myclaude：让Claude、Gemini、Codex组成你的AI开发团队
项目概览
GitHub: github.com/stellarlink…
Stars: 2.3k
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: github.com/stellarlink…
- • 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
