[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-jarrodwatts--claude-delegator":3,"tool-jarrodwatts--claude-delegator":62},[4,18,28,37,45,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",161692,"2026-04-20T11:33:57",[14,13,36],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":59,"last_commit_at":60,"category_tags":61,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,27],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":77,"owner_location":78,"owner_email":77,"owner_twitter":74,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":24,"env_os":90,"env_gpu":91,"env_ram":92,"env_deps":93,"category_tags":100,"github_topics":101,"view_count":24,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":140},10105,"jarrodwatts\u002Fclaude-delegator","claude-delegator","Delegate tasks to Codex and Gemini directly from within Claude Code.","claude-delegator 是一款专为 Claude Code 设计的智能插件，它能让 Claude 直接调用 Codex（GPT）或 Gemini 模型中的专家子代理来协助完成复杂任务。简单来说，它相当于为 Claude 组建了一支由五位领域专家构成的虚拟团队，涵盖系统架构、方案评审、范围分析、代码审查及安全分析等核心职能。\n\n该工具主要解决了单一模型在处理高难度、多维度技术问题时可能存在的视角局限或专业深度不足的问题。当开发者面临复杂的架构决策、陷入调试僵局、需要预验证实施方案或关注代码安全性时，claude-delegator 能自动识别意图，将任务精准路由给最匹配的专家模型进行处理，最后由 Claude 综合各方意见输出高质量结论，而非简单转发原始回复。\n\n这款软件非常适合专业软件开发者和工程团队使用，尤其是那些对代码质量、系统稳定性和安全性有较高要求的技术人员。其独特亮点在于支持“双模式”运作：专家既可提供只读的分析建议，也能直接参与代码实施；同时具备自动路由机制和多轮对话上下文保持能力，确保在链式任务中逻辑连贯。通过原生 MCP 协议集成，用户无需切换环境即可在 Cl","claude-delegator 是一款专为 Claude Code 设计的智能插件，它能让 Claude 直接调用 Codex（GPT）或 Gemini 模型中的专家子代理来协助完成复杂任务。简单来说，它相当于为 Claude 组建了一支由五位领域专家构成的虚拟团队，涵盖系统架构、方案评审、范围分析、代码审查及安全分析等核心职能。\n\n该工具主要解决了单一模型在处理高难度、多维度技术问题时可能存在的视角局限或专业深度不足的问题。当开发者面临复杂的架构决策、陷入调试僵局、需要预验证实施方案或关注代码安全性时，claude-delegator 能自动识别意图，将任务精准路由给最匹配的专家模型进行处理，最后由 Claude 综合各方意见输出高质量结论，而非简单转发原始回复。\n\n这款软件非常适合专业软件开发者和工程团队使用，尤其是那些对代码质量、系统稳定性和安全性有较高要求的技术人员。其独特亮点在于支持“双模式”运作：专家既可提供只读的分析建议，也能直接参与代码实施；同时具备自动路由机制和多轮对话上下文保持能力，确保在链式任务中逻辑连贯。通过原生 MCP 协议集成，用户无需切换环境即可在 Claude Code 内部享受多模型协同带来的效率提升。","# Claude Delegator\n\nGPT expert subagents for Claude Code. Five specialists that can analyze AND implement—architecture, security, code review, and more.\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fjarrodwatts\u002Fclaude-delegator?v=2)](LICENSE)\n[![Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fjarrodwatts\u002Fclaude-delegator?v=2)](https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fstargazers)\n\n![Claude Delegator in action](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjarrodwatts_claude-delegator_readme_9bcabd7233c1.png)\n\n## Install\n\nInside a Claude Code instance, run the following commands:\n\n**Step 1: Add the marketplace**\n```\n\u002Fplugin marketplace add jarrodwatts\u002Fclaude-delegator\n```\n\n**Step 2: Install the plugin**\n```\n\u002Fplugin install claude-delegator\n```\n\n**Step 3: Run setup**\n```\n\u002Fclaude-delegator:setup\n```\n\nDone! Claude now routes complex tasks to GPT experts automatically.