用自然语言同时调度 17 个 AI 编程 Agent：Claude Code、Codex、Qwen、Kimi 们终于能在一个窗口里协同作战了

用自然语言同时调度 17 个 AI 编程 Agent：Claude Code、Codex、Qwen、Kimi 们终于能在一个窗口里协同作战了

如果你同时用 Claude Code 和 Qwen 写过代码，可能会发现一个尴尬的事实：它们各自为战，你得在两个终端之间来回切换，脑子里还得记着”这段逻辑是谁写的”。当你需要让不同的 AI 互相配合——比如让 Qwen 先做代码评审，再交给 Claude Code 重写——那就更头疼了，要么靠复制粘贴，要么靠手动同步上下文。

SeemSeam/claude_codex_bridge（简称 CCB）解决的就是这个问题。它是一个多 Agent CLI 可视化协作工作区，目前支持 17 种主流 AI 编程工具的混合编排，包括 Codex、Claude Code、Gemini、Kimi、Qwen、Cursor、Copilot、Pi、OpenCode、Grok、Kilo-Code 等。简单说：你开一个窗口，不同模型的 AI Agent 在各自的 tmux pane 里干活，你可以看着它们工作，随时接管任意一个，也能让它们互相传递消息。

v8.5.3 刚发布（2026-08-01），作者 seemseem 独立维护了 790+ commits，2025 年 10 月启动至今，社区贡献者已超过 8 人。

能在 CCB 里做什么？

CCB 支持多种协作拓扑，不只是简单的”并行跑两个 Agent”：

串行链（Chain）：A → B → C，第一个 Agent 的输出自动作为第二个的输入。典型场景：先用 Kimi 生成代码骨架，再交给 Claude Code 做细节优化，最后让 Qwen 做安全审查。

汇聚（Fan-in）：A, B → C，多个 Agent 的结果合并给下一个处理。比如让 Codex 和 Gemini 同时实现同一个功能的不同方案，再由 Claude Code 决定用哪个。

分发（Fan-out）：A → B, C，一个任务同时分给多个 Agent 分别处理，再汇总。比如让 Qwen、Claude 和 Kimi 同时从不同角度审视一段代码。

每个 Agent 都在独立的 tmux pane 中运行，你能看到实时的输出，可以随时用键盘接管（send-keys），也可以直接”插话”让某个 Agent 停下来做别的。关闭前端窗口时，后台 daemon（ccbd）保持项目状态，下一次打开直接恢复到之前的工作现场。

真实使用门槛

必须有的准备：

• Linux / macOS / WSL：Windows 原生不支持，官方只列了这三个平台
• npm 环境和 Node.js：安装命令是 npm install -g @seemseam/ccb@latest，需要 npm
• 至少一个已配置好的 AI 编程 CLI：CCB 本身不提供模型，只是编排层。你得先装好 Claude Code / Codex / Qwen 等，并配置好对应的 API key
• tmux：CCB 的 UI 底层依赖 tmux，不熟悉的话需要先了解基本操作（split pane、attach、detach）
• 终端支持：部分 UI 效果（如颜色、布局）依赖终端能力，非主流终端可能出现显示问题

可能踩的坑：

CCB 在 WSL 下有专项兼容性文档（docs/ccb-wsl-compatibility-plan.md），WSL 用户建议先读这个。部分 Provider 在 WSL 环境下的行为与 Linux/macOS 有差异，特别是 session 隔离和路径处理部分。

另外，当前有 92 个 open issues，其中有几个涉及特定 Provider 的 pane 路由和 session 超时问题，属于活跃维护期的正常状态。

适合谁 / 不适合谁

适合：

• 同时跑多个 AI 编程工具的专业开发者，比如同时用 Claude Code（主力）+ Qwen（中文场景）+ Kimi（长上下文）
• 需要 AI Agent 协作完成复杂任务的场景，如先评审→再实现→再测试的多阶段工作流
• 研究不同模型在同一个任务上表现的开发者（横向对比）
• 有 tmux 使用经验、喜欢终端工作流的开发者

不适合：

• 只需要一个 AI 编程助手的普通开发者——直接装 Claude Code 就够了，CCB 带来额外复杂度
• Windows 用户（当前不支持）
• 对终端工具没有耐心的开发者——CCB 有学习曲线，不是开箱即用的”傻瓜相机”
• 追求稳定性的企业用户——项目目前处于高频迭代期，API 和配置格式可能变化

快速上手

第一步当然是安装：

npm install -g @seemseam/ccb@latest

然后在项目目录里运行：

ccb

首次启动会创建一个 .ccb 目录，并在 tmux 里开一个默认的 demo agent（自动选择你机器上第一个可用的 CLI）。按 ⚙ 图标打开配置面板，可以添加更多 agent、指定模型、配置拓扑关系。

CCB 有一个移动端 App（iOS/Android），可以通过语音远程控制 Agent 协作、传输文件、访问远程终端——这个特性在同类工具里比较少见。

如果遇到问题，项目的 docs/manuals/ccb-self-expert-guide.md 是一份很详细的中文专家指导书，涵盖了架构设计、权威层级判断、诊断方法论，读完能对 CCB 的运作方式有系统认知。

下一步建议

如果你对这个方向感兴趣，建议按以下顺序探索：

1. 先用起来：在本地跑通 ccb，接一个你最熟悉的 AI 编程 CLI，体验”看它干活”的感觉
2. 配置多 Agent 协作：参考官方文档配置一个简单的 chain 拓扑，比如 A → B，感受一下”任务自动传递”
3. 读 self-expert-guide：花 20 分钟通读那份中文专家指导书，建立对 ccbd daemon、keeper、pane 等核心概念的心智模型
4. 如果想深入：看看 docs/ 里的架构设计文档，特别是 agentic-loop-workflow-architecture.zh.md，能理解项目对多 Agent 协作边界的思考

项目地址：https://github.com/SeemSeam/claude_codex_bridge，移动端 App 和详细文档都在 README 里可以找到入口。

• CCB 不是一个 AI 编程工具的替代品，而是一个编排层。它的价值在于让你现有的 AI 编程工具从”单打独斗”变成”协同作战”。如果你已经习惯了 tmux 工作流，同时在用多个 AI 编程 CLI，CCB 值得花一个下午认真试试。*