weelinking组了个AI梦之队：Claude当领导，Codex做苦力，Gemini当军师，结果省了80%的token，还写完了论文！

当三个顶级AI打工人聚在一起，会发生什么？

自从8月份被Gemini和Claude Code狠狠“驯服”之后，我就彻底迷上了各种coding agent。从最初的简单任务，到如今能帮我写论文、修bug、搭网站，这些AI的能力进化速度快得让我这个人类都跟不上。

但用久了，我开始不满足了——每个AI都有它的脾气。Claude啰嗦，Codex说话像机器人，Gemini偶尔会把你代码库删了（别问我是怎么知道的）。于是，一个大胆的想法诞生了：

让它们三个一起干活，取长补短，顺便省点token（Claude的token真的太贵了！）

经过一番折腾，我还真搞出了一个三者协作的工作流，今天分享给大家。

01 从被驯服到驯服AI

还记得第一次接触Claude Code时，它只能干些low-level的活：复制删除文件、写个正则表达式、重构一个简单函数。那时候觉得，嗯，也就那样吧。

但最近，随着Claude Opus 4.5、GPT-5.1-Codex-Max、Gemini 3 Pro这些超强模型的出现，coding agent的能力已经脱胎换骨。我来举几个亲身体验的例子：

开发nano-PEARL的时候，MAT指标死活上不去。知乎上有个哥们debug了半天也搞不定，我正幸灾乐祸呢，结果自己掉进了同一个坑。抱着试试看的心态，我给Codex扔了一段超详细的prompt，它思考了20分钟（我喝了三杯咖啡），竟然准确找到了bug！

nano-PEARL的网页，基本是Claude一己之力搭起来的。我只说了一句“我喜欢Claude主页那种风格”，10分钟后，它就甩给我一个风格神似的页面。现在你看到的这个benchmark页面，就是它的杰作。

写新论文的abstract，更是让三个AI打起了配合：Codex读我的代码仓库，用git分析改动；Claude和Gemini负责写初版；Gemini再去精读我列的几篇优秀paper，反复迭代。最后出来的abstract，连我自己都怀疑是不是自己写的。

现在的coding agent，比你想象的强得多。 我真的推荐每个对AI感兴趣的人都去试试Claude Code和Codex。

02 它们各有所长，也各有短板

但用久了，每个AI的缺点也暴露无遗：

• Claude：话痨，喜欢写巨长的文档和边界防御代码，明明几行就能解决的事，它能给你整出一篇小作文。而且token消耗贼快，用过的都懂那种心痛。

• Codex：能力是真强，但输出完全不像人话。跟它交流特别费劲，写的abstract真的就是abstract——抽象到看不懂。

• Gemini：上下文理解能力超强，但手也挺狠的。有网友被它删过代码库的经历，至今想起来还瑟瑟发抖。

能不能让它们三个合作，互相弥补不足？ 比如让Claude当总控，负责规划和沟通；Codex当工程师，埋头写代码、debug；Gemini当分析师，处理超长上下文、提供深度洞察。

03 我想让它们一起干活，省点钱

想法很美好，但实现起来……全是坑。

第一回合：让Claude直接调用Codex

我告诉Claude：“你可以用codex exec "prompt"来调用Codex。”

结果发现，Codex完整的思考过程（包括它调用了哪些工具、每一步在想什么）全部被塞到了Claude的上下文里。调用两次Codex，Claude的上下文就爆了。钱包在滴血。

第二回合：引入sub-agent

搜了一下，发现可以用“sub-agent”的概念——把调用Codex的任务交给一个子agent。

实际用起来更惨：首先，Codex的完整思考还是会被塞进sub-agent的上下文里（我的钱啊！）。其次，这个sub-agent经常不听指挥，根本不调用Codex，自己吭哧吭哧干起来，然后给我拉一坨大的。

第三回合：上MCP（模型上下文协议）

我找了一圈市面上的Codex MCP，试了好几个终于找到能用的。然后问题来了：怎么把Gemini也加进来？

通过同样的MCP方式接入后，Claude彻底迷糊了——到底该用Codex还是Gemini？它思考了几秒钟，决定：算了，我自己干！ 然后吭哧吭哧又烧掉我几十刀。

04 最终，我用三份文件管住了三个AI

经历了无数次失败和烧钱之后，我终于找到了一个可行的方案：

通过严格的约束文件来规范每个AI的行为。

具体来说，我创建了三个文件：

• AGENTS.md：专门给Codex看的，规定它的角色是“工程师”，只负责具体实现和debug，不要越界。

• GEMINI.md：给Gemini看的，规定它的角色是“分析师”，专注超长上下文分析和补充，不要擅自改代码。

• CLAUDE.md：给Claude看的，规定它是“总指挥”，负责调度和协调，但具体任务要交给Codex和Gemini去做，自己不要动手。

有了这些“岗位说明书”，三个AI终于能各司其职，不再抢活干了。

💡 国内可以用这个： weelinking

05 现在的效果：省token、提效率

目前这个工作流已经稳定运行了一段时间，效果出乎意料地好：

• 写代码：Claude规划架构，Codex落地实现，bug率大幅下降。

• debug：Gemini分析日志定位问题，Codex负责修复，Claude最后检查。

• 写文档/论文：Codex提供技术细节，Gemini优化表达，Claude润色成人类能看懂的语言。

最关键的是：token消耗比原来单独用Claude节省了至少80%。因为Claude现在只负责轻量级的调度，重活累活都交给了更便宜的Codex和Gemini（或者它们的API版本）。

06 未来还能怎么玩？

其实这个框架还很naive，有很多可以改进的地方：

• 让Codex也能作为MCP接入Gemini，增加灵活性。

• 更好的memory管理方式（MCP一多，context还是会爆，别指望auto-compact能work）。

• 给这些agent更多更强的工具，比如Claude新发的code-execution MCP、tool-search tool等。

• 甚至让它们学会互相教学，共同进化。

感觉coding agent真的很好玩！ 现在每天最大的乐趣就是看这三个AI打工人如何协作、吵架、然后搞定一个又一个任务。

如果你也在玩这些AI agent，或者有更好的协作方案，欢迎来找我交流。也许下一次，我们就能组一个真正的AI开发团队了。

 觉得这篇内容有帮助？欢迎点赞、收藏与分享！​ 

参考资料：公众号:weelinking