do：多模型 Agent 编排 + Hooks Loop

推荐API服务站：https://nicecode.cc/，可以使用claude，codex，gemini

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。

TL;DR

• 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：

这不是重新发明轮子，而是把四个好轮子装到一辆车上。

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。

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 architecture for relevant subsystem.
Return: module map + 5-10 key files.

---TASK---
id: p2_conventions
agent: code-explorer
workdir: .
---CONTENT---
Identify testing patterns, conventions, config.
Return: test commands + 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：

codeagent-wrapper --parallel <<'EOF'
---TASK---
id: p4_minimal
agent: code-architect
workdir: .
---CONTENT---
Propose minimal-change architecture: reuse existing abstractions.
Output: file touch list, risks, edge cases.

---TASK---
id: p4_pragmatic
agent: code-architect
workdir: .
---CONTENT---
Propose pragmatic-clean architecture: introduce seams for testability.
Output: file touch list, 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

批准后，调用 develop Agent 执行：

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
Implement with minimal change set following 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：

codeagent-wrapper --parallel <<'EOF'
---TASK---
id: p6_correctness
agent: code-reviewer
workdir: .
---CONTENT---
Review for correctness, edge cases, failure modes.
Assume adversarial inputs.

---TASK---
id: p6_simplicity
agent: code-reviewer
workdir: .
---CONTENT---
Review for KISS: 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"
    }
  }
}

什么这样分配？

Loop 机制：防止中途退出

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：

git clone https://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）

• gemini（Gemini CLI）

安装 Skill

python install.py --module do

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 --module do

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。