# Agent Ping Pong：用剪贴板协议实现的双智能体协作开发工作流

> Agent Ping Pong是一种创新的双智能体编程工作流，通过OpenClaw作为指挥者、Codex作为执行者，利用剪贴板作为通信协议，实现无需直接API集成的AI协作开发。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-17T04:15:00.000Z
- 最近活动: 2026-04-17T04:20:19.642Z
- 热度: 159.9
- 关键词: OpenClaw, Codex, AI编程, 多智能体, 工作流, 剪贴板协议, 代码审查, 协作开发
- 页面链接: https://www.zingnex.cn/forum/thread/agent-ping-pong
- Canonical: https://www.zingnex.cn/forum/thread/agent-ping-pong
- Markdown 来源: ingested_event

---

# Agent Ping Pong：用剪贴板协议实现的双智能体协作开发工作流

## 多智能体协作的新思路

随着AI编程助手的能力不断提升，单一智能体已经难以满足复杂软件开发的需求。业界开始探索多智能体协作模式——让一个AI负责架构设计和决策，另一个AI负责具体实现。然而，这种协作通常需要复杂的API集成或专门的中介系统，增加了使用门槛。

Agent Ping Pong提出了一种极简但高效的解决方案：利用人类作为中介，通过剪贴板在OpenClaw和Codex之间传递结构化信息块。这种"剪贴板即协议"的设计哲学，既保留了多智能体协作的优势，又避免了技术集成的复杂性。

## 核心理念与设计哲学

项目作者将这一工作流形象地描述为："你的OpenClaw是大脑，Codex是双手，剪贴板是通信协议。"这一比喻准确概括了三方的角色分工：

**OpenClaw（指挥者/Maestro）**：负责理解需求、制定技术方案、进行代码审查和质量把控。它扮演的是技术负责人或架构师的角色。

**Codex（执行者/Builder）**：负责根据规格说明编写代码、实现功能、修复问题。它扮演的是开发工程师的角色。

**人类用户（中继者）**：在两个AI之间复制粘贴结构化信息块，充当通信桥梁。用户不需要翻译或解释，只需传递AI之间互相编写的消息。

这种设计的精妙之处在于，它将人类从"思考者"转变为"传递者"，让AI承担主要的认知工作，同时人类保持对整个过程的监督和最终决策权。

## 工作流程详解

一个典型的Agent Ping Pong开发周期包含以下步骤：

### 第一阶段：需求澄清与规格定义

用户首先向OpenClaw描述想要构建的功能或项目。OpenClaw会生成一个结构化的"规格块"（spec block），包含功能描述、技术方案、接口定义等关键信息。用户复制这个规格块。

```
用户 → OpenClaw：描述想要构建的功能
OpenClaw → 用户：规格块 — 复制这个
```

### 第二阶段：代码实现

用户将规格块粘贴给Codex。Codex根据规格实现代码，并在GitHub上创建Pull Request。完成后，Codex返回一个"PR报告块"，包含提交摘要和变更说明。

```
用户 → Codex：粘贴规格
Codex → 用户：PR已创建 — 复制这个报告
```

### 第三阶段：代码审查

用户将Codex的PR报告粘贴回OpenClaw。OpenClaw进行代码审查，生成"审查块"，列出发现的问题、改进建议或确认通过。

```
用户 → OpenClaw：粘贴Codex的报告
OpenClaw → 用户：代码审查块 — 复制这个
```

### 第四阶段：迭代修复

用户将审查块粘贴给Codex，Codex根据反馈修复问题并更新PR。修复完成后返回更新报告。

```
用户 → Codex：粘贴审查意见
Codex → 用户：修复已应用 — 复制这个
```

### 第五阶段：最终确认与合并

循环继续，直到OpenClaw给出"LGTM（Looks Good To Me）"的合并批准。用户最后向Codex发送合并指令，完成整个开发流程。

```
用户 → OpenClaw：粘贴更新
OpenClaw → 用户：LGTM，批准合并
用户 → Codex：执行合并
```

## 技术实现与工具链

Agent Ping Pong的实现依赖于以下工具：

**OpenClaw**：作为工作流的Maestro角色。OpenClaw是一个开源的AI助手框架，支持本地部署和自定义工作流定义。

**Codex Desktop**：OpenAI提供的桌面端编程助手，免费提供给ChatGPT Plus订阅用户。它可以直接操作本地文件系统并与GitHub集成。

**GitHub**：用于代码版本控制和协作。Codex可以自动创建分支、提交代码和发起PR。

**Vercel**：可选的部署平台，当项目需要上线时可以使用Vercel的免费套餐进行托管。

项目仓库中包含详细的`SKILL.md`文档，提供了完整的设置指南、工作流循环说明、审查格式规范和实用技巧。

## 优势与适用场景

### 优势分析

**1. 零集成成本**：不需要配置API密钥、Webhook或任何技术集成，两个AI完全独立运行。

**2. 灵活可控**：人类始终在中间环节，可以随时介入、修改或终止流程，保持对项目的完全控制。

**3. 角色专业化**：OpenClaw专注于架构和审查，Codex专注于实现，避免了单一AI在不同任务间切换导致的上下文稀释。

**4. 渐进式采用**：用户可以按需使用这一工作流，不需要改变现有的开发工具或流程。

### 适用场景

- **原型快速开发**：在几轮对话内完成MVP的从0到1构建
- **代码重构**：让OpenClaw制定重构策略，Codex执行具体修改
- **功能迭代**：基于现有代码库添加新功能
- **学习探索**：观察两个AI如何协作解决问题，学习最佳实践

## 局限性与注意事项

尽管Agent Ping Pong提供了一种优雅的协作模式，但也存在一些需要注意的地方：

**上下文长度限制**：每次传递的信息块需要控制在AI的上下文窗口范围内，对于大型项目可能需要分阶段处理。

**信息丢失风险**：剪贴板作为中介意味着信息传递是离散的，用户需要确保完整复制粘贴，避免遗漏关键内容。

**实时性不足**：与直接API调用相比，人工中继引入了延迟，不适合需要即时反馈的场景。

**工具依赖**：目前主要针对OpenClaw和Codex的组合，其他AI助手的适配需要自行探索。

## 对AI协作开发的启示

Agent Ping Pong的意义不仅在于提供了一种实用的工作流，更在于它展示了AI协作的一种可能范式：

**人机协作的新模式**：不是人类指挥AI，也不是AI替代人类，而是人类作为协调者，让多个AI各司其职、相互配合。

**协议化的AI通信**：剪贴板作为"协议"的概念可以扩展到其他场景，比如邮件、即时消息、文档共享等，只要保证结构化信息的完整传递。

**去中心化的AI生态**：不需要所有AI都接入同一个平台或API，它们可以通过人类用户这个"通用接口"实现间接协作。

## 总结

Agent Ping Pong是一个充满创意的开源项目，它用最简单的剪贴板操作实现了复杂的双智能体协作开发。对于希望提升AI辅助开发效率的程序员而言，这是一个值得尝试的工作流。

项目的核心理念——"让AI互相编写消息，人类只做传递"——代表了一种务实的AI应用哲学：充分利用现有工具的能力，通过巧妙的工作流设计实现1+1>2的效果，而不是追求复杂的技术集成。

随着AI编程助手能力的持续进化，类似Agent Ping Pong这样的协作模式可能会成为软件开发的新常态。