Claude Code Bridge 多 AI 卛作平台技术分析

一、项目概述

1. 项目背景

Claude Code Bridge（简称 ccb）是一个创新的终端多 AI 协作工具，通过分屏终端实现 Claude、Codex 和 Gemini 的实时协作。

A. 核心问题

单一 AI 模型存在认知偏差、盲点和上下文限制，而传统的 MCP、Skills 等直接 API 调用方式存在诸多限制。

B. 解决方案

通过终端分屏技术，让多个 AI 模型并行工作，每个模型维护独立的持久化上下文，实现真正的专家团队协作模式。

2. 项目定位

• 版本：v2.3
• 许可证：MIT
• 平台：Linux、macOS、Windows（WSL 和原生支持）
• Python 要求：3.10+

二、核心特性

1. 可视化与可控性

多个 AI 模型在分屏 CLI 中并行运行，用户可以实时看到所有模型的输出，完全掌控协作过程。

2. 持久化上下文

每个 AI 维护自己的记忆，支持随时关闭和恢复会话（通过 -r 标志），无需重新加载完整历史。

3. Token 节省

通过发送轻量级提示而非完整文件历史来恢复上下文，大幅降低 API 调用成本。

4. 原生工作流集成

直接集成到 WezTerm（推荐）或 tmux，无需复杂的服务器部署。

三、系统架构

1. 总体架构

graph TB
    subgraph 用户终端环境
        A[WezTerm/Tmux] --> B[Claude Code 主面板]
        A --> C[Codex 副面板]
        A --> D[Gemini 副面板]
    end

    subgraph ccb 核心层
        E[CLI 命令解析] --> F[会话管理器]
        F --> G[上下文持久化]
        F --> H[任务调度器]
    end

    subgraph AI API 层
        I[Claude API]
        J[Codex API]
        K[Gemini API]
    end

    B <-->|实时通信| E
    C <-->|实时通信| E
    D <-->|实时通信| E
    H -->|任务分发| I
    H -->|任务分发| J
    H -->|任务分发| K
    G <-->|上下文恢复| I
    G <-->|上下文恢复| J
    G <-->|上下文恢复| K

2. 组件说明

A. 终端层

• WezTerm/Tmux：提供多窗口分屏能力
• 主面板：Claude Code 主界面
• 副面板：Codex 和 Gemini 独立窗口

B. 核心层

• CLI 命令解析：解析用户命令
• 会话管理器：管理多个 AI 会话
• 上下文持久化：存储和恢复对话历史
• 任务调度器：协调多模型任务分配

C. API 层

• 直接对接各 AI 服务的 API
• 支持异步任务提交

四、安装与部署

1. 前置要求

• Python 3.10+
• WezTerm（强烈推荐）或 tmux

2. 安装步骤

Linux / macOS

git clone https://github.com/bfly123/claude_code_bridge.git
cd claude_code_bridge
./install.sh install

WSL 环境

# 在 WSL 终端中运行
git clone https://github.com/bfly123/claude_code_bridge.git
cd claude_code_bridge
./install.sh install

Windows 原生环境

git clone https://github.com/bfly123/claude_code_bridge.git
cd claude_code_bridge
powershell -ExecutionPolicy Bypass -File .\install.ps1 install

五、使用方法

1. 启动命令

# 启动 Codex
ccb up codex

# 启动 Gemini
ccb up gemini

# 同时启动多个 AI
ccb up codex gemini

2. 命令行标志

3. 更新命令

ccb update

六、协作场景

1. 代码审查

让 Codex 审查代码变更，提供独立的技术视角。

2. 第二意见

让 Gemini 提供替代实现方案，比较不同思路。

3. 结对编程

Codex 编写后端逻辑，Claude 处理前端，分工协作。

4. 架构设计

让 Codex 先设计模块结构，然后分配实现任务。

5. 信息交换

获取多轮对话历史并进行总结归纳。

6. 创意场景：AI 扑克之夜

让 Claude、Codex 和 Gemini 玩斗地主，明牌对战，展示多模型协作的趣味性。

七、命令参考

1. Codex 命令

2. Gemini 命令

八、编辑器集成

1. Neovim 集成

与 Neovim 等编辑器结合，实现无缝代码编辑和多模型审查工作流。在编辑器中编辑代码的同时，AI 助手在副面板中实时审查和提出改进建议。

这种集成方式特别适合：

• 代码审查：实时获取多模型反馈
• 重构建议：比较不同模型的优化思路
• 测试生成：一个模型写代码，另一个模型写测试

九、技术特点分析

1. 上下文持久化机制

A. 传统方式的问题

• 每次对话需要发送完整历史
• Token 消耗随对话长度线性增长
• 成本高昂且效率低下

B. ccb 的解决方案

• 每个模型维护独立的上下文存储
• 通过轻量级提示恢复上下文
• 大幅降低 Token 消耗

2. 分屏协作的优势

A. 可视性

• 实时看到所有模型的输出
• 便于比较不同模型的回答
• 直观了解协作状态

B. 并行性

• 多个模型同时工作
• 提高整体效率
• 真正的专家团队模式

C. 控制性

• 用户完全掌控协作过程
• 可随时干预和调整
• 灵活分配任务

3. 终端原生集成

A. 零服务器架构

• 无需额外的后端服务
• 降低部署复杂度
• 减少故障点

B. 工作流集成

• 直接嵌入现有开发环境
• 无缝切换工具
• 保持开发者习惯

十、卸载方法

项目支持完整的卸载功能，具体方法请参考项目文档。

十一、平台支持

1. Linux

完整支持，推荐使用 WezTerm。

2. macOS

完整支持，推荐使用 WezTerm。

3. Windows

• WSL：完整支持
• 原生 Windows：通过 WezTerm 的原生 .exe 支持

十二、技术价值

1. 多模型协作

有效避免单一模型的认知偏差和盲点，提供更全面的解决方案。

2. 成本优化

通过上下文持久化和轻量级提示，显著降低 API 调用成本。

3. 工作流改进

将 AI 协作无缝集成到开发环境，提高生产力。

4. 可扩展性

模块化设计，便于添加新的 AI 模型支持。

十三、应用场景

1. 代码开发

• 多模型代码审查
• 并行开发不同模块
• 交叉验证实现方案

2. 技术研究

• 多角度分析问题
• 比较不同模型的专业能力
• 综合多模型意见

3. 学习辅助

• 获取不同模型的解释
• 比较教学风格
• 加深理解

4. 创意协作

• AI 角色扮演游戏
• 创意头脑风暴
• 娱乐互动

参考资料

1. Claude Code Bridge GitHub 仓库