myclaude：让Claude、Gemini、Codex组成你的AI开发团队

项目概览

GitHub: https://github.com/stellarlinkco/myclaude Stars: 2,313 Forks: 267 语言: Go (78%), Python (16%), JavaScript (7%)

myclaude是一个开源的多Agent编排系统，让你可以组建一支由Claude、Gemini、Codex组成的AI开发团队。不再是单打独斗，而是让三个AI Agent各司其职：Claude负责需求分析、Gemini负责UI设计、Codex负责代码实现。

核心价值：为什么需要多Agent编排

单一Agent的局限

传统的AI编程工具（如Claude Code、Cursor）都是单一Agent模式：

用户 → 单一AI → 代码输出

问题：

一个模型要处理所有任务（需求、设计、编码、测试）
无法针对任务类型选择最优模型
串行执行，效率低下
上下文消耗大，长时间运行不稳定

多Agent编排的优势

myclaude采用多Agent协作模式：

用户需求 → Claude分析 → Gemini设计 → Codex实现 → 自动测试
    ↓          ↓           ↓          ↓         ↓
  PRD文档   架构设计    UI原型    代码实现   测试报告

优势：

专业分工：每个Agent做自己擅长的事
并行执行：独立任务同时进行，效率提升3-5倍
成本优化：简单任务用小模型，复杂任务用大模型
质量保证：强制90%测试覆盖率

技术架构

核心组件

1. codeagent-wrapper（Go实现）

多后端统一接口，支持三种AI后端：

type Backend string

const (
    BackendCodex  Backend = "codex"   // OpenAI GPT-5.2
    BackendClaude Backend = "claude"  // Anthropic Sonnet 4.5
    BackendGemini Backend = "gemini"  // Google Gemini 3 Pro
)

// 统一的执行接口
func Execute(backend Backend, task string) (Result, error) {
    switch backend {
    case BackendCodex:
        return executeCodex(task)
    case BackendClaude:
        return executeClaude(task)
    case BackendGemini:
        return executeGemini(task)
    }
}

2. 并行任务调度器

基于DAG（有向无环图）的任务依赖管理：

type TaskDAG struct {
    nodes map[string]*TaskNode
    edges map[string][]string
}

func (dag *TaskDAG) Execute() error {
    // 拓扑排序
    sorted := dag.TopologicalSort()

    // 按层级并行执行
    for _, level := range sorted {
        var wg sync.WaitGroup
        for _, taskID := range level {
            wg.Add(1)
            go func(id string) {
                defer wg.Done()
                executeTask(id)
            }(taskID)
        }
        wg.Wait()
    }
}

3. Skills自动激活系统

通过关键词匹配自动选择合适的Agent：

{
  "product-requirements": {
    "patterns": ["requirements", "PRD", "需求"],
    "backend": "claude",
    "trigger": "auto"
  },
  "prototype-prompt-generator": {
    "patterns": ["prototype", "design", "UI", "原型"],
    "backend": "gemini",
    "trigger": "auto"
  },
  "codeagent": {
    "patterns": ["implement", "code", "开发"],
    "backend": "codex",
    "trigger": "manual"
  }
}

架构图

┌─────────────────────────────────────────────────────┐
│                   User Interface                    │
│              (Claude Code / CLI)                    │
└─────────────────┬───────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────┐
│              Skills System                          │
│  ┌──────────────┬──────────────┬─────────────────┐ │
│  │ product-req  │ prototype    │ codeagent       │ │
│  │ (Claude)     │ (Gemini)     │ (Multi-backend) │ │
│  └──────────────┴──────────────┴─────────────────┘ │
└─────────────────┬───────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────┐
│           codeagent-wrapper (Go)                    │
│  ┌──────────────────────────────────────────────┐  │
│  │  Task Scheduler (DAG + Parallel Execution)   │  │
│  └──────────────────────────────────────────────┘  │
│  ┌──────────────┬──────────────┬─────────────────┐ │
│  │ Codex Client │ Claude Client│ Gemini Client   │ │
│  └──────────────┴──────────────┴─────────────────┘ │
└─────────────────┬───────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────┐
│              AI Backends                            │
│  ┌──────────────┬──────────────┬─────────────────┐ │
│  │ OpenAI       │ Anthropic    │ Google          │ │
│  │ GPT-5.2      │ Sonnet 4.5   │ Gemini 3 Pro    │ │
│  └──────────────┴──────────────┴─────────────────┘ │
└─────────────────────────────────────────────────────┘

实战案例：端到端开发流程

场景：开发用户个人主页功能

输入：一句话需求

"为社交媒体应用创建用户个人主页功能"

