多工作流融合 x10 倍效率提升：多模型 Agent 编排 + Hooks Loop

推荐中转站： https://nicecode.cc/
把 /dev 、/omo 、ralph-loop 、/feature-dev 四套工作流融合成一个、多 Agent 并行、多模型后端的功能开发编排器。
一句话启动：/do 实现用户登录功能，剩下的交给 AI
7 阶段完整覆盖：Discovery → Exploration → Clarification → Architecture → Implementation → Review → Summary
多 Agent 并行：code-explorer 、code-architect 、code-reviewer 、develop 各司其职
多模型后端：分析用 grok-code ，架构用 opus4.5 ，代码用 gpt5.2 ，按任务特性分配最优模型，可以自定义配置
Loop 机制保障：Stop Hook 阻止意外退出，确保流程完整执行

为什么做这个融合？
继 /dev /omo 之后一直在思考如何将这些好用的工作流融合起来，够快够智能够好用
1. 需要 dev 的快、简单
2. 需要 omo 的多模型 agent 编排
3. 需要 ralph-loop 能够保证任务最终完成
4. 需要主动沟通确定方案
基于上面的内容我突然想到把他们全部融合在一起不就好了吗，于是就有了 do 。
Do 的核心参考来源：
来源 贡献
feature-dev 7 阶段工作流框架 + Agent 分工 + Context Pack 模板
dev 需求澄清机制 + 多后端路由 + 90% 覆盖率要求
omo 路由优先编排 + 最小 Agent 集选择 + 编排者不写代码原则
ralph-loop Stop Hook 防中断 + 状态文件持久化 + 完成信号机制

核心设计：编排者不写代码
这个设计来自 omo 的核心理念。do 的第一条铁律：
Claude Code 只负责编排，所有代码变更必须委托给 codeagent-wrapper 中的 Agent 。
这不是因为 Claude Code 写不了代码，而是因为：
职责分离：编排者专注流程控制，执行者专注代码质量
模型专长：不同 Agent 可以用不同后端（ Codex 、Claude 、Gemini ）
可追溯性：每个 Agent 的输出都有独立日志和上下文
# 这是编排者的正确姿势
codeagent-wrapper --agent develop - . <<'EOF'
## Original User Request
/do 添加用户登录功能

## Context Pack
- Code-explorer output: [Phase 2 分析结果]
- Code-architect output: [Phase 4 架构方案]

## Current Task
实现登录功能，遵循现有模式

## Acceptance Criteria
端到端可用；测试通过； diff 最小化
EOF

7 阶段工作流详解
Phase 1: Discovery - 理解需求
目标：搞清楚要做什么。不是直接开干，而是先用AskUserQuestion问清楚：
用户可见的行为是什么？
范围边界在哪？
验收标准是什么？
然后调用code-architect生成需求清单和澄清问题。
codeagent-wrapper --agent code-architect - . <<'EOF'
## Current Task
Produce requirements checklist and identify missing information.
Output: Requirements, Non-goals, Risks, Acceptance criteria, Questions (<= 10)

## Acceptance Criteria
Concrete, testable checklist; specific questions; no implementation.
EOF

Phase 2: Exploration - 探索代码库
目标：搞清楚现有代码怎么写的。
Phase 2: Exploration
目标:映射代码库模式和扩展点。并行运行 3 个探索任务。
---TASK---..)
Bash(codeagent-wrapper --parallel <<'EOF' timeout: 5m 0s
===
Execution Report ==:
3 tasks I 3 passed I 0 failed
... +27 lines (ctrl+o to expand)
这里体现了并行优先原则三个code-explorer任务同时跑：
codeagent-wrapper --parallel <<'EOF'
---TASK---
id: p2_similar_features
agent: code-explorer
workdir: .
---CONTENT---
Find 1-3 similar features, trace end-to-end.
Return: key files with line numbers, call flow, extension points.

---TASK---
id: p2_architecture
agent: code-explorer
workdir: .
---CONTENT---
Map architectureforrelevant subsystem.
Return: module map + 5-10 key files.

---TASK---
id: p2_conventions
agent: code-explorer
workdir: .
---CONTENT---
Identify testing patterns, conventions, config.
Return:testcommands + file locations.
EOF

三个探索任务并行执行，结果合并后传递给下一阶段。

Phase 3: Clarification - 澄清疑问（强制阶段）
目标：解决所有模糊点。这是不可跳过的阶段。Phase 1 和 Phase 2 的输出汇总后，让code-architect生成优先级排序的问题列表，然后用AskUserQuestion逐一确认。
## 澄清问题

1. 登录失败时，错误信息是否需要区分"用户不存在"和"密码错误"？
2. 是否需要支持"记住我"功能？
3. 密码重置流程是否在本次范围内？
不回答不进入下一阶段。这是从 ralph-loop 学来的宁可多问，不要猜错。

Phase 4: Architecture - 设计方案
目标：确定怎么实现。
同样是并行模式两个code-architect同时工作，提出两种方案：
第四阶段:架构设计目标:产出实现方案。并行运行两套设计。
Bash(codeagent-wrapper --parallel <<'EOF' timeout: 5m Os

方案 特点
minimal-change 复用现有抽象，最小化新文件
pragmatic-clean 引入测试友好的接缝，更好的可维护性
codeagent-wrapper --parallel <<'EOF'
---TASK---
id: p4_minimal
agent: code-architect
workdir: .
---CONTENT---
Propose minimal-change architecture: reuse existing abstractions.
Output: filetouchlist, risks, edge cases.