\n\n> **Note**: Requires [Codex CLI](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) or [Gemini CLI](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fgemini-cli). Setup guides you through installation.\n\n---\n\n## What is Claude Delegator?\n\nClaude gains a team of GPT and Gemini specialists via native MCP. Each expert has a distinct specialty and can advise OR implement.\n\n**Note:** You can use either provider (GPT or Gemini), or both. The plugin will automatically detect which one is configured and route tasks accordingly.\n\n| What You Get | Why It Matters |\n|--------------|----------------|\n| **5 domain experts** | Right specialist for each problem type |\n| **GPT or Gemini** | Use your preferred model provider |\n| **Dual mode** | Experts can analyze (read-only) or implement (write) |\n| **Auto-routing** | Claude detects when to delegate based on your request |\n| **Synthesized responses** | Claude interprets expert output, never raw passthrough |\n\n### The Experts\n\n| Expert | What They Do | Example Triggers |\n|--------|--------------|------------------|\n| **Architect** | System design, tradeoffs, complex debugging | \"How should I structure this?\" \u002F \"What are the tradeoffs?\" |\n| **Plan Reviewer** | Validate plans before you start | \"Review this migration plan\" \u002F \"Is this approach sound?\" |\n| **Scope Analyst** | Catch ambiguities early | \"What am I missing?\" \u002F \"Clarify the scope\" |\n| **Code Reviewer** | Find bugs, improve quality | \"Review this PR\" \u002F \"What's wrong with this?\" |\n| **Security Analyst** | Vulnerabilities, threat modeling | \"Is this secure?\" \u002F \"Harden this endpoint\" |\n\n### When Experts Help Most\n\n- **Architecture decisions** — \"Should I use Redis or in-memory caching?\"\n- **Stuck debugging** — After 2+ failed attempts, get a fresh perspective\n- **Pre-implementation** — Validate your plan before writing code\n- **Security concerns** — \"Is this auth flow safe?\"\n- **Code quality** — Get a second opinion on your implementation\n\n### When NOT to Use Experts\n\n- Simple file operations (Claude handles these directly)\n- First attempt at any fix (try yourself first)\n- Trivial questions (no need to delegate)\n\n---\n\n## How It Works\n\n```\nYou: \"Is this authentication flow secure?\"\n                    ↓\nClaude: [Detects security question → selects Security Analyst]\n                    ↓\n        ┌───────────────────────────────┐\n        │  mcp__codex__codex            │\n        │  (or mcp__gemini__gemini)     │\n        │  → Security Analyst prompt    │\n        │  → Expert analyzes your code  │\n        └───────────────────────────────┘\n                    ↓\nClaude: \"Based on the analysis, I found 3 issues...