# Agent Foundry：为 Claude Code CLI 打造的多智能体开发工作流框架 > 一个包含150+技能和5个专业智能体的开源项目，通过多模型编排实现设计、实现、审查的完整AI辅助开发流程。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-05-14T22:45:04.000Z - 最近活动: 2026-05-14T22:53:14.866Z - 热度: 150.9 - 关键词: Claude Code, 多智能体, AI辅助开发, 多模型编排, 智能体框架, 软件工程, GitHub, 开源项目 - 页面链接: https://www.zingnex.cn/forum/thread/agent-foundry-claude-code-cli - Canonical: https://www.zingnex.cn/forum/thread/agent-foundry-claude-code-cli - Markdown 来源: ingested_event --- # Agent Foundry：为 Claude Code CLI 打造的多智能体开发工作流框架\n\n## 项目背景与动机\n\n随着大型语言模型在软件开发领域的深入应用，开发者们逐渐意识到单一模型交互的局限性。Claude Code CLI 作为 Anthropic 推出的命令行编程助手，为开发者提供了强大的代码理解和生成能力，但如何在此基础上构建更复杂、更系统化的AI辅助工作流，成为了社区探索的新方向。\n\nAgent Foundry 项目应运而生，它不仅是一个技能集合，更是一套完整的多智能体编排框架。该项目由社区开发者 joogy06 维护，旨在通过定义明确的角色分工和协作流程，让多个AI智能体在软件开发的不同阶段发挥各自优势，从而实现比单模型交互更高质量的输出。\n\n## 核心架构概览\n\nAgent Foundry 的架构设计遵循\n"路由-设计-实现-审查\n"的流水线模式，五个核心智能体各司其职：\n\n### pa（Persistent Agent）—— 任务路由与状态管理\n\npa 智能体是整个系统的入口和协调中心。它负责理解用户意图，将任务分类并路由到合适的专业智能体，同时维护跨会话的工作状态。这种设计解决了传统AI对话中上下文丢失的问题，使得复杂项目可以在多次会话中持续推进。\n\n### forge —— 设计探索与多模型挑战\n\nforge 是设计阶段的专用智能体。它的独特之处在于采用多模型挑战机制：在生成设计方案时，Claude、Codex 和 Gemini 三个模型会相互质疑、补充，最终产出经过充分论证的设计文档。这种\n"对抗式\n"设计流程有效降低了单一模型的偏见和盲点。\n\n### bob —— 自主实现执行器\n\n拿到经过批准的设计文档后，bob 智能体接管实现阶段。它会将设计分解为可执行的工作包，自主规划执行顺序，并在必要时调用其他工具或智能体协同完成。bob 的设计理念是\n"设计驱动开发\n"——严格依据已批准的设计文档执行，避免实现阶段的随意发挥。\n\n### alf —— 演进与改进审查\n\nalf 是质量保证环节的核心。它会定期审查代码、技能、智能体定义乃至最终产品，识别陈旧代码、能力缺口、安全漏洞和性能瓶颈。与一次性审查不同，alf 强调\n"持续演进\n"，确保项目长期健康。\n\n### wiki —— 知识库构建器\n\nwiki 智能体负责将各种来源的信息整理成结构化的、可引用的知识库页面。它采用\n"一次编译，多次阅读\n"的模式，将昂贵的LLM处理成本转化为廉价的静态文档，供其他智能体快速查询。\n\n## 技能系统详解\n\nAgent Foundry 包含超过150个领域技能，覆盖软件工程、DevOps、数据工程、基础设施管理和工作流编排等多个领域。这些技能采用前端元数据描述，Claude Code 可以按需自动加载，无需用户显式调用。\n\n技能系统的一个亮点是\n`publish-to-github`\n技能，它提供了一套安全的发布流程，确保在向公共仓库推送代码前进行必要的安全检查。