多代理并行编程 orchestration 指南

OpenClaw 平台发布的编码代理工具使用指南，提供 Codex/Claude/OpenCode/Pi 四大 AI 编程助手的高效调用模式与安全最佳实践。

基本信息

• 技能名称?giga-coding-agent
• 中文名称?多代理并行编程 orchestration 指南
• 作者?branexp
• 分类?开发
• 版本?v1.0.0
• 标签?development-engineering, automation, git, devops, productivity, ai-ml

使用方法

使用说明
核心用法
本 Skill 是一套完整的 AI 编码代理工具 orchestration 指南，核心设计哲学是 "workdir + background" 隔离模式 。用户通过 bash workdir: background:true command:" " 的标准化模式，在受控目录中后台启动各类编码代理，实现非交互式自动化编程任务。
Skill 覆盖四大主流工具：
Codex CLI ：支持 --full-auto （沙盒自动批准）和 --yolo （无沙盒极速模式），专长于代码生成与 PR 审查
Claude Code ：Anthropic 官方 CLI 工具的后台调用
OpenCode ：开源编码代理方案
Pi Coding Agent ：轻量级 Node.js 代理，支持多模型提供商切换
高级用法包括：批量 PR 并行审查（通过 git fetch 预拉取所有 PR refs 后并发启动多个 Codex 实例）、git worktree 隔离并行修复多 Issue、以及 tmux 持久化交互会话管理。
显著优点

1. 工程化思维突出 ：强调目录隔离（workdir）、进程管理（sessionId 追踪）、并行化（army pattern）等生产级实践
2. 安全边界清晰 ：明确区分 --full-auto 与 --yolo 的风险等级，强制要求 PR 审查时隔离 clawdbot 主目录
3. 多工具兼容 ：统一抽象层适配不同厂商代理，降低切换成本
4. 可观测性设计 ：提供 process:log 、 、 process:poll` 等标准监控接口
5. PR 质量规范 ：附带 "Razor Standard" PR 模板，强制要求人工可读描述、时间戳记录、测试验证等
   潜在缺点与局限性
6. 外部依赖重 ：要求预装 codex/claude/opencode/pi 任一二进制，且版本行为可能漂移
7. 平台锁定风险 ： bash 和 process 技能为 OpenClaw 生态特有，迁移成本高
8. yolo 模式陷阱 ：文档虽警告 --yolo 危险，但示例代码中仍频繁出现，存在诱导误用风险
9. 无错误恢复机制 ：后台进程失败时需人工介入 process:kill 和清理
10. tmux 复杂度 ：并行 Issue 修复流程涉及 socket 管理、worktree 生命周期等，学习曲线陡峭
    适合的目标群体
    AI-native 开发团队 ：已深度使用 Cursor/Copilot 等工具，希望自动化批量任务
    开源维护者 ：需要并行审查大量 PR、批量处理 Issue 的项目管理员
    DevOps/平台工程师 ：构建内部 AI 编程工作流的基础设施团队
    技术激进派开发者 ：愿意承担 --yolo 风险以换取极致效率的早期采用者
    使用风险
11. 供应链风险 ：Codex CLI 等工具本身处于快速迭代期，API 和行为可能突变
12. 数据泄露 ： --yolo 模式无沙盒保护，代理可能读取敏感文件（文档明确警告勿在 ~/clawd// 运行）
13. 资源耗尽 ：并行"army"模式可能瞬间消耗大量 API 配额和本地计算资源
14. 代码质量不可控 ：自动生成的代码缺乏人工审查时可能引入安全漏洞
15. git 状态污染 ：误操作可能导致 clawdbot 自身仓库分支切换，破坏运行实例