\"\n        [Synthesizes response, applies judgment]\n```\n\n**Key details:**\n- Each expert has a specialized system prompt (in `prompts\u002F`)\n- Claude reads your request → picks the right expert → delegates via MCP (GPT or Gemini)\n- Responses are synthesized, not passed through raw\n- Experts can retry up to 3 times before escalating\n- Multi-turn conversations preserve context via `threadId` for chained tasks\n\n### Multi-Turn Conversations\n\nFor chained implementation steps, the expert preserves context across turns:\n\n```\nTurn 1: mcp__*__* → returns threadId\nTurn 2: mcp__*__*-reply(threadId) → expert remembers turn 1\nTurn 3: mcp__*__*-reply(threadId) → expert remembers turns 1-2\n```\n\nUse single-shot (`codex` or `gemini` only) for advisory tasks. Use multi-turn for implementation chains and retries.\n\n---\n\n## Configuration\n\n### Operating Modes\n\nEvery expert supports two modes based on the task:\n\n| Mode | Sandbox | Use When |\n|------|---------|----------|\n| **Advisory** | `read-only` | Analysis, recommendations, reviews |\n| **Implementation** | `workspace-write` | Making changes, fixing issues |\n\nClaude automatically selects the mode based on your request.\n\n### Configuration Defaults\n\nSet global defaults in `~\u002F.codex\u002Fconfig.toml` instead of passing parameters on every call:\n\n```toml\nsandbox_mode = \"workspace-write\"\napproval_policy = \"on-failure\"\n```\n\nPer-call parameters override these defaults. See [Codex CLI docs](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) for all config options.\n\n### Manual MCP Setup\n\nIf `\u002Fsetup` doesn't work, register the MCP server(s) manually:\n\n```bash\n# For Codex (GPT)\n# Idempotent: safe to rerun\nclaude mcp remove codex >\u002Fdev\u002Fnull 2>&1 || true\nclaude mcp add --transport stdio --scope user codex -- codex -m gpt-5.3-codex mcp-server\n\n# For Gemini\n# Idempotent: safe to rerun\nclaude mcp remove gemini >\u002Fdev\u002Fnull 2>&1 || true\nclaude mcp add --transport stdio --scope user gemini -- node ${CLAUDE_PLUGIN_ROOT}\u002Fserver\u002Fgemini\u002Findex.js\n```\n\nVerify with:\n\n```bash\nclaude mcp list\nprintf '{\"jsonrpc\":\"2.0\",\"id\":\"health\",\"method\":\"initialize\",\"params\":{}}\\n' | node ${CLAUDE_PLUGIN_ROOT}\u002Fserver\u002Fgemini\u002Findex.js\n```\n\n### Customizing Expert Prompts\n\nExpert prompts live in `prompts\u002F`. Each follows the same structure:\n- Role definition and context\n- Advisory vs Implementation modes\n- Response format guidelines\n- When to invoke \u002F when NOT to invoke\n\nEdit these to customize expert behavior for your workflow.