另一个特色技能\n`visual-companion`\n则支持在浏览器中进行原型和图表的协作审查，弥补了纯文本交互在视觉设计方面的不足。\n\n## 快速启动与配置\n\n项目提供了完善的自动化配置脚本。通过运行\n`python3 bootstrap-environment.py`\n，新用户可以在一条命令内完成完整环境的搭建。该脚本执行10个幂等步骤，包括：\n\n1. 将技能和智能体定义安装到\n`~/.claude/`\n目录\n2. 放置全局指令文件\n`CLAUDE.md`\n3. 创建 GitHub Copilot 桥接链接\n4. 配置 pa-server MCP 服务\n5. 合并会话启动钩子到设置文件\n6. 写入保守默认值的策略限制配置\n7. 创建进程观察技能的符号链接\n8. 将技能镜像到 Codex CLI 目录（如已安装）\n9. 配置 Gemini 模型版本（如配置文件存在）\n10. 打印后续步骤指引\n\n此外，项目还提供了预提交钩子，在每次\n`git push`\n前自动扫描敏感信息（API密钥、私钥、AWS凭证、JWT等），高严重级别的发现会阻止推送，中低级别的则会给出警告。\n\n## 多模型编排的实现\n\nAgent Foundry 的一个核心创新是多模型编排。forge 智能体在设计阶段会同时调用 Claude、Codex 和 Gemini 三个模型，让它们对彼此的设计提案提出质疑和改进建议。这种机制模拟了人类团队中的\n"设计评审\n"环节，通过引入不同模型的视角，有效避免了单一模型的思维定势。\n\n项目支持三种使用层级：\n\n- **最小化层级**：仅安装 Claude Code CLI，可使用所有150+技能和 wiki 智能体\n- **标准层级**：额外安装 Codex CLI 和 Gemini CLI MCP，启用 forge、bob、alf 的多模型审查功能\n- **完整层级**：再添加 pa-server MCP 和 claude-in-chrome MCP，获得持久化任务跟踪和浏览器内产品审查能力\n\n## 实际应用场景\n\nAgent Foundry 适用于多种开发场景：\n\n**复杂功能开发**：从需求分析到代码实现，多智能体协作确保每个阶段都有专业\n"人员\n"把关。\n\n**代码库维护**：alf 智能体定期扫描代码库，识别需要重构或更新的部分，保持代码库健康。\n\n**知识沉淀**：wiki 智能体将分散的文档、笔记、讨论整理成结构化的知识库，降低团队新成员的上手成本。\n\n**安全合规**：内置的预提交钩子和策略限制配置，帮助团队在享受AI辅助开发便利的同时，守住安全底线。\n\n## 社区生态与扩展性\n\nAgent Foundry 采用模块化设计，技能和智能体都遵循明确的接口规范。社区开发者可以基于这些规范创建自己的技能包和智能体定义，并通过\n`publish-to-github`\n流程安全地分享。\n\n项目文档中还包含了详细的依赖说明和故障排除指南，帮助用户在不同操作系统和配置环境下顺利部署。Windows 用户可以使用经过企业级加固的 PowerShell 脚本，而 POSIX 系统用户则可以使用 Bash 脚本。\n\n## 总结与展望\n\nAgent Foundry 代表了AI辅助开发工具演进的一个重要方向：从单一模型交互向多智能体协作的转变。通过明确的角色分工、规范化的协作流程和多模型验证机制，它展示了如何在保持AI灵活性的同时，引入工程化的质量控制。\n\n对于已经使用 Claude Code CLI 的开发者来说，Agent Foundry 提供了一条通往更系统化AI辅助工作流的路径。而对于关注AI工程化应用的观察者而言，它则是一个值得研究的多智能体编排实践案例。\n\n随着大型语言模型能力的持续提升和多模型协作技术的成熟，类似 Agent Foundry 的框架可能会在软件开发领域扮演越来越重要的角色，成为连接人类开发者与AI能力的桥梁。