Loading... # 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 ```mermaid 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 ```bash git clone https://github.com/bfly123/claude_code_bridge.git cd claude_code_bridge ./install.sh install ``` ### WSL 环境 ```bash # 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 ```powershell 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 ```bash # 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 | 标志 | 描述 | 示例 | |------|------|------| | `-r` | 恢复之前的会话上下文 | `ccb up codex -r` | | `-a` | 自动模式，跳过权限提示 | `ccb up codex -a` | | `-h` | 显示帮助信息 | `ccb -h` | | `-v` | 显示版本并检查更新 | `ccb -v` | ## 3. 更新命令 ```bash 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 | 命令 | 描述 | |------|------| | `/cask <msg>` | 后台模式：提交任务到 Codex，可继续其他任务（推荐） | | `/cask-w <msg>` | 前台模式：提交任务并等待响应，更快但阻塞 | | `cpend [N]` | 获取 Codex 对话历史，N 控制轮数（默认 1） | | `cping` | 测试 Codex 连通性 | ## 2. Gemini 命令 | 命令 | 描述 | |------|------| | `/gask <msg>` | 后台模式：提交任务到 Gemini | | `/gask-w <msg>` | 前台模式：提交任务并等待响应 | | `gpend [N]` | 获取 Gemini 对话历史 | | `gping` | 测试 Gemini 连通性 | # 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](https://github.com/bfly123/claude_code_bridge) 最后修改：2026 年 01 月 19 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