\n\n---\n\n## Requirements\n\nYou need at least one of the following providers configured:\n\n- **Codex CLI** (for GPT): `npm install -g @openai\u002Fcodex`\n- **Gemini CLI** (for Gemini): `npm install -g @google\u002Fgemini-cli`\n\n**Authentication**:\n- Codex: run `codex login`\n- Gemini: run `gemini` once and complete the sign-in flow (or set `GOOGLE_API_KEY`)\n\n---\n\n## Commands\n\n| Command | Description |\n|---------|-------------|\n| `\u002Fclaude-delegator:setup` | Configure MCP server and install rules |\n| `\u002Fclaude-delegator:uninstall` | Remove MCP config and rules |\n\n---\n\n## Troubleshooting\n\n| Issue | Solution |\n|-------|----------|\n| MCP server not found | Restart Claude Code after setup |\n| Provider not authenticated | Codex: run `codex login`. Gemini: run `gemini` once to complete sign-in (or set `GOOGLE_API_KEY`) |\n| Tool not appearing | Run `claude mcp list` and verify registration |\n| Expert not triggered | Try explicit: \"Ask GPT to review...\" or \"Ask Gemini to review...\" |\n\n---\n\n## Development\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\ncd claude-delegator\n\n# Test locally without reinstalling\nclaude --plugin-dir \u002Fpath\u002Fto\u002Fclaude-delegator\n```\n\nSee [CONTRIBUTING.md](CONTRIBUTING.md) for guidelines.\n\n---\n\n## Acknowledgments\n\nExpert prompts adapted from [oh-my-opencode](https:\u002F\u002Fgithub.com\u002Fcode-yeongyu\u002Foh-my-opencode) by [@code-yeongyu](https:\u002F\u002Fgithub.com\u002Fcode-yeongyu).\n\n---\n\n## License\n\nMIT — see [LICENSE](LICENSE)\n\n---\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjarrodwatts_claude-delegator_readme_4382b2119453.png)](https:\u002F\u002Fstar-history.com\u002F#jarrodwatts\u002Fclaude-delegator&Date)\n","# 克劳德委托者\n\n用于 Claude Code 的 GPT 专家子代理。五位专家可分析并实施——架构、安全、代码审查等。\n\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fjarrodwatts\u002Fclaude-delegator?v=2)](LICENSE)\n[![星标数](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fjarrodwatts\u002Fclaude-delegator?v=2)](https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fstargazers)\n\n![克劳德委托者运行示例](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjarrodwatts_claude-delegator_readme_9bcabd7233c1.png)\n\n## 安装\n\n在 Claude Code 实例中，运行以下命令：\n\n**步骤 1：添加市场**\n```\n\u002Fplugin marketplace add jarrodwatts\u002Fclaude-delegator\n```\n\n**步骤 2：安装插件**\n```\n\u002Fplugin install claude-delegator\n```\n\n**步骤 3：运行设置**\n```\n\u002Fclaude-delegator:setup\n```\n\n完成！现在，Claude 会自动将复杂任务路由给 GPT 专家。