ccg-workflow/templates/commands/dev.md

description

description
完整6阶段多模型协作工作流（Prompt增强 → 上下文检索 → 多模型分析 → 原型生成 → 代码实施 → 审计交付）

调用语法见 _config.md

用法

/dev <功能描述>

上下文

• 要实现的功能: $ARGUMENTS
• 此命令触发完整的 6 阶段多模型协作工作流
• 根据 ~/.ccg/config.toml 配置路由模型

配置

首先读取 ~/.ccg/config.toml 获取模型路由配置:

[routing]
mode = "smart"  # smart | parallel | sequential

[routing.frontend]
models = ["gemini", "claude", "codex"]  # 三模型并行
primary = "gemini"
strategy = "parallel"

[routing.backend]
models = ["codex", "claude", "gemini"]  # 三模型并行
primary = "codex"
strategy = "parallel"

[routing.review]
models = ["codex", "gemini", "claude"]  # 三模型交叉验证
strategy = "parallel"

[routing.prototype]
models = ["codex", "gemini", "claude"]  # 三模型原型生成
strategy = "parallel"

你的角色

你是编排者，协调三模型协作系统。你指挥:

1. ace-tool – 用于 Prompt 增强和代码库上下文检索
2. Codex – 后端逻辑、算法、调试专家
3. Gemini – 前端 UI/UX、视觉设计专家
4. Claude (子进程) – 全栈整合、契约设计、跨层问题
5. Claude (自己) – 编排、重构、最终交付

流程

阶段 0: 读取配置 + Prompt 增强

1. 读取 ~/.ccg/config.toml 获取模型路由配置
2. 如果配置不存在，使用默认值：frontend=gemini, backend=codex
3. 调用 mcp__ace-tool__enhance_prompt 优化原始需求:
   • prompt: 用户的原始需求 ($ARGUMENTS)
   • conversation_history: 最近的对话历史(5-10轮对话)
   • project_root_path: 当前项目根目录绝对路径
4. 向用户展示原始和增强后的 prompt:

📝 原始需求:
<原始需求>

✨ 增强后需求:
<增强后需求>

🔧 模型配置:
- 前端模型: <routing.frontend.models>
- 后端模型: <routing.backend.models>
- 协作模式: <routing.mode>

---
**使用增强后的需求继续？(Y/N)**

5. 强制停止: 等待用户确认
   • 如果 Y: 后续阶段使用增强后的 prompt
   • 如果 N: 使用原始 prompt 或要求修改

阶段 1: 上下文检索

1. 调用 mcp__ace-tool__search_context 获取（增强后的）需求相关代码:
   • project_root_path: 项目根目录绝对路径
   • query: 增强后的需求描述
2. 识别所有相关文件、类、函数和依赖
3. 如需求仍不清晰，提出澄清问题

阶段 2: 多模型分析

根据配置并行调用模型进行分析（使用 run_in_background: true 非阻塞执行）：

调用方式: 使用 Bash 工具调用 codeagent-wrapper

# 后端模型分析示例
codeagent-wrapper --backend codex - $PROJECT_DIR <<'EOF'
ROLE_FILE: ~/.claude/prompts/ccg/codex/analyzer.md

<TASK>
分析需求: {{增强后的需求}}
Context: {{从 ace-tool 获取的代码上下文}}
</TASK>

OUTPUT: Structured analysis/diagnostic report.
EOF

根据 routing.backend.models 和 routing.frontend.models 动态生成调用：

• 后端模型: 使用 Bash 调用 codeagent-wrapper --backend codex/gemini/claude + analyzer 角色
• 前端模型: 使用 Bash 调用 codeagent-wrapper --backend gemini/codex/claude + analyzer 角色

然后使用 TaskOutput 获取所有任务的结果，交叉验证后综合方案。

强制停止: 询问用户 "是否继续执行此方案？(Y/N)" 并等待确认

阶段 3: 原型生成

三模型并行生成原型（使用 run_in_background: true）：

调用方式: 使用 Bash 工具调用 codeagent-wrapper

# Codex 后端原型示例
codeagent-wrapper --backend codex - $PROJECT_DIR <<'EOF'
ROLE_FILE: ~/.claude/prompts/ccg/codex/architect.md

<TASK>
生成原型: {{功能需求}}
Context: {{相关代码}}
</TASK>

OUTPUT: Unified Diff Patch ONLY. Strictly prohibit any actual modifications.
EOF

根据 routing.prototype.models 配置，同时调用三个模型：

• Codex: codeagent-wrapper --backend codex + architect 角色 → 后端架构视角的原型
• Gemini: codeagent-wrapper --backend gemini + frontend 角色 → 前端 UI 视角的原型
• Claude: codeagent-wrapper --backend claude + architect 角色 → 全栈整合视角的原型

输出: Unified Diff Patch ONLY

使用 TaskOutput 收集三个模型的结果。

三模型差异化价值：

模型	专注点	独特贡献
Codex	后端逻辑、算法	深度后端专业知识
Gemini	前端 UI、样式	视觉设计和用户体验
Claude	全栈整合、契约	桥接前后端视角

阶段 4: 代码实施

1. 将三个原型视为"脏原型" – 仅作参考
2. 交叉验证三模型结果，集各家所长：
   • Codex 的后端逻辑优势
   • Gemini 的前端设计优势
   • Claude 的整合视角优势
3. 重构为干净的生产级代码
4. 验证变更不会引入副作用

阶段 5: 审计与交付

三模型并行代码审查（使用 run_in_background: true）：

调用方式: 使用 Bash 工具调用 codeagent-wrapper

# Codex 代码审查示例
codeagent-wrapper --backend codex - $PROJECT_DIR <<'EOF'
ROLE_FILE: ~/.claude/prompts/ccg/codex/reviewer.md

<TASK>
审查代码: {{实施的代码变更}}
</TASK>

OUTPUT: Review comments only. No code modifications.
EOF

根据 routing.review.models 配置调用所有模型：

• Codex: codeagent-wrapper --backend codex + reviewer 角色 → 安全性、性能、错误处理
• Gemini: codeagent-wrapper --backend gemini + reviewer 角色 → 可访问性、响应式设计、设计一致性
• Claude: codeagent-wrapper --backend claude + reviewer 角色 → 集成正确性、契约一致性、可维护性

输出: Review comments only

使用 TaskOutput 获取所有审查结果，整合三方反馈后修正并交付。

输出格式

1. 配置信息 – 使用的模型和路由策略
2. 增强后需求 – 优化后的 prompt (阶段 0)
3. 上下文摘要 – 识别的相关代码元素
4. 实施方案 – 含模型路由的逐步方案
5. 代码变更 – 生产级实现
6. 审计报告 – 审查反馈和修正
7. 后续步骤 – 部署或跟进操作

关键规则

• 未经用户批准不得跳过任何阶段
• 首先读取 ~/.ccg/config.toml 获取模型配置
• 阶段 0 的 prompt 增强是强制性的 – 必须先展示增强后的 prompt
• 始终要求外部模型输出 Unified Diff Patch
• 外部模型对文件系统零写入权限
• 实时向用户报告当前阶段和下一阶段
• 使用 HEREDOC 语法 (<<'EOF') 避免 shell 转义问题
• 三模型并行调用使用 run_in_background: true 避免阻塞
• 三模型结果需交叉验证，集各家所长