Maflow：多智能体协作的Token高效软件开发工作流

Maflow是一种结构化多智能体协作工作流，通过合理分配Claude和Gemini等AI模型，在规划、实现、评估和重构阶段最大化Token效率，解决长会话导致的成本激增问题。其核心理念为"Claude思考，Gemini构建"，结合明确的阶段划分、智能体角色分工及关闭协议，实现Token成本控制与开发质量的平衡。

在AI辅助软件开发中，长会话存在隐形成本陷阱：与Claude的会话中，第100回合成本是第1回合的7倍，300回合达20倍。原因是上下文窗口累积，历史信息增多导致Token生成成本指数级增长，复杂项目易耗尽预算。Maflow为此设计结构化工作流，通过多智能体协作和上下文管理优化Token使用。

Maflow核心理念是"Claude稀缺——用它思考；Gemini丰富——用它构建"，按任务特性分配模型。工作流分6阶段：项目初始化（开发者，零成本）、架构规划（Architect用Claude Sonnet/Opus）、架构评审（开发者）、代码实现（Worker用Gemini Pro/Flash）、并行评估（3个Evaluator用Gemini Flash）、重构（Refactor用Claude Sonnet）、测试与再评估、最终评审。定义5种智能体角色，通过模板文件系统（如SPEC.md、ARCHITECTURE.md）和关闭协议（会话结束输出状态）管理信息传递与状态，遵循"最小知情权"原则减少上下文浪费。

Maflow总结四条黄金法则：每个智能体只读必需文件、每个会话一个任务、关闭协议替代代码库重读、廉价模型处理廉价任务。这些法则使Token成本控制在传统单一会话方法的1/5到1/10，同时保持代码质量。

Maflow的价值在于系统性优化AI辅助开发，核心启示包括：模型选择是架构决策、上下文是稀缺资源需管理、结构化优于自由形式、人机协作关键。它推动从"让AI写代码"到"与AI协作完成项目"的思维转变，未来或成为专业开发者标配。

Maflow适合中等复杂度全栈项目、多轮迭代代码库、Token成本敏感团队及使用多模型IDE的开发者；不适合极简单脚本、紧急实时协作、已有成熟AI流程的团队。使用流程包括克隆仓库、复制模板、填写SPEC.md、运行Architect、评审架构、执行Worker、关闭协议、评估、循环重构等步骤。