\n\n> **注意**：需要 [Codex CLI](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) 或 [Gemini CLI](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fgemini-cli)。设置过程会引导您完成安装。\n\n---\n\n## 什么是克劳德委托者？\n\n通过原生 MCP，Claude 获得了一支由 GPT 和 Gemini 专家组成的团队。每位专家都有独特的专长，既可以提供建议，也可以直接实施。\n\n**注意**：您可以使用 GPT 或 Gemini 中的任意一个提供商，也可以同时使用两者。插件会自动检测已配置的提供商，并相应地路由任务。\n\n| 您获得的内容 | 为什么重要 |\n|--------------|------------|\n| **5 位领域专家** | 针对每种问题类型配备合适的专家 |\n| **GPT 或 Gemini** | 使用您偏好的模型提供商 |\n| **双模式** | 专家可以进行分析（只读）或实施（写入） |\n| **自动路由** | Claude 会根据您的请求判断何时委派 |\n| **综合响应** | Claude 会解读专家输出，绝不会直接传递原始结果 |\n\n### 专家们\n\n| 专家 | 他们的职责 | 示例触发条件 |\n|--------|--------------|------------------|\n| **架构师** | 系统设计、权衡取舍、复杂调试 | “我该如何构建这个系统？” \u002F “有哪些权衡？” |\n| **方案评审员** | 在开始前验证计划 | “请评审这个迁移方案” \u002F “这种方法是否可行？” |\n| **范围分析师** | 提前发现模糊之处 | “我还有什么遗漏吗？” \u002F “请明确一下范围。” |\n| **代码审查员** | 查找错误、提升质量 | “请评审这个 PR” \u002F “这里有什么问题？” |\n| **安全分析师** | 漏洞检测、威胁建模 | “这段代码安全吗？” \u002F “加固这个接口。” |\n\n### 专家最能提供帮助的情况\n\n- **架构决策** — “我应该使用 Redis 还是内存缓存？”\n- **陷入困境的调试** — 尝试两次以上仍无法解决时，获取新的视角\n- **实施前** — 在编写代码之前验证您的计划\n- **安全顾虑** — “这个认证流程安全吗？”\n- **代码质量** — 为您的实现寻求第二意见\n\n### 不应使用专家的情况\n\n- 简单的文件操作（Claude 可以直接处理）\n- 第一次尝试修复问题（先自己试试）\n- 简单的问题（无需委派）\n\n---\n\n## 工作原理\n\n```\n您： “这个认证流程安全吗？”\n                    ↓\nClaude： [检测到安全相关问题 → 选择安全分析师]\n                    ↓\n        ┌───────────────────────────────┐\n        │  mcp__codex__codex            │\n        │  (或 mcp__gemini__gemini)     │\n        │  → 安全分析师提示             │\n        │  → 专家分析您的代码           │\n        └───────────────────────────────┘\n                    ↓\nClaude： “根据分析结果，我发现 3 个问题……”\n        [综合响应，做出判断]\n```\n\n**关键细节：**\n- 每位专家都有专门的系统提示词（位于 `prompts\u002F` 目录下）\n- Claude 读取您的请求 → 选择合适的专家 → 通过 MCP（GPT 或 Gemini）委派任务\n- 响应经过综合处理，而非直接传递原始结果\n- 专家最多可重试三次后再上报\n- 多轮对话通过 `threadId` 保留上下文，适用于链式任务\n\n### 多轮对话\n\n对于链式实施步骤，专家会在各轮之间保持上下文：\n\n```\n第 1 轮：mcp__*__* → 返回 threadId\n第 2 轮：mcp__*__*-reply(threadId) → 专家记得第 1 轮的内容\n第 3 轮：mcp__*__*-reply(threadId) → 专家记得第 1–2 轮的内容\n```\n\n对于咨询类任务，请使用单次调用（仅限 `codex` 或 `gemini`）。对于实施链条和重试任务，则应使用多轮调用。\n\n---\n\n## 配置\n\n### 运行模式\n\n每位专家都支持两种模式，具体取决于任务：\n\n| 模式 | 沙盒环境 | 适用场景 |\n|------|---------|----------|\n| **咨询模式** | `只读` | 分析、建议、评审 |\n| **实施模式** | `工作区写入` | 进行更改、修复问题 |\n\nClaude 会根据您的请求自动选择模式。\n\n### 配置默认值\n\n您可以在 `~\u002F.codex\u002Fconfig.toml` 中设置全局默认值，而无需每次调用时都传递参数：\n\n```toml\nsandbox_mode = \"workspace-write\"\napproval_policy = \"on-failure\"\n```\n\n每次调用时传递的参数会覆盖这些默认值。有关所有配置选项，请参阅 [Codex CLI 文档](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex)。