architect-loop 是一个面向 Claude Code 的技能/工作流仓库，用于把“架构规划与审查”和“代码实现/研究”拆分给不同模型协作：Claude Fable 负责需求拆解、规格说明、验收门禁和最终审查；OpenAI Codex CLI 负责在独立 git worktree 中并行实现或调研。核心理念是“仓库即记忆”：所有规格、门禁、交接信息和执行证据都写入 repo，而不是依赖聊天上下文。该项目适合尝试跨供应商 AI Agent 协作开发流程的团队或个人开发者。
适用领域
AI 辅助软件开发 / 多 Agent 协作 / Claude Code 技能 / Codex CLI 工作流 / 自动化研发流程 / 代码审查与验收门禁 / 并行开发调度 / 技术调研自动化
配置难度
中高。安装本身较简单，但真正有效使用需要理解 Claude Code skills、Codex CLI、git worktree、验收门禁、AI 审查流程和模型配额管理。适合有一定工程经验和 AI 编程工具使用经验的开发者，不太适合完全新手。
商业价值
对已经重度使用 AI 编程工具的团队有较高探索价值。它提供了一种更可控的跨模型开发流程：先规划、再隔离实现、最后证据化审查，有机会减少 AI 直接改代码带来的不可控风险。对于研发效率工具、内部平台团队、AI Native 创业团队和需要大量技术调研的工程组织，该项目可作为流程模板或二次开发基础。不过，其商业价值依赖团队是否已有 Claude/ChatGPT 订阅、是否愿意接受实验性 Agent 工作流，以及是否具备足够的工程治理能力。
01
技术亮点
- 设计思路清晰：Claude 负责架构、规格和审查，Codex 负责实现和调研，避免单一 Agent 同时规划、实现、审查导致的角色混乱。
- 强调规格和验收门禁先行，builder 在开始前就能获得明确边界。
- 使用独立 git worktree 并行运行 builder，降低文件冲突和上下文污染。
- Fable 在新会话中审查 Codex 的结果，并亲自运行 gate commands，而不是直接相信 builder 的自述。
- 将 repo 作为唯一记忆源，有利于团队协作、追溯和复现。
- 内置对 builder 卡死、超时、子进程树诊断等监督机制。
- 提供 /architect 和 /architect-research 两条路径，区分实现循环和研究循环。
- 研究模式要求引用 URL、日期、原文摘录、置信度标签和多源验证，适合做更严肃的技术调研。
- MIT License，便于个人和商业项目参考或二次开发。
- README 中对设计依据、失败模式和文件结构说明较充分，便于理解项目意图。
02
目标用户
- 已经在使用 Claude Code 和 Codex CLI 的开发者
- 希望用 AI Agent 承担部分开发、调研、代码审查工作的工程师
- 关注 AI 编程工作流、Agentic Coding、自动化研发流程的技术团队
- 需要把复杂任务拆成多个独立实现 lane 的项目维护者
- 希望减少长上下文污染、提高 AI 代码审查可靠性的高级用户
- 愿意接受实验性工具并能处理 git worktree、CLI、模型配额问题的开发者
03
配置要求
- 需要 Claude Code，且需要 Claude 付费计划。
- 需要 OpenAI Codex CLI，并登录到 ChatGPT 计划。
- 默认不需要 API Key，依赖已有的 Claude 和 ChatGPT 订阅。
- 需要 git 环境，并且项目依赖 git worktree 机制进行隔离并行开发。
- 需要 npm 用于全局安装 @openai/codex。
- 目标项目需要允许创建 docs/HANDOFF.md、docs/gates、docs/lanes 等文档和门禁文件。
- 长时间运行会消耗 ChatGPT 计划的 5 小时窗口和周配额，需要关注额度。
- 适合在类 Unix shell 环境中使用；Windows 提供 install.ps1，但实际体验可能取决于终端、git 和 Codex CLI 环境配置。
04
适用场景
- 让 Claude 先生成一个小范围 PR 规格和验收标准，再由 Codex 并行实现不同文件范围的改动
- 在多个 git worktree 中隔离运行 Codex builder，避免多个 Agent 同时修改同一文件造成冲突
- 对 AI 生成代码执行门禁命令、差异审查和合并决策，降低盲目信任测试通过结果的风险
- 在实现前使用 /architect-research 对技术选型、依赖、论文、开源项目实践进行结构化调研
- 将项目上下文沉淀到 docs/HANDOFF.md、docs/gates、docs/lanes 和 git 历史中，减少聊天记录丢失带来的上下文断裂
- 为复杂功能开发建立“规格先行、实现隔离、审查后合并”的 AI 协作流程
05
部署与配置
- 确保已经安装并可使用 Claude Code，且账号为 Claude 付费计划。
- 确保已经安装 Node.js/npm。
- 克隆仓库：git clone https://github.com/DanMcInerney/architect-loop
- 进入目录：cd architect-loop
- 安装 Claude Code skills：Linux/macOS 执行 ./install.sh；Windows 执行 .\install.ps1。
- 如果只想安装到当前项目而不是全局安装，可执行 ./install.sh --project。
- 安装 Codex CLI：npm i -g @openai/codex@latest。
- 确保 Codex CLI 已登录 ChatGPT 计划，并且版本满足 Codex CLI >= 0.133。
- 在 Claude Code 中使用 /architect 启动构建循环，或使用 /architect-research <调研主题> 启动调研循环。
06
风险与注意事项
- 项目本质上是实验性 AI 工作流，不是成熟的传统 CI/CD 或项目管理工具。
- 依赖 Claude Code、Claude Fable、Codex CLI、ChatGPT 计划等外部产品能力和订阅政策，生态变化可能导致工作流失效。
- README 中提到的 Claude Fable 5、GPT-5.5 Codex 等名称可能属于特定时期或特定产品命名，实际可用性需要用户自行确认。
- 多 Agent 并行会显著消耗 ChatGPT 配额，多小时任务可能占用每周额度的较大比例。
- 虽然设计了门禁和审查机制，但 AI 生成代码仍可能存在安全漏洞、逻辑错误、过度工程或不可维护问题。
- 需要开发者熟悉 git、worktree、CLI、模型输出审查等操作，否则排错成本较高。
- 如果项目本身测试不足或验收 gate 编写不佳，架构审查也无法完全弥补质量风险。
- 并行 lane 的文件边界如果划分不合理，仍可能引发冲突、重复实现或架构不一致。
- 团队引入后可能改变现有开发流程，需要制定代码所有权、审查责任和合并策略。
- 该仓库主要语言标记为 HTML，但实际核心价值在文档、脚本和 Claude Code skill 配置，不应按常规 HTML 项目理解。
2026-06-19
第13名
新收录 · github_search
