协作编排框架。
本框架将真实开发流程中的规划、实现、审查与交付环节拆分至不同模型,并提供可观测、可回放、可降级的协作机制。
- 主控优先:先规划再执行,避免单 Agent 盲目推进
- 配置驱动:模型与角色通过配置文件管理,无硬编码依赖
- 过程可见:基于 tmux 的协作模式支持实时交互、日志记录与会话回放
- 故障可控:针对命令不可用、权限受限、子 Agent 失败等场景提供显式降级策略
项目采用单一命令入口:ai-collab
- 执行任务:
ai-collab "<task>" - 管理操作:
ai-collab <subcommand>(如init、status、config)
查看完整执行参数:
ai-collab run --helpgit clone https://github.com/skyhua0224/ai-collab.git
cd ai-collab
python3 -m pip install -e .pip install ai-collabai-collab init
ai-collab statusai-collab "设计并实现一个带鉴权的 REST API,并给出测试与发布建议"ai-collab \
--provider codex \
--execution-mode tmux \
--tmux-target inline \
--tmux-prewarm-subagents \
"实现一个包含前端与后端的最小业务功能,并完成审查"| 命令 | 功能说明 |
|---|---|
ai-collab init |
初始化配置文件模板 |
ai-collab status |
查看当前配置与 Agent 可用性状态 |
ai-collab detect |
检测协作需求并生成编排建议 |
ai-collab monitor |
手动启动 tmux 协作工作区 |
ai-collab config |
管理配置项 |
ai-collab select |
根据任务复杂度选择模型策略 |
.ai-collab/logs/<session>/
# 实时查看日志
tail -f .ai-collab/logs/<session>/*.log
# 检测任务编排建议(JSON 格式)
ai-collab detect "<task>" --output json
# 模拟执行(不实际运行)
ai-collab --dry-run --output json "<task>"# 运行测试
pytest -q
# 构建分发包
python3 -m build
# 验证分发包
python3 -m twine check dist/*- 📧 Email: dev@sky-hua.xyz
- 💬 Telegram: @skyhua
- 🐧 QQ: 2110591491
- 🔗 GitHub Issues: 提交 Issue