\n\n### 手动 MCP 设置\n\n如果 `\u002Fsetup` 无法正常工作，您可以手动注册 MCP 服务器：\n\n```bash\n# 对于 Codex（GPT）\n# 幂等性：可重复执行，安全无虞\nclaude mcp remove codex >\u002Fdev\u002Fnull 2>&1 || true\nclaude mcp add --transport stdio --scope user codex -- codex -m gpt-5.3-codex mcp-server\n\n# 对于 Gemini\n# 幂等性：可重复执行，安全无虞\nclaude mcp remove gemini >\u002Fdev\u002Fnull 2>&1 || true\nclaude mcp add --transport stdio --scope user gemini -- node ${CLAUDE_PLUGIN_ROOT}\u002Fserver\u002Fgemini\u002Findex.js\n```\n\n验证方法如下：\n\n```bash\nclaude mcp list\nprintf '{\"jsonrpc\":\"2.0\",\"id\":\"health\",\"method\":\"initialize\",\"params\":{}}\\n' | node ${CLAUDE_PLUGIN_ROOT}\u002Fserver\u002Fgemini\u002Findex.js\n```\n\n### 自定义专家提示词\n\n专家提示词位于 `prompts\u002F` 目录中。每个提示词都遵循相同的结构：\n- 角色定义与背景信息\n- 咨询模式与实施模式\n- 响应格式指南\n- 何时调用 \u002F 何时不调用\n\n您可以编辑这些提示词，以根据自己的工作流程自定义专家行为。\n\n---\n\n## 要求\n\n您至少需要配置以下其中一个提供商：\n\n- **Codex CLI**（用于 GPT）：`npm install -g @openai\u002Fcodex`\n- **Gemini CLI**（用于 Gemini）：`npm install -g @google\u002Fgemini-cli`\n\n**身份验证**：\n- Codex：运行 `codex login`\n- Gemini：运行一次 `gemini` 并完成登录流程（或设置 `GOOGLE_API_KEY`）\n\n---\n\n## 命令\n\n| 命令 | 描述 |\n|---------|-------------|\n| `\u002Fclaude-delegator:setup` | 配置 MCP 服务器并安装规则 |\n| `\u002Fclaude-delegator:uninstall` | 移除 MCP 配置和规则 |\n\n---\n\n## 故障排除\n\n| 问题 | 解决方案 |\n|-------|----------|\n| 找不到 MCP 服务器 | 设置完成后重启 Claude Code |\n| 提供商未通过身份验证 | Codex：运行 `codex login`。Gemini：运行一次 `gemini` 完成登录（或设置 `GOOGLE_API_KEY`） |\n| 工具未显示 | 运行 `claude mcp list` 并确认注册情况 |\n| 专家未被触发 | 尝试明确指定：“请让 GPT 评审……”或“请让 Gemini 评审……” |\n\n---\n\n## 开发\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\ncd claude-delegator\n\n# 在本地测试，无需重新安装\nclaude --plugin-dir \u002Fpath\u002Fto\u002Fclaude-delegator\n```\n\n请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 获取贡献指南。\n\n---\n\n## 致谢\n\n专家提示改编自 [@code-yeongyu](https:\u002F\u002Fgithub.com\u002Fcode-yeongyu) 的 [oh-my-opencode](https:\u002F\u002Fgithub.com\u002Fcode-yeongyu\u002Foh-my-opencode)。\n\n---\n\n## 许可证\n\nMIT — 详见 [LICENSE](LICENSE)\n\n---\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjarrodwatts_claude-delegator_readme_4382b2119453.png)](https:\u002F\u002Fstar-history.com\u002F#jarrodwatts\u002Fclaude-delegator&Date)","# Claude Delegator 快速上手指南\n\nClaude Delegator 是一个为 Claude Code 设计的插件，它引入了 5 位 GPT 或 Gemini 专家子代理（Subagents）。这些专家不仅能分析架构、安全、代码质量等问题，还能直接实施修复方案。Claude 会根据你的请求自动路由任务给最合适的专家，并综合输出结果。\n\n## 环境准备\n\n在使用本工具前，请确保你的系统已安装 **Node.js**，并配置了以下至少一种 AI 提供商的 CLI 工具：\n\n### 1. 选择并安装提供商 CLI\n\n你可以选择使用 OpenAI 的 Codex (GPT) 或 Google 的 Gemini，也可以同时配置两者。\n\n**选项 A: 使用 GPT (推荐)**\n```bash\nnpm install -g @openai\u002Fcodex\n# 登录认证\ncodex login\n```\n\n**选项 B: 使用 Gemini**\n```bash\nnpm install -g @google\u002Fgemini-cli\n# 登录认证（运行一次完成签到流程，或设置 GOOGLE_API_KEY 环境变量）\ngemini\n```\n\n> **注意**：国内开发者若遇到 npm 安装缓慢问题，建议使用国内镜像源（如 `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`）进行安装。