OpenRig Skill：让 Claude Code 和 Codex 组队干活的团队协作神器

OpenRig Skill：让 Claude Code 和 Codex 组队干活的团队协作神器

OpenRig 是一个 TypeScript 编写的多智能体 harness（编排框架），其核心思路是：不再让 Claude Code 和 Codex 各自孤军作战，而是用 YAML 定义团队拓扑，让它们像真实开发团队一样协作——有人负责实现，有人负责 review，任务通过队列流转，结果统一呈现。

功能与原则

OpenRig 的设计原则是「harness 包装模型，rig 包装 harness」：把现有的 Claude Code 和 Codex 当作两个独立的能力单元，用 OpenRig 给它们装上同一个神经系统——统一的任务队列、统一的 TUI 界面、统一的状态恢复机制。开发者只需描述想要什么结果，系统自动协调多个 agent 完成规划、执行、审查的完整流程。

认可度

截至 2026-10-01，OpenRig 在 GitHub 约有 3,000 星，今日新增约 +737 stars，已登上 GitHub Trending 日榜。项目采用 Apache-2.0 开源许可，TypeScript 实现，代码质量较高，在 agent-harness 话题下获得显著曝光。

链接

GitHub：https://github.com/mvschwarz/openrig

原作者

mvschwarz（GitHub 个人开发者），专注于 AI coding agent 工具链，OpenRig 是其主力项目，配套有 YouTube 频道 @openrig 和独立官网 openrig.dev。

介绍

传统的 AI 编程 agent 方案有一个共同痛点：单个 agent 再强，也会在复杂任务面前暴露能力边界——它可能写代码很溜，但不会主动停下来检查自己；它可能擅长快速实现，但缺少对整体架构的判断力。OpenRig 的解法是把多个 agent 编排成一支队伍，各司其职、相互制约。

项目基于 tmux 实现 session 管理，每个 agent 运行在独立的 tmux pane 中，共享一个任务队列。TUI 界面实时展示团队拓扑——谁在跑、谁在等、任务卡在哪一步，一目了然。YAML 配置文件（RigSpec）定义了 pod、edge 和 continuity policy，开发者用 rig up 一条命令就能把整个团队拉起来。

OpenRig 还解决了多 agent 协作中的权限管理问题：它会在首次 setup 时为 rig 命令添加信任规则，让 agent 可以执行 rig send、rig tui 等管理命令而不触发重复确认。这是一个让 agent 自己管理自己的巧妙设计。

特点

• YAML 定义团队拓扑：用声明式配置描述 agent 角色（owner/checker）、通信方式和恢复策略，无需写代码
• 统一任务队列：rig send 把任务丢进队列，owner agent 领取、执行、记录，checker agent 负责 review 全程可追溯
• TUI 实时仪表盘：rig tui --shared 展示团队拓扑、任务进度、agent 状态，支持多终端同时查看
• 会话持久化与恢复：基于 tmux session 存储工作状态，重启后 rig up --snapshot 恢复现场，团队从断点继续
• 跨 agent 通信：rig send、rig broadcast、rig chatroom 支持一对一、定向广播和群组讨论三种模式
• Slack 集成：可连接自建 Slack App，接收任务状态通知，团队协作不打断本地工作流

使用方法

前置依赖：Node.js 22 或 24，tmux，macOS 或 Linux

# 安装 CLI
npm install -g @openrig/cli
# 或用 Bun
bun add -g @openrig/cli

# 预览 setup 计划（不实际修改）
rig setup --dry-run

# 启动内置团队模板（Claude owner + Codex checker）
cd /path/to/your/repository
starter=first-project-mixed
rig up "$starter" --cwd . --plan
rig up "$starter" --cwd .

# 查看团队 TUI
rig tui --shared

# 给 owner 发任务
rig send "dev-owner@first-project-mixed" 
  'Implement <one useful change>. Track the task in the queue and return its ID. Keep it local, verify the behavior, ask dev-check in this rig to check the exact candidate.'

使用场景与人群

适用场景：中大型代码库重构、跨模块功能开发、需要多角色审查的代码贡献流程、团队需要把 AI coding agent 整合进正式研发流水线。

目标用户：AI coding agent 深度用户（Claude Code / Codex）、希望用多 agent 协作提升代码质量的个人开发者或小团队、对 agent 编排有研究兴趣的工程师。

输入与输出案例

案例 1：给前端项目加一个国际化模块

输入（发给 dev-owner）：

Add i18n support to the auth module. Use react-i18next. Track in queue and return ID.

输出（owner 返回）：

Task tracked with ID: task-20261001-a3f9. Implementing react-i18next setup, language files, and integration with auth forms. Will hand off to dev-check for review.

案例 2：让 checker review 候选代码

输入（通过 queue 流转给 dev-check）：

Review the i18n implementation in auth/module. Check for completeness, naming consistency, and test coverage.

输出（checker review 结果）：

Reviewed. Coverage adequate. Minor: locale files under /locales should use ISO 639-1 codes. Handing back to owner for fix. Final approval pending.

GitHub: https://github.com/mvschwarz/openrig