---TASK---
id: p4_pragmatic
agent: code-architect
workdir: .
---CONTENT---
Propose pragmatic-clean architecture: introduce seamsfortestability.
Output: filetouchlist, testing plan, risks.
EOF

用户选择后，进入实现阶段。

Phase 5: Implementation - 实现（需审批）
目标：把代码写出来。
这个阶段有个显式审批门：
用 AskUserQuestion 确认：
"Approve starting implementation?"
- Approve
- Not yet
已批准。开始实现。
将实现分为 3 个批次
1.后端:数据模型+API
2.前端 Store + Service3.前端:页面+入口修改
## Original User Request..)[codeagent-wrapper]Backend: codex
Bash(codeagent-wrapper --agent develop -. <<'EOF' ti
Command: codex e --dangerously-bypass-approvals-

codeagent-wrapper --agent develop - . <<'EOF'
## Context Pack
- Code-explorer output: [Phase 2 全部输出]
- Code-architect output: [Phase 4 选定方案 + Phase 3 答案]

## Current Task
Implemnt with minimal changesetfollowing chosen architecture.
- Follow Phase 2 patterns
- Add/adjust tests per Phase 4 plan
- Run narrowest relevant tests

## Acceptance Criteria
Feature works end-to-end; tests pass; diff is minimal.
EOF

Phase 6: Review - 代码审查
目标：抓 bug 、砍复杂度。
两个code-reviewer并行工作：
审查者 关注点
correctness 正确性、边界情况、失败模式
simplicityKISS 原则、消除冗余抽象
codeagent-wrapper --parallel <<'EOF'
---TASK---
id: p6_correctness
agent: code-reviewer
workdir: .
---CONTENT---
Reviewforcorrectness, edge cases, failure modes.
Assume adversarial inputs.

---TASK---
id: p6_simplicity
agent: code-reviewer
workdir: .
---CONTENT---
ReviewforKISS: remove bloat, collapse needless abstractions.
EOF

审查结果出来后，用户决定： Fix now （现在修） Fix later （以后修） Proceed as-is （直接过）

Phase 7: Summary - 总结文档
目标：记录做了什么。
最后一个code-reviewer调用，生成完成报告：
做了什么 关键决策和取舍 修改的文件路径 验证命令 后续工作（可选）完成后输出完成信号：
<promise>DO_COMPLETE</promise>

多模型后端：按任务选模型
codeagent-wrapper 支持为不同 Agent 配置不同后端。
在~/.codeagent/models.json中：
{
"agents":{
"code-explorer":{
"backend":"opencode",
"model":"opencode/grok-code",
"description":"快速代码分析"
},
"code-architect":{
"backend":"claude",
"model":"claude-opus-4-5-20251101",
"description":"深度架构设计"
},
"code-reviewer":{
"backend":"claude",
"model":"claude-sonnet-4-5-20250929",
"description":"代码审查"
},
"develop":{
"backend":"codex",
"model":"gpt-5.2",
"description":"代码实现"
}
}
}

为什么这样分配？
Agent 推荐后端 原因
code-explorer grok-code 快速遍历、代价低
code-architect opus4.5 需要深度思考、权衡取舍
code-reviewer sonnet 平衡速度和质量
develop gpt-5.2 代码生成能力强、执行稳定

Loop 机制：防止中途退出
这是从 ralph-loop 借鉴的核心机制。
状态文件
每次/do启动时，创建.claude/do.local.md：
---
active:true
current_phase:1
phase_name:"Discovery"
max_phases:7
completion_promise:"<promise>DO_COMPLETE</promise>"
---
每完成一个阶段，更新current_phase和phase_name 。
Stop Hook
安装后会注册 Stop Hook 。当 Claude 尝试退出时：
# hooks/stop-hook.sh 核心逻辑
if["$phases_done"-eq 0 ];then
reason="feature-dev 循环未完成：当前阶段${current_phase}/${max_phases}..."
printf'{"decision":"block","reason":"%s"}\n'"$reason"
fi
如果还没完成，Hook 会阻止退出并提示继续执行。
强制退出方式：将状态文件中active设为false 。

安装与使用
前置条件
1. 安装 codeagent-wrapper：
gitclonehttps://github.com/cexll/myclaude.git
bash ./install.sh
2. 配置至少一个后端 CLI：
codex （ OpenAI Codex CLI ）
claude （ Claude Code CLI ）
安装 Skill
python install.py --moduledo
安装内容：
~/.claude/skills/do/- Skill 文件
Hooks 自动合并到~/.claude/settings.json
使用
# 在 Claude Code 中
/do 添加用户登录功能
/do 实现订单导出 CSV
/do feature-prd.md

卸载
python install.py --uninstall --moduledo

自定义 Agent Prompt
Agent 提示词位于~/.claude/skills/do/agents/目录：
code-explorer.md- 代码追踪、架构映射
code-architect.md- 方案设计、文件规划
code-reviewer.md- 代码审查、简化建议
如需自定义，在~/.codeagent/agents/创建同名文件覆盖。

#总结
do 是四套工作流的合体
feature-dev的 7 阶段框架和 Agent 分工
dev的需求澄清和多后端路由omo的智能路由和编排者不写代码原则
ralph-loop的状态持久化和防中断机制加上 codeagent-wrapper 的多后端支持，你可以：
1. 用一条命令启动完整的功能开发流程
2. 让不同模型各展所长
3. 通过并行执行提升效率
4. 借助 Loop 机制确保流程完整
我做的工作就是把这些优秀的设计拼到一起，形成一套可复制的 AI 编排方法论。
转载：公众号 [星纬智联技术] ，推荐中转站： https://nicecode.cc/