\n\n## 安装步骤\n\n请在 **Claude Code** 实例内部执行以下命令来完成插件的安装与配置：\n\n**第一步：添加插件市场源**\n```bash\n\u002Fplugin marketplace add jarrodwatts\u002Fclaude-delegator\n```\n\n**第二步：安装插件**\n```bash\n\u002Fplugin install claude-delegator\n```\n\n**第三步：运行初始化设置**\n```bash\n\u002Fclaude-delegator:setup\n```\n*执行此命令后，插件会自动检测你配置的提供商（Codex 或 Gemini）并完成 MCP 服务器的注册。*\n\n## 基本使用\n\n安装完成后，无需手动调用特定命令。你只需用自然语言向 Claude 提出复杂任务，它会自动判断是否需要委托给专家处理。\n\n### 使用示例\n\n**场景 1：安全审计（自动调用安全分析师）**\n```text\n用户：这个认证流程安全吗？有没有潜在的漏洞？\n```\n> **系统行为**：Claude 检测到安全问题，自动调用 **Security Analyst** 专家进行深度分析，最后综合给出修复建议。\n\n**场景 2：架构设计（自动调用架构师）**\n```text\n用户：我应该用 Redis 还是内存缓存？请分析权衡利弊并给出实现方案。\n```\n> **系统行为**：Claude 调用 **Architect** 专家，提供系统设计方案及具体的代码实施。\n\n**场景 3：代码审查（自动调用代码审查员）**\n```text\n用户：帮我审查这个 PR，找出其中的 Bug 并优化代码质量。\n```\n> **系统行为**：Claude 调用 **Code Reviewer** 专家，不仅指出问题，还可以直接在 `workspace-write` 模式下修复代码。\n\n### 核心专家列表\n| 专家角色 | 擅长领域 | 触发示例 |\n| :--- | :--- | :--- |\n| **Architect** | 系统设计、技术选型、复杂调试 | \"如何构建这个系统？\" |\n| **Plan Reviewer** | 方案验证、迁移计划审查 | \"这个迁移计划可行吗？\" |\n| **Scope Analyst** | 需求澄清、范围界定 | \"我遗漏了什么需求？\" |\n| **Code Reviewer** | Bug 查找、代码优化 | \"审查这段代码\" |\n| **Security Analyst** | 漏洞扫描、威胁建模 | \"加固这个接口\" |\n\n> **提示**：对于简单的文件操作或琐碎问题，Claude 会直接处理而不调用专家，以保持高效。只有在遇到架构决策、调试陷入僵局或需要深度安全审查时，专家代理才会介入。","某后端工程师正在重构一个高并发的电商订单系统，需要在引入新缓存架构前确保方案的安全性与合理性。\n\n### 没有 claude-delegator 时\n- **视角单一**：仅依赖 Claude 自身的通用知识库，难以获得针对特定领域（如深层安全漏洞或复杂架构权衡）的专家级洞察。\n- **流程割裂**：发现潜在风险后，需手动复制代码到外部工具或切换上下文去咨询其他模型，打断开发心流。\n- **验证成本高**：在编写代码前缺乏自动化的“计划审查”机制，往往等到实现完成后才发现设计缺陷，导致返工。\n- **盲点难除**：对于自身知识盲区的需求范围（Scope），容易因定义模糊而遗漏关键边界条件，埋下隐患。\n\n### 使用 claude-delegator 后\n- **专家协同**：Claude 自动识别需求，瞬间调用\"Security Analyst\"和\"Architect\"子代理，直接提供深度的威胁建模与架构取舍分析。\n- **无缝流转**：在同一个对话窗口内，任务被自动路由给 Codex 或 Gemini 专家处理，无需人工干预即可获取多模型视角的综合建议。\n- **前置风控**：通过\"Plan Reviewer\"在编码前预先验证迁移方案的可行性，将错误拦截在蓝图阶段，大幅降低试错成本。\n- **精准定界**：\"Scope Analyst\"主动识别需求中的模糊地带并澄清范围，确保后续实施无遗漏，提升交付质量。\n\nclaude-delegator 通过将单一助手升级为多专家协作团队，让开发者在保持流畅心流的同时，获得企业级的架构与安全决策支持。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjarrodwatts_claude-delegator_9bcabd72.png","jarrodwatts","Jarrod Watts","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjarrodwatts_ac223812.jpg",null,"Sydney, Australia","https:\u002F\u002Fjarrodwatts.com","https:\u002F\u002Fgithub.com\u002Fjarrodwatts",[82],{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",100,940,47,"2026-04-19T16:14:39","MIT","未说明 (基于 Node.js 和 CLI 工具，通常支持 Linux, macOS, Windows)","不需要","未说明",{"notes":94,"python":95,"dependencies":96},"该工具是 Claude Code 的插件，而非独立的本地 AI 模型，因此无需本地 GPU 或大量内存。核心依赖是安装并配置好 Codex CLI (需执行 `codex login`) 或 Gemini CLI (需执行 `gemini` 登录或设置 `GOOGLE_API_KEY`)。