阶段1：需求澄清（Claude）

# 自动激活 product-requirements skill
# Claude 通过交互式问答澄清需求

Q: 目标用户群体？
A: 普通用户、创作者、企业账号

Q: 核心功能优先级？
A: 个人信息展示（高）、内容时间线（高）、关注/粉丝列表（中）

Q: 技术约束？
A: 响应式设计、SEO优化、LCP < 2.5s

输出：结构化PRD文档（.claude/specs/user-profile/requirements.md）

阶段2：原型设计（Gemini）

# 自动激活 prototype-prompt-generator skill
# Gemini 生成详细的设计prompt

输出：原型设计prompt（.claude/specs/user-profile/prototype-prompt.md）

包含：

Design System（Material Design 3.0）
页面结构（Header、Action Bar、Tab Navigation、Content Feed）
交互规范（手势、动画）
响应式断点
可访问性要求

阶段3：并行开发（Codex + Gemini）

# 执行 /dev 命令
/dev "基于PRD和原型设计，实现用户个人主页功能"

# 自动生成开发计划并并行执行

任务拆分：

Task 1: 数据模型设计 (Codex)
Task 2: API端点实现 (Codex) - 依赖Task 1
Task 3: 前端组件实现 (Gemini) - 依赖Task 2
Task 4: SEO优化 (Gemini) - 依赖Task 3
Task 5: 集成测试 (Codex) - 依赖Task 2,3,4

并行执行流程：

第一层（并行）：Task 1
第二层（并行）：Task 2
第三层（并行）：Task 3
第四层（并行）：Task 4
第五层（并行）：Task 5

输出：

======================================
Parallel Execution Summary
======================================
Total tasks: 5
Successful: 5
Failed: 0

Task Results:
[✓] data_model (codex) - 45s
[✓] api_endpoints (codex) - 68s
[✓] frontend_components (gemini) - 52s
[✓] seo_optimization (gemini) - 38s
[✓] integration_tests (codex) - 85s

Test Coverage: 93.2% (≥90% ✓)

时间对比

传统方式（串行）：8-10小时
myclaude（并行）：3-4小时
效率提升：60-70%

核心特性

1. 多后端支持

后端	模型	优势	适用场景
Codex	GPT-5.2	代码生成质量最高	复杂重构、架构设计
Claude	Sonnet 4.5	代码理解强	需求分析、代码审查
Gemini	Gemini 3 Pro	多模态能力强	快速原型、文档生成

2. 灵活的任务编排

单任务模式：

codeagent-wrapper --backend claude "分析代码库架构"

并行任务模式：

codeagent-wrapper --parallel <<'EOF'
---TASK---
id: backend
backend: codex
---CONTENT---
实现后端API

---TASK---
id: frontend
backend: gemini
---CONTENT---
实现前端UI

---TASK---
id: tests
backend: codex
dependencies: backend, frontend
---CONTENT---
编写集成测试
EOF

3. 智能后端选择

系统自动根据任务类型选择最优后端：

func selectBackend(task *Task) Backend {
    // 需求分析 → Claude
    if containsKeywords(task, []string{"requirements", "PRD", "需求"}) {
        return BackendClaude
    }

    // UI设计 → Gemini
    if containsKeywords(task, []string{"UI", "design", "prototype"}) {
        return BackendGemini
    }

    // 代码实现 → Codex
    if containsKeywords(task, []string{"implement", "code", "开发"}) {
        return BackendCodex
    }

    return BackendCodex // 默认
}

4. 强制质量保证

每个任务自动包含：

功能实现
单元测试（90%覆盖率目标）
测试执行和报告
失败测试修复

5. Session管理

支持会话恢复，中断后可继续：

# 恢复之前的会话
codeagent-wrapper resume thread_abc123 "继续实现剩余功能"

安装与配置

快速安装

macOS / Linux：

# 克隆仓库
git clone https://github.com/stellarlinkco/myclaude.git ~/myclaude
cd ~/myclaude

# 一键安装
python3 install.py --module dev

# 验证安装
codeagent-wrapper --version

Windows PowerShell：

# 克隆仓库
git clone https://github.com/stellarlinkco/myclaude.git $HOME\myclaude
cd $HOME\myclaude

# 执行安装脚本
.\install.bat

# 验证安装
codeagent-wrapper --version

配置AI后端

Codex（OpenAI）：

# 安装CLI
uv tool install codex

# 配置
export OPENAI_API_KEY="your-key"

Claude（Anthropic）：

# 安装CLI
curl -L https://claude.ai/cli/install.sh | sh

# 配置
export ANTHROPIC_API_KEY="your-key"

Gemini（Google）：

# 安装CLI
pip install google-generativeai

# 配置
export GOOGLE_API_KEY="your-key"

使用示例

示例1：实现用户认证功能

codeagent-wrapper --parallel <<'EOF'
---TASK---
id: database_model
backend: codex
---CONTENT---
创建User数据库模型（Prisma）

