烧了一万块 API 后，我找到了同时适用于 Fable5 和 GPT5.6 的 AI 工作流

📌 一句话摘要

作者开源的 Claude Code 与 Codex 协作搭子工具升级到 2.0，引入 deep_reasoner / fast_worker / arbiter 三角色系统、跨项目模型混编、Goal 哈希校验与证据链小票，将 API 周成本从 3200 元压至与 Max 订阅持平。

📝 详细摘要

文章围绕作者开源的多 Agent 协作工具「搭子」从 1.4 到 2.0 的升级展开。起因是 Claude 账号大规模封禁，作者将工作流迁移到 API 版 Claude（Fable），并叠加 mem0 做记忆层、GitHub 做存储层。三周内 API 周账单一度达到 3300 元，作者的目标是把成本压到与 Max 订阅持平。

2.0 的核心变化是把「Claude Code 的活 / Codex 的活」这种按工具划分的逻辑，重构为按角色划分的三身份系统：deep_reasoner 负责深度推理与架构决策，fast_worker 负责快速执行与批量重构，arbiter 作为仲裁者对高风险决策做盲解对比。每个角色绑定的模型可按项目灵活切换，并内置 balanced / quality / cost 三套方案，通过 hosts.claude_code 与 hosts.codex 命名空间实现两 Agent 共享配置但互不干扰。

配套功能包括：「搭子，试跑」一键验证三角色是否正常；Goal-to-PR 协议通过哈希校验防止 Codex 执行过时目标；Partner Session Receipt 升级为带证据链的小票，记录每轮任务、模型与推理强度。文中以 AI News Radar 的全文提取功能为例，展示搭子 2.0 在不降低质量的前提下完成开发。

💡 主要观点

- 搭子 2.0 把按工具分工重构为按角色分工的三身份系统。 deep_reasoner 负责深度推理与架构，fast_worker 负责快速执行，arbiter 对高风险决策做盲解对比，角色绑定模型可按项目灵活切换。

通过命名空间配置实现两 Agent 共享配置但互不干扰。 hosts.claude_code 与 hosts.codex 分别管理两侧配置，项目级与全局级 config 分级覆盖，使不同项目可采用不同模型策略。

Goal 哈希校验解决了多 Agent 协作中的目标漂移问题。 goal.md 每次变更生成哈希，Codex 提交 PR 时自动对照，确保执行的是最新目标而非中间版本的残留指令。

证据链小票让 API 成本可追溯到具体任务与模型。 相比 1.4 的简单账单，2.0 记录每轮每个身份实际跑的任务、模型与推理强度，为成本优化提供数据基础。

省钱逻辑来自任务分级与上下文复用，而非单纯换便宜模型。 让便宜任务自动走便宜通道，同时通过交接文档与 session 复用减少重复上下文加载，避免每次 Cold Start。

💬 文章金句

- 搭子 2.0 做的，就是当好这磨刀石。

• 花钱也要把每一个 Token 都花在刀刃上。
• 1.4 解决的是两个 Agent 之间怎么交接……2.0 解决的是，怎么让这两个 Agent 四个不同版本的模型像一支团队协作。

📊 文章信息

AI 初评：82

来源：卡尔的AI沃茨

作者：卡尔的AI沃茨

分类：人工智能

语言：中文

阅读时间：13 分钟

字数：3103

标签： AI Agent, AI 编程, Claude Code, Codex, 多 Agent 协作

阅读完整文章