一个人干不出 CTO 的活，但 69 个 AI Agent 可以

一个人干不出 CTO 的活，但可以雇 69 个 AI Agent 来干。

最近挖到一个相当硬核的开源项目——great_cto，是一个给 Claude Code 用的插件，但它本质上是一个多 Agent 软件开发流水线。你描述一个产品，它就会自动跑通从架构设计、后端实现、前端构建、测试、代码审查、安全审计到部署的全流程。你只需要在两个节点点头：确认要做什么，和确认是否发布。

69 个专家 Agent，流水线协作

这是它最让我震惊的地方——不是 1 个通用助手在那边噼里啪啦打字，而是一套角色清晰的 Agent 体系：

• architect 负责架构设计
• design-advisor 做设计评审
• senior-dev 写核心业务代码
• code-reviewer 做代码审查
• QA 工程师跑 Gherkin 关键路径测试
• security-officer 做安全审计
• devops 负责部署
• project-auditor 做整体验收

每个 Agent 只干自己那一块，范围由系统强制锁定——写入时就拒绝越界，而不是审查时才发现。架构评审、Schema 评审在规划阶段就跑，发现问题只花几小时，而不是等开发完了再返工。

成本透明，数字感人

官方给出的 benchmark 数据：

• 单个功能端到端：1小时26分，$3.40
• 完整产品（中位数）：$171，70/100 质量
• 每月 20 次流水线运行：约 $34

质量分不是靠数文件数量，是跑自己产品的测试套件得出来的——所以是 70 而不是 80 或 90，更真实。所有费用直接付给你自己的 LLM 提供方，不经过中间商。

60 种产品模板，覆盖 15 个行业

内置 6 条可复用流水线，能构建 60 种产品，涵盖 15 个美国行业。监管行业（金融、医疗、政府）默认强制开启安全、合规、发布三个关卡，即使你设成 auto 模式也不会跳过合规检查。

隐私设计

所有运行都在本地，MIT 协议，代码不离开你的机器，遥测数据默认关闭。你用自己的 API Key，跑在你的机器上，不存在数据外流问题。

适合谁用

独立创始人或 CTO——两个人以上的工程团队就已经超出了它的目标用户群。它不是 CI/CD 系统，关卡在本地跑，合并还是要走 GitHub Actions。

想体验可以直接跑：

npx great-cto init

然后 /start "build a dispatch & scheduling app for an HVAC business"

GitHub 仓库附上，73 star，78 次发布，活跃度相当高。开发者背景出身的 CTO 在维护，文档齐全，中文版 README 也有。对 AI 原生开发流程感兴趣的朋友可以研究一下这个架构。

https://github.com/avelikiy/great_cto

GitHub: https://github.com/avelikiy/great_cto