---TASK---
id: auth_service
backend: codex
dependencies: database_model
---CONTENT---
实现认证服务（register, login, JWT）

---TASK---
id: api_endpoints
backend: codex
dependencies: auth_service
---CONTENT---
实现API端点（POST /auth/register, /auth/login）

---TASK---
id: middleware
backend: codex
---CONTENT---
实现JWT验证中间件和限流中间件

---TASK---
id: documentation
backend: gemini
dependencies: api_endpoints, middleware
---CONTENT---
生成API文档和使用示例
EOF

示例2：代码审查工作流

# 阶段1：需求分析（Claude）
codeagent-wrapper --backend claude "分析现有代码库架构"

# 阶段2：并行开发（Codex）
codeagent-wrapper --parallel --backend codex <<'EOF'
---TASK---
id: backend
---CONTENT---
实现后端功能

---TASK---
id: frontend
---CONTENT---
实现前端功能
EOF

# 阶段3：代码审查（Claude）
codeagent-wrapper --backend claude "审查代码质量和安全性"

# 阶段4：文档生成（Gemini）
codeagent-wrapper --backend gemini "生成项目文档"

性能数据

开发效率提升

基于1000+企业使用数据：

开发速度：提升3-5倍
代码质量：测试覆盖率平均93%
成本优化：降低35%（智能模型选择）
并发处理：支持8-16个任务并行

资源消耗

单进程模型 vs 多进程模型：

指标	传统多进程	myclaude单进程	优化
内存占用	~450MB	~130MB	-70%
启动时间	2-3秒	200ms	-90%
进程间通信	有开销	0开销	-

社区与生态

GitHub数据

Stars: 2,313
Forks: 267
Contributors: 15+
Issues: 活跃维护
Releases: 定期更新

企业采用

50+企业在生产环境使用
覆盖电商、金融、教育等行业
日均处理100万+请求

开发者反馈

”终于有Go语言的Agent框架了，性能比Python方案好太多"

"架构清晰，代码质量高，测试覆盖率让人放心"

"多后端支持太实用了，可以根据任务选择最优模型”

技术亮点

1. Go语言实现

高性能：单进程模型，资源消耗低
并发友好：goroutine天然支持并行
类型安全：编译时错误检查
部署简单：单一二进制文件

2. 工程化设计

测试覆盖率：90%+
代码规模：20,300行（包含agentsdk-go）
中间件机制：6层拦截器
可观测性：完整的日志、指标、追踪

3. 开放生态

开源协议：MIT
插件系统：Skills可扩展
MCP协议：标准化工具接口
多平台支持：macOS、Linux、Windows

最佳实践

后端选择策略

任务类型	推荐后端	原因
需求分析	Claude	代码理解强
架构设计	Codex	架构设计质量高
代码生成	Codex	代码生成质量最高
代码审查	Claude	代码理解深入
文档生成	Gemini	多模态能力强
快速原型	Gemini	生成速度快

并发控制

# 生产环境
export CODEAGENT_MAX_PARALLEL_WORKERS=8

# 开发环境（资源充足）
export CODEAGENT_MAX_PARALLEL_WORKERS=16

# 资源受限环境
export CODEAGENT_MAX_PARALLEL_WORKERS=4

测试覆盖率策略

单元测试：覆盖所有函数（100%）
集成测试：覆盖核心流程（80%）
边界测试：覆盖异常场景（70%）
总体目标：≥90%

未来规划

短期（Q1-Q2 2026）

支持更多LLM提供商（Deepseek、Qwen）
增强可观测性（OpenTelemetry集成）
可视化调试工具
Agent编排器UI

长期（Q3-Q4 2026）

分布式Agent支持
跨语言互操作（Python/TypeScript绑定）
企业级特性（RBAC、审计日志）
Agent间通信协议

总结

myclaude用2,300+ GitHub Stars证明：

多Agent协作是趋势：专业分工比单一Agent更高效
工程化是关键：90%+测试覆盖率保证质量
开源是力量：社区贡献推动快速迭代
性能可优化：Go语言实现，资源消耗降低70%

在AI应用领域，真正的生产力工具不是单一的AI助手，而是能够协调多个AI Agent协作的编排系统。myclaude正是这样一个系统。

项目地址：

GitHub: https://github.com/stellarlinkco/myclaude
文档: 项目README
示例: examples/目录

技术交流：

Issues: GitHub Issues
Discussions: GitHub Discussions

关键词: myclaude, 多Agent编排, Claude, Codex, Gemini, AI协作, 工作流自动化, 开源项目, Go语言, 并行执行

技术标签: #多Agent编排 #AI协作 #开源项目 #Go语言 #工作流自动化 #Claude #Codex #Gemini