它通过 MCP 协议将任务路由给云端的 GPT 或 Gemini 模型进行处理。","不需要 (基于 Node.js)",[97,98,99],"@openai\u002Fcodex (可选，用于 GPT 专家)","@google\u002Fgemini-cli (可选，用于 Gemini 专家)","Node.js (运行环境)",[27,13,36],[102,103,104,105,106,107,108],"ai-agents","claude","claude-code","codex","gpt","mcp","plugin","2026-03-27T02:49:30.150509","2026-04-20T19:42:11.506440",[112,117,122,127,132,136],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},45359,"如何正确配置 Codex MCP 服务器以避免写入错误的配置文件？","不要手动将配置写入 `~\u002F.claude\u002Fsettings.json`，这是错误的做法。请按照以下步骤操作：\n1. 如果已存在错误配置，请先从 `~\u002F.claude\u002Fsettings.json` 中移除相关的 `mcpServers` 条目。\n2. 在终端中运行以下命令来正确添加 MCP 服务器：\n`claude mcp add --transport stdio --scope user codex -- codex -p nosandbox -m gpt-5.3-codex -c 'model_reasoning_effort=\"xhigh\"' mcp-server`\n注意：参数 `-p` 是传给 `codex` 命令的，而不是传给 `claude` 的，因此 `--` 分隔符的位置非常关键。","https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fissues\u002F4",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},45360,"为什么设置完成后，Claude Code 仍然提示 'mcp__codex__codex' 工具不可用？","这通常是因为 MCP 服务器配置未生效或命令参数错误。请检查以下几点：\n1. 确认是否使用了正确的命令添加 MCP 服务器（参考官方推荐的 `claude mcp add` 命令）。\n2. 确保命令中的参数顺序正确，特别是 `--` 分隔符后的参数应全部传递给 `codex` 可执行文件。\n3. 重启 Claude Code CLI 以确保配置加载。\n如果问题依旧，请检查 `~\u002F.claude\u002Fsettings.json` 中是否存在冲突的手动配置并将其清除。","https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fissues\u002F2",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},45361,"如何配置 MCP 以使用具有 'xhigh' 推理努力程度的 GPT-5.3 Codex 模型？","可以通过在添加 MCP 服务器时传递特定参数来实现。请使用以下命令：\n`claude mcp add --transport stdio --scope user codex -- codex -p nosandbox -m gpt-5.3-codex -c 'model_reasoning_effort=\"xhigh\"' mcp-server`\n其中 `-c 'model_reasoning_effort=\"xhigh\"'` 用于设置推理努力程度为最高。不要直接在 JSON 配置文件中拼接模型名称和参数，而应通过命令行参数传递。","https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fissues\u002F1",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},45362,"claude-delegator 是否支持集成 Google Gemini 模型？","是的，项目已支持 Gemini 模型。利用 Gemini CLI 的无头模式（headless mode），可以采用类似的 MCP 模式集成 Gemini 模型，从而利用其高达 100 万 token 的上下文窗口优势。该功能已通过社区贡献的代码合并到主分支中。","https:\u002F\u002Fgithub.com\u002Fjarrodwatts\u002Fclaude-delegator\u002Fissues\u002F5",{"id":133,"question_zh":134,"answer_zh":135,"source_url":116},45363,"在配置 Codex MCP 时，常见的命令语法错误是什么？","最常见的错误是将本应传递给 `codex` 命令的参数（如 `-p nosandbox`）错误地放在了 `claude mcp add` 的参数部分，或者弄错了 `--` 分隔符的位置。\n错误示例：试图将 `-p` 直接发给 claude 命令。\n正确语法结构应为：\n`claude mcp add [claude 参数] codex -- codex [codex 参数] mcp-server`\n确保 `--` 之后的所有内容（包括 `codex` 命令本身及其参数）都被正确传递。",{"id":137,"question_zh":138,"answer_zh":139,"source_url":121},45364,"安装后工具列表中没有显示 codex 相关工具，该如何排查？","如果工具列表中缺少 `mcp__codex__codex`，说明 MCP 服务器未成功注册或启动。排查步骤如下：\n1. 运行 `claude mcp list` 查看已注册的服务器。\n2. 确认配置命令中使用了 `--scope user` 以确保配置保存在用户级别。\n3. 检查终端是否有报错信息，特别是关于 `codex` 命令找不到或参数解析失败的信息。\n4. 确保已正确安装 `codex` CLI 工具并在环境变